Monitoreo de afluencia de personas utilizando aprendizaje profundo
En el presente proyecto se desarrolló una aplicación de aprendizaje profundo (Deep Learning) la cual identifica el nivel de ocupación en lugares comunes con afluencia de personas en la Universidad Autónoma de Occidente, haciendo uso de la técnica transfer Learning para identificar de forma cualitati...
- Autores:
-
Bechara Echeverry, Lucas
Parra Giraldo, Steven
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2019
- Institución:
- Universidad Autónoma de Occidente
- Repositorio:
- RED: Repositorio Educativo Digital UAO
- Idioma:
- spa
- OAI Identifier:
- oai:red.uao.edu.co:10614/11986
- Acceso en línea:
- http://red.uao.edu.co//handle/10614/11986
- Palabra clave:
- Ingeniería Mecatrónica
Redes neuronales (Computadores)
Inteligencia artificial
Deep learning
Neural networks (Computer science)
Artificial intelligence
- Rights
- openAccess
- License
- Derechos Reservados - Universidad Autónoma de Occidente
| id |
REPOUAO2_99b9a7eaeed2f3b716e78cf99e0a1802 |
|---|---|
| oai_identifier_str |
oai:red.uao.edu.co:10614/11986 |
| network_acronym_str |
REPOUAO2 |
| network_name_str |
RED: Repositorio Educativo Digital UAO |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Monitoreo de afluencia de personas utilizando aprendizaje profundo |
| title |
Monitoreo de afluencia de personas utilizando aprendizaje profundo |
| spellingShingle |
Monitoreo de afluencia de personas utilizando aprendizaje profundo Ingeniería Mecatrónica Redes neuronales (Computadores) Inteligencia artificial Deep learning Neural networks (Computer science) Artificial intelligence |
| title_short |
Monitoreo de afluencia de personas utilizando aprendizaje profundo |
| title_full |
Monitoreo de afluencia de personas utilizando aprendizaje profundo |
| title_fullStr |
Monitoreo de afluencia de personas utilizando aprendizaje profundo |
| title_full_unstemmed |
Monitoreo de afluencia de personas utilizando aprendizaje profundo |
| title_sort |
Monitoreo de afluencia de personas utilizando aprendizaje profundo |
| dc.creator.fl_str_mv |
Bechara Echeverry, Lucas Parra Giraldo, Steven |
| dc.contributor.advisor.none.fl_str_mv |
López Sotelo, Jesús Alfonso |
| dc.contributor.author.spa.fl_str_mv |
Bechara Echeverry, Lucas Parra Giraldo, Steven |
| dc.subject.spa.fl_str_mv |
Ingeniería Mecatrónica Redes neuronales (Computadores) Inteligencia artificial |
| topic |
Ingeniería Mecatrónica Redes neuronales (Computadores) Inteligencia artificial Deep learning Neural networks (Computer science) Artificial intelligence |
| dc.subject.eng.fl_str_mv |
Deep learning Neural networks (Computer science) Artificial intelligence |
| description |
En el presente proyecto se desarrolló una aplicación de aprendizaje profundo (Deep Learning) la cual identifica el nivel de ocupación en lugares comunes con afluencia de personas en la Universidad Autónoma de Occidente, haciendo uso de la técnica transfer Learning para identificar de forma cualitativa el estado de ocupación. Para llevar a cabo este proyecto, se utilizó una red neuronal pre-entrenada (Yolo Detection) para clasificar el objeto(Persona). Con base en dicha información se creó el dataset compuesto de 9 clases, las cuales representan los estados (vacío, medio y lleno) de la cafetería primer piso, laboratorio de electrónica y laboratorio de automática. La aplicación fue desarrollada en TensorFlow, en donde se usó Yolo Detection para añadir la característica de los cuadros delimitadores a las imágenes. Una vez se obtuvieron las representaciones de las imágenes procesadas por Yolo Detection, posteriormente se entrenó una capa clasificadora mediante transfer learning usando Mobilenet V1.0 para realizar de forma cualitativa la representación de ocupación por parte de personas en los lugares. El sistema de interfaz gráfica está compuesto por 2 componentes; Aplicación desarrollada en Java para administradores y el desarrollo de una aplicación de Android Studio para usuarios. Se hizo de esta manera para evitar de que el usuario final tenga acceso a las imágenes capturadas por el sistema, y con ello solo puede acceder a la información de los estados de niveles de ocupación, por otro lado, el administrador cuenta con una aplicación Web, en la cual puede interactuar con toda la información del sistema, modificar y eliminar datos de la base de datos en caso de ser necesario. El sistema de monitoreo funciona en tiempo real teniendo como sensor una cámara tipo (Ojo de pez), obteniendo el nivel de ocupación actualizado cada 5 minutos, este es almacenado en una base de datos MySQL para su registro |
| publishDate |
2019 |
| dc.date.issued.spa.fl_str_mv |
2019-08-13 |
| dc.date.accessioned.spa.fl_str_mv |
2020-02-25T16:30:05Z |
| dc.date.available.spa.fl_str_mv |
2020-02-25T16:30:05Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.spa.fl_str_mv |
http://red.uao.edu.co//handle/10614/11986 |
| url |
http://red.uao.edu.co//handle/10614/11986 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Autónoma de Occidente |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| rights_invalid_str_mv |
Derechos Reservados - Universidad Autónoma de Occidente https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.spa.fl_str_mv |
application/pdf |
| dc.format.extent.spa.fl_str_mv |
102 páginas |
| dc.coverage.spatial.spa.fl_str_mv |
Universidad Autónoma de Occidente. Calle 25 115-85. Km 2 vía Cali-Jamundí |
| dc.publisher.spa.fl_str_mv |
Universidad Autónoma de Occidente |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Mecatrónica |
| dc.publisher.department.spa.fl_str_mv |
Departamento de Automática y Electrónica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.source.spa.fl_str_mv |
instname:Universidad Autónoma de Occidente reponame:Repositorio Institucional UAO |
| instname_str |
Universidad Autónoma de Occidente |
| institution |
Universidad Autónoma de Occidente |
| reponame_str |
Repositorio Institucional UAO |
| collection |
Repositorio Institucional UAO |
| dc.source.bibliographiccitation.spa.fl_str_mv |
[1] "Script", Es.wikipedia.org. [En línea]. Disponible: https://es.wikipedia.org/wiki/Script. [Accedido: 18- Feb- 2019]. [2] "Tipado dinámico", Es.wikipedia.org. [En línea]. Disponible: https://es.wikipedia.org/wiki/Tipado_din %C3 %A1mico. [Accedido: 18- Feb2019]. [3] Marr, B. (2016). Forbes Welcome. Forbes.com. Accedido el 2 de febrero de 2018, Obtenido de; https://www.forbes.com/sites/bernardmarr/2016/12/29/4- amazing-ways-facebook-uses-deep-learning-to-learn-everything-aboutyou/2/1d8933493090. [4] A. Ouaknine, Review of Deep Learning Algorithms for Image Classification", Medium, 2018. [En linea]. Disponible en: https://medium.com/zylapp/review-ofdeep-learning-algorithms-for-image-classification-5fdbca4a05e2. [Accedido el:22- Jun- 2019]. [5] A. Krizhevsky, I. Sutskever and G. Hinton, ÏmageNet Classification with Deep Convolutional Neural Networks", Papers.nips.cc, 2019. [En linea]. Disponible: https://papers.nips.cc/paper/4824-imagenet-classificationwith-deep-convolutional-neural-networks. [Accedido: 22- Jun- 2019]. [6] S. Tsang, Review: AlexNet, CaffeNet — Winner of ILSVRC 2012 (Image Classification) - Medium", Medium, 2018. [En linea]. Disponible: https://medium.com/coinmonks/paper-review-of-alexnet-caffenet-winnerin-ilsvrc-2012-image-classification-b93598314160. [Accedido: 22- Jun- 2019]. [7] S. Pellicer, G. Santa, A. L. Bleda, R. Maestre, A. J. Jara and A. G. Skarmeta, .A Global Perspective of Smart Cities: A Survey,"2013 Seventh International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing, Taichung, 2013, pp. 439-444. [8] C. Bailas, M. Marsden, D. Zhang, N. E. O’Connor and S. Little, "Performance of video processing at the edge for crowd-monitoring applications,"2018 IEEE 4th World Forum on Internet of Things (WF-IoT), Singapore, 2018, pp. 482-487. [9] T. Eady, "Tesla’s Deep Learning at Scale: Using Billions of Miles to Train Neural Networks", Medium, 2019. [En linea]. disponible: https://towardsdatascience.com/teslas-deep-learning-at-scale-7eed85b235d3. [Accedido: 08- Jul- 2019]. [10] YouTube. (2019). Jetson TX1 object detection with Tensorflow SSD Mobilenet. [En línea] Disponible en: https://www.youtube.com/watch?v=nd39Yz9CwgEt=102s [Accedido 6 Nov. 2018]. [11] ENTER.CO. (2019). [En línea] Disponible en: https://www.enter.co/especiales/universoandroid/hub/apps/en-tiempo-real [12] TechCrunch. (n.d.). Google can now tell you how busy a place is before you arrive. [En línea] Disponible en: https://techcrunch.com/2016/11/21/googlecan-now-tell-you-how-busy-a-place-is-before-you-arrive-in-real-time/ [Accedido 8 Dec. 2018]. [13] Google. (n.d.). Know before you go, with Google. [En línea] Disponible en: https://blog.google/products/search/know-you-go-google/ [Accedido 18 Mar. 2019]. [14] U. Dahake, B. Bakraniya, J. Thakkar and M. Sohani, Çrowd Density Estimation using Image Processing", Pdfs.semanticscholar.org, 2018. [En linea]. Disponible: https://pdfs.semanticscholar.org/a463/04fb04b164513d71e86035af1ef91cb37c 6e.pdf. [Accedido 12- Jul- 2019]. [15] PROTOTIPO DE SISTEMA PARA LA GESTIÓN DE OCUPACIÓN DE PARQUEADEROS EN UN CENTRO COMERCIAL. (2018). [ebook] Bogotá, Colombia: Universidad Distrital Francisco José de Caldas. Disponible en: http://repository.udistrital.edu.co/bitstream/11349/7846/1/monografia %202.pdf [Accedido 8 Jul. 2019]. [16] Ieeexplore.ieee.org. (n.d.). Application of modern architectures of deep neural networks for solving practical problems - IEEE Conference Publication. [En linea] Disponible en: https://ieeexplore.ieee.org/document/7970594 [Accedido 8 Jul. 2019]. [17] Sánchez-Torres, G. and Taborda-Giraldo, J. (2014). Estimación automática de la medida de ocupación de playas mediante procesamiento de imágenes digitales.. 16th ed. [Libro electrónico] Revista Tecno Lógicas, p.https://ezproxy.uao.edu.co/menu. Disponible: http://ezproxy.uao.edu.co:2094/eds/pdfviewer/pdfviewer?vid=2sid=b2a4031df87a-4246-b969-9fa24e721f10 [18] Rey, N., Volpi, M., Joost, S. and Tuia, D. (2017). Detecting animals in African Savanna with UAVs and the crowds. In: Remote Sensing of Environment. MultiModal Remote Sensing, Department of Geography, University of Zurich, Switzerland: ELSEVIER, p.https://www.sciencedirect.com/science/article/pii/S0034425717303942. [19] López Sotelo, J. Redes Neuronales Artificiales y Deep Learning. ( pp. 1-15-17- 19). Cali. [20] López Sotelo, Aprendizaje Profundo (Deep Learning). Cali, p. 7. [21] López Sotelo and E. Caicedo, UNA APROXIMACIÓN PRÁCTICA A LAS REDES NEURONALES ARTIFICIALES. Cali, 2009, p. 79. [22] López Sotelo, Aprendizaje Profundo (Deep Learning). Cali, p. 12. [23] López Sotelo, Aprendizaje Profundo (Deep Learning). Cali, p. 13. [24] “Convolutional Neural Network”, La.mathworks.com, 2018. [En línea]. Disponible: https://la.mathworks.com/discovery/convolutional-neural-network.html. [Accedido: 13- Mar- 2018]. [25] N. DIAZ SALAZAR and G. SALAZAR GOMEZ, ”RECONOCIMIENTO DE OBJETOS EN IMÁGENES USANDO APRENDIZAJE PROFUNDO”, Ingeniería, Universidad Autónoma de Occidente, 2018. [26] J. López Sotelo, Aprendizaje Profundo (Deep Learning). [27] ”Art and Science of Machine Learning en Español”, Mahvar, F, 2018. Coursera. [En línea] Coursera. Disponible: https://www.coursera.org/learn/art-science-mles/lecture/MSkrm/optimizacion [Accedido 11 Mar. 2019]. [28] Cs231n.github.io. (n.d.). CS231n Convolutional Neural Networks for Visual Recognition. [En línea] Disponible en: http://cs231n.github.io/neural-networks-3/ [Accedido 15 Sep. 2018]. [29] López Sotelo and E. Caicedo, Una aproximación práctica a las redes neuronales artificiales. Cali, Colombia: Universidad del Valle, 2017, pp. 77-85. [30] “Google Cloud Platform”, Console.cloud.google.com, 2018. [En línea]. Disponible: https://console.cloud.google.com/bigquery?project=wise-shell224405p=bigquery-public-datad=new_york_taxi_tripst=tlc_yellow_trips_ 2018page=table. [Accedido: 17- Mar- 2019]. [31] ”TensorFlow: MNIST for beginners | basiafusinska | Katacoda”, Katacoda.com. [En línea]. Disponible: https://www.katacoda.com/basiafusinska/courses/tensorflow-gettingstarted/tensorflow-mnist-beginner. [Accedido: 18- Mar- 2019]. [32] D. Cardona Salgado, Analisis Exploratorio de Datos. Diplomado: Métodos Estadísticos utilizados en la Investigación de Mercado, pp. 15,16,17. [33] M. Alonso Gimeno and M. Martín, ”Introducción al Machine Learning (2.a edición)”, MiríadaX, 2017. [34] López Sotelo, J. Redes Neuronales Artificiales y Deep Learning. (., pp. 15). Cali. [35] H. Latinoamérica, 2018, pp. 3. [36] López Sotelo, J. Redes Neuronales Artificiales y Deep Learning. (., pp. 17). Cali. [37] López Sotelo, J. Redes Neuronales Artificiales y Deep Learning. (., pp. 19). Cali. [38] F. Li, A. Karpathy and J. Johnson, Lecture 8: Spatial Localization and Detection. Stanford, 2016, p. 8. [39] Programación. (2019). . [ebook] Instituto Tecnológico de Celaya, p.2. Disponible en: http://www.citethisforme.com/es [Accedido 26 Apr. 2019]. [40] http://fcasua.contad.unam.mx/apuntes/interiores/docs/98/4/informatica_ 4.pdf . informatica_4, 2019, pp. 2-3. [41] Docs.python.org.ar, 2019. [En línea]. Disponible: http://docs.python.org.ar/tutorial/pdfs/TutorialPython2.pdf. [Accedido: 22- Apr2019]. [42] Pablin.com.ar. [En línea]. Disponible: http://www.pablin.com.ar/computer/ cursos/c3/man001.htm. [Accedido: 04- Jun- 2019]. [43] S. Programacion en Castellano, “Introducción a la librería Matplotlib de Python”, Programación en Castellano., 2019. [En línea]. Disponible: https://programacion.net/articulo/introduccion_a_la_libreria_matplotlib_de _python_1599. [Accedido: 22- Apr- 2019]. [44] 2019. [En línea]. Disponible: http://webs.ucm.es/info/aocg/python/modulos_cientificos/numpy/index.html. [Accedido: 18- Apr- 2019]. [45] A. Bazaga, “OpenCV: Librería de Visión por Computador - Oficina de Software Libre (OSL)”, Oficina de Software Libre (OSL), 2019. [En línea]. Disponible: https://osl.ull.es/software-libre/opencv-libreria-vision-computador/. [Accedido: 19- Apr- 2019]. [46] “¿Qué es OpenCV?”, Un poco de Java y +, 2019. [En línea]. Disponible: https://unpocodejava.com/2013/10/09/que-es-opencv/. [Accedido: 18- Apr2019]. [47] 2019. [En línea]. Disponible: https://medium.com/@orwell.dark/anaconda-yentornos-virtuales-87ae6ff1761f http://lml.ls.fi.upm.es/ep/entornos.html. [Accedido: 10- Apr- 2019]. [48] L. Toro, “Anaconda Distribution: La Suite más completa para la Ciencia de datos con Python”, Desde Linux, 2019. [En línea]. Disponible: https://blog.desdelinux.net/ciencia-de-datos-con-python/. [Accedido: 17- Apr2019]. [49] D. Amoedo, “Anaconda, suite para la Ciencia de datos con Python desde Ubuntu 17.10”, Ubunlog, 2019. [En línea]. Disponible: https://ubunlog.com/anacondadatos-python-ubuntu/. [Accedido: 16- Apr- 2019]. [50] “¿Qué es Tensorflow?”, OpenWebinars.net, 2019. [En línea]. Disponible: https://openwebinars.net/blog/que-es-tensorflow/. [Accedido: 15- Apr- 2019]. [51] “TensorBoard: Visualizing Learning | TensorFlow Core | TensorFlow”, TensorFlow, 2019. [En línea]. Disponible: https://www.tensorflow.org/guide/summaries_and_tensorboard. [Accedido: 13- Apr- 2019]. [52] J. Redmon, “YOLO: Real-Time Object Detection”, Pjreddie.com, 2019. [En línea]. Disponible: https://pjreddie.com/darknet/yolo/. [Accedido: 11- Apr- 2019]. [53] “Detección de objetos con YOLO: implementaciones y como usarlas”, Medium, 2019. [En línea]. Disponible: https://medium.com/@monocasero/detecci %C3 %B3n-de-objetos-con-yoloimplementaciones-y-como-usarlas-c73ca2489246. [Accedido: 21- Apr- 2019]. [54] Colab.research.google.com. (n.d.). Google Colaboratory. [En línea] Disponible en: https://colab.research.google.com/notebooks/welcome.ipynb?hl=es [Accedido 7 Feb. 2019]. [55] Google Cloud. (n.d.). CPU Platforms | Compute Engine Documentation | Google Cloud. [En línea] Disponible en: https://cloud.google.com/compute/ [Accedido 15 Feb. 2019]. [56] Google Cloud. (n.d.). CPU Platforms | Compute Engine Documentation | Google Cloud. [En línea] Disponible en: https://cloud.google.com/compute/docs/cpu-platforms [Accedido 15 Feb. 2019]. [57] Google Cloud. (n.d.). Unidad de procesamiento de gráficos (GPU) | Google Cloud. [En línea] Disponible en: https://cloud.google.com/gpu/?hl=es [Accedido 17 Feb. 2019]. [58] Solarte Astaiza, Z. ”Curso de fundamentos de internet de las cosas” en la Universidad Autónoma de Occidente. Cali, Colombia. [59] Profesormolina1.webcindario.com. (n.d.). QUE ES UN SENSOR:. [En línea] Disponible en: https://profesormolina1.webcindario.com/tecnologia/sens_transduct/que_es.htm [Accedido 15 Feb. 2019]. [60] ”Anuncios Clasificados gratis - comprar y vender en México | CLASF”, Clasf.mx. [En línea]. Disponible: https://www.clasf.mx/q/lente-ojo-pez-sony/. [Accedido: 14- Mar- 2019]. [61] BBVAOpen4U. (2016). API REST: qué es y cuáles son sus ventajas en el desarrollo de proyectos. [En línea] Disponible en: https://bbvaopen4u.com/es/actualidad/api-rest-que-es-y-cuales-son-susventajas-en-el-desarrollo-de-proyectos [Accedido 12 Mar. 2019]. [62] A., N. (2017). Deep Learning: profundizando el valor de la videovigilancia. Tecnoseguro.com. Retrieved 27 February 2018, Obtenido de; https://www.tecnoseguro.com/noticias/cctv/deep-learning-videovigilanciahikvision.html [63] “Falabella.com”, FalabellaCO, 2018. [En línea]. Disponible: https://www.falabella.com.co/falabella-co/category/cat4920940/Gamers. [Accedido: 04- Mar- 2018]. [64] “Precios de las instancias EC2 – Amazon Web Services (AWS)”, Amazon Web Services, Inc., 2018. [En línea]. Disponible: https://aws.amazon.com/es/ec2/pricing/on-demand/. [Accedido: 07- Mar2018]. [65] Song, X., Kanasugi, H., Shibasaki, R. (2016). DeepTransport: Prediction and Simulation of Human Mobility and Transportation Mode at a Citywide Level. Obtenido de; https://www.ijcai.org/Proceedings/16/Papers/372.pdf [66] Red neuronal Convolucional CNN - Diego Calvo. (2017). Diego Calvo. Revisado el 6 de Marzo 2018, Obtenido de; http://www.diegocalvo.es/red-neuronalconvolucional-cnn/ [67] “Jetson TX1 object detection with Tensorflow SSD Mobilenet”, YouTube, 2018. [En línea]. Disponible: https://www.youtube.com/watch?v=nd39Yz9CwgEt=102s. [Accedido: 19-Apr- 2018]. |
| bitstream.url.fl_str_mv |
https://red.uao.edu.co/bitstreams/2bd7d002-ab8f-42f9-9b9e-2cc07e8a10d0/download https://red.uao.edu.co/bitstreams/3bfec31a-0dd3-4dd7-acda-eee12efd361e/download https://red.uao.edu.co/bitstreams/1ba03f2e-d066-4c0e-9b56-c6983653022f/download https://red.uao.edu.co/bitstreams/1809f7bc-024a-48d9-ab7b-163f2f9497c3/download https://red.uao.edu.co/bitstreams/029a32f5-14b2-4012-b5e3-11d324dedabe/download https://red.uao.edu.co/bitstreams/7e02f2e0-aae9-4795-98a0-df47b7f26444/download https://red.uao.edu.co/bitstreams/de9377d4-c559-49ee-a78a-06ac7270f56a/download https://red.uao.edu.co/bitstreams/3cb688b6-fca4-47c9-921d-84705e27c99c/download |
| bitstream.checksum.fl_str_mv |
d8763d13aef7810aa7699c7434913c14 0275431bea02a36310fa33fb53439d79 427acc4b79cfe508ad4935d3abffd97d 5db601407819044c06e3b8980f1d6823 4460e5956bc1d1639be9ae6146a50347 20b5ba22b1117f71589c7318baa2c560 87ef19c930192260d31e5c43dccac418 cb92858cc9506f736f02422cd34ccdc3 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Digital Universidad Autonoma de Occidente |
| repository.mail.fl_str_mv |
repositorio@uao.edu.co |
| _version_ |
1814260097114701824 |
| spelling |
López Sotelo, Jesús Alfonsovirtual::2970-1Bechara Echeverry, Lucasa5020729d58c3b884e963b3964faa048-1Parra Giraldo, Stevene49be120e151f2598b36a0bd7c10ba25-1Ingeniero MecatrónicoUniversidad Autónoma de Occidente. Calle 25 115-85. Km 2 vía Cali-Jamundí2020-02-25T16:30:05Z2020-02-25T16:30:05Z2019-08-13http://red.uao.edu.co//handle/10614/11986En el presente proyecto se desarrolló una aplicación de aprendizaje profundo (Deep Learning) la cual identifica el nivel de ocupación en lugares comunes con afluencia de personas en la Universidad Autónoma de Occidente, haciendo uso de la técnica transfer Learning para identificar de forma cualitativa el estado de ocupación. Para llevar a cabo este proyecto, se utilizó una red neuronal pre-entrenada (Yolo Detection) para clasificar el objeto(Persona). Con base en dicha información se creó el dataset compuesto de 9 clases, las cuales representan los estados (vacío, medio y lleno) de la cafetería primer piso, laboratorio de electrónica y laboratorio de automática. La aplicación fue desarrollada en TensorFlow, en donde se usó Yolo Detection para añadir la característica de los cuadros delimitadores a las imágenes. Una vez se obtuvieron las representaciones de las imágenes procesadas por Yolo Detection, posteriormente se entrenó una capa clasificadora mediante transfer learning usando Mobilenet V1.0 para realizar de forma cualitativa la representación de ocupación por parte de personas en los lugares. El sistema de interfaz gráfica está compuesto por 2 componentes; Aplicación desarrollada en Java para administradores y el desarrollo de una aplicación de Android Studio para usuarios. Se hizo de esta manera para evitar de que el usuario final tenga acceso a las imágenes capturadas por el sistema, y con ello solo puede acceder a la información de los estados de niveles de ocupación, por otro lado, el administrador cuenta con una aplicación Web, en la cual puede interactuar con toda la información del sistema, modificar y eliminar datos de la base de datos en caso de ser necesario. El sistema de monitoreo funciona en tiempo real teniendo como sensor una cámara tipo (Ojo de pez), obteniendo el nivel de ocupación actualizado cada 5 minutos, este es almacenado en una base de datos MySQL para su registroProyecto de grado (Ingeniero Mecatrónico)-- Universidad Autónoma de Occidente, 2019PregradoIngeniero(a) Mecatrónico(a)application/pdf102 páginasspaUniversidad Autónoma de OccidenteIngeniería MecatrónicaDepartamento de Automática y ElectrónicaFacultad de IngenieríaDerechos Reservados - Universidad Autónoma de Occidentehttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2instname:Universidad Autónoma de Occidentereponame:Repositorio Institucional UAO[1] "Script", Es.wikipedia.org. [En línea]. Disponible: https://es.wikipedia.org/wiki/Script. [Accedido: 18- Feb- 2019]. [2] "Tipado dinámico", Es.wikipedia.org. [En línea]. Disponible: https://es.wikipedia.org/wiki/Tipado_din %C3 %A1mico. [Accedido: 18- Feb2019]. [3] Marr, B. (2016). Forbes Welcome. Forbes.com. Accedido el 2 de febrero de 2018, Obtenido de; https://www.forbes.com/sites/bernardmarr/2016/12/29/4- amazing-ways-facebook-uses-deep-learning-to-learn-everything-aboutyou/2/1d8933493090. [4] A. Ouaknine, Review of Deep Learning Algorithms for Image Classification", Medium, 2018. [En linea]. Disponible en: https://medium.com/zylapp/review-ofdeep-learning-algorithms-for-image-classification-5fdbca4a05e2. [Accedido el:22- Jun- 2019]. [5] A. Krizhevsky, I. Sutskever and G. Hinton, ÏmageNet Classification with Deep Convolutional Neural Networks", Papers.nips.cc, 2019. [En linea]. Disponible: https://papers.nips.cc/paper/4824-imagenet-classificationwith-deep-convolutional-neural-networks. [Accedido: 22- Jun- 2019]. [6] S. Tsang, Review: AlexNet, CaffeNet — Winner of ILSVRC 2012 (Image Classification) - Medium", Medium, 2018. [En linea]. Disponible: https://medium.com/coinmonks/paper-review-of-alexnet-caffenet-winnerin-ilsvrc-2012-image-classification-b93598314160. [Accedido: 22- Jun- 2019]. [7] S. Pellicer, G. Santa, A. L. Bleda, R. Maestre, A. J. Jara and A. G. Skarmeta, .A Global Perspective of Smart Cities: A Survey,"2013 Seventh International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing, Taichung, 2013, pp. 439-444. [8] C. Bailas, M. Marsden, D. Zhang, N. E. O’Connor and S. Little, "Performance of video processing at the edge for crowd-monitoring applications,"2018 IEEE 4th World Forum on Internet of Things (WF-IoT), Singapore, 2018, pp. 482-487. [9] T. Eady, "Tesla’s Deep Learning at Scale: Using Billions of Miles to Train Neural Networks", Medium, 2019. [En linea]. disponible: https://towardsdatascience.com/teslas-deep-learning-at-scale-7eed85b235d3. [Accedido: 08- Jul- 2019]. [10] YouTube. (2019). Jetson TX1 object detection with Tensorflow SSD Mobilenet. [En línea] Disponible en: https://www.youtube.com/watch?v=nd39Yz9CwgEt=102s [Accedido 6 Nov. 2018]. [11] ENTER.CO. (2019). [En línea] Disponible en: https://www.enter.co/especiales/universoandroid/hub/apps/en-tiempo-real [12] TechCrunch. (n.d.). Google can now tell you how busy a place is before you arrive. [En línea] Disponible en: https://techcrunch.com/2016/11/21/googlecan-now-tell-you-how-busy-a-place-is-before-you-arrive-in-real-time/ [Accedido 8 Dec. 2018]. [13] Google. (n.d.). Know before you go, with Google. [En línea] Disponible en: https://blog.google/products/search/know-you-go-google/ [Accedido 18 Mar. 2019]. [14] U. Dahake, B. Bakraniya, J. Thakkar and M. Sohani, Çrowd Density Estimation using Image Processing", Pdfs.semanticscholar.org, 2018. [En linea]. Disponible: https://pdfs.semanticscholar.org/a463/04fb04b164513d71e86035af1ef91cb37c 6e.pdf. [Accedido 12- Jul- 2019]. [15] PROTOTIPO DE SISTEMA PARA LA GESTIÓN DE OCUPACIÓN DE PARQUEADEROS EN UN CENTRO COMERCIAL. (2018). [ebook] Bogotá, Colombia: Universidad Distrital Francisco José de Caldas. Disponible en: http://repository.udistrital.edu.co/bitstream/11349/7846/1/monografia %202.pdf [Accedido 8 Jul. 2019]. [16] Ieeexplore.ieee.org. (n.d.). Application of modern architectures of deep neural networks for solving practical problems - IEEE Conference Publication. [En linea] Disponible en: https://ieeexplore.ieee.org/document/7970594 [Accedido 8 Jul. 2019]. [17] Sánchez-Torres, G. and Taborda-Giraldo, J. (2014). Estimación automática de la medida de ocupación de playas mediante procesamiento de imágenes digitales.. 16th ed. [Libro electrónico] Revista Tecno Lógicas, p.https://ezproxy.uao.edu.co/menu. Disponible: http://ezproxy.uao.edu.co:2094/eds/pdfviewer/pdfviewer?vid=2sid=b2a4031df87a-4246-b969-9fa24e721f10 [18] Rey, N., Volpi, M., Joost, S. and Tuia, D. (2017). Detecting animals in African Savanna with UAVs and the crowds. In: Remote Sensing of Environment. MultiModal Remote Sensing, Department of Geography, University of Zurich, Switzerland: ELSEVIER, p.https://www.sciencedirect.com/science/article/pii/S0034425717303942. [19] López Sotelo, J. Redes Neuronales Artificiales y Deep Learning. ( pp. 1-15-17- 19). Cali. [20] López Sotelo, Aprendizaje Profundo (Deep Learning). Cali, p. 7. [21] López Sotelo and E. Caicedo, UNA APROXIMACIÓN PRÁCTICA A LAS REDES NEURONALES ARTIFICIALES. Cali, 2009, p. 79. [22] López Sotelo, Aprendizaje Profundo (Deep Learning). Cali, p. 12. [23] López Sotelo, Aprendizaje Profundo (Deep Learning). Cali, p. 13. [24] “Convolutional Neural Network”, La.mathworks.com, 2018. [En línea]. Disponible: https://la.mathworks.com/discovery/convolutional-neural-network.html. [Accedido: 13- Mar- 2018]. [25] N. DIAZ SALAZAR and G. SALAZAR GOMEZ, ”RECONOCIMIENTO DE OBJETOS EN IMÁGENES USANDO APRENDIZAJE PROFUNDO”, Ingeniería, Universidad Autónoma de Occidente, 2018. [26] J. López Sotelo, Aprendizaje Profundo (Deep Learning). [27] ”Art and Science of Machine Learning en Español”, Mahvar, F, 2018. Coursera. [En línea] Coursera. Disponible: https://www.coursera.org/learn/art-science-mles/lecture/MSkrm/optimizacion [Accedido 11 Mar. 2019]. [28] Cs231n.github.io. (n.d.). CS231n Convolutional Neural Networks for Visual Recognition. [En línea] Disponible en: http://cs231n.github.io/neural-networks-3/ [Accedido 15 Sep. 2018]. [29] López Sotelo and E. Caicedo, Una aproximación práctica a las redes neuronales artificiales. Cali, Colombia: Universidad del Valle, 2017, pp. 77-85. [30] “Google Cloud Platform”, Console.cloud.google.com, 2018. [En línea]. Disponible: https://console.cloud.google.com/bigquery?project=wise-shell224405p=bigquery-public-datad=new_york_taxi_tripst=tlc_yellow_trips_ 2018page=table. [Accedido: 17- Mar- 2019]. [31] ”TensorFlow: MNIST for beginners | basiafusinska | Katacoda”, Katacoda.com. [En línea]. Disponible: https://www.katacoda.com/basiafusinska/courses/tensorflow-gettingstarted/tensorflow-mnist-beginner. [Accedido: 18- Mar- 2019]. [32] D. Cardona Salgado, Analisis Exploratorio de Datos. Diplomado: Métodos Estadísticos utilizados en la Investigación de Mercado, pp. 15,16,17. [33] M. Alonso Gimeno and M. Martín, ”Introducción al Machine Learning (2.a edición)”, MiríadaX, 2017. [34] López Sotelo, J. Redes Neuronales Artificiales y Deep Learning. (., pp. 15). Cali. [35] H. Latinoamérica, 2018, pp. 3. [36] López Sotelo, J. Redes Neuronales Artificiales y Deep Learning. (., pp. 17). Cali. [37] López Sotelo, J. Redes Neuronales Artificiales y Deep Learning. (., pp. 19). Cali. [38] F. Li, A. Karpathy and J. Johnson, Lecture 8: Spatial Localization and Detection. Stanford, 2016, p. 8. [39] Programación. (2019). . [ebook] Instituto Tecnológico de Celaya, p.2. Disponible en: http://www.citethisforme.com/es [Accedido 26 Apr. 2019]. [40] http://fcasua.contad.unam.mx/apuntes/interiores/docs/98/4/informatica_ 4.pdf . informatica_4, 2019, pp. 2-3. [41] Docs.python.org.ar, 2019. [En línea]. Disponible: http://docs.python.org.ar/tutorial/pdfs/TutorialPython2.pdf. [Accedido: 22- Apr2019]. [42] Pablin.com.ar. [En línea]. Disponible: http://www.pablin.com.ar/computer/ cursos/c3/man001.htm. [Accedido: 04- Jun- 2019]. [43] S. Programacion en Castellano, “Introducción a la librería Matplotlib de Python”, Programación en Castellano., 2019. [En línea]. Disponible: https://programacion.net/articulo/introduccion_a_la_libreria_matplotlib_de _python_1599. [Accedido: 22- Apr- 2019]. [44] 2019. [En línea]. Disponible: http://webs.ucm.es/info/aocg/python/modulos_cientificos/numpy/index.html. [Accedido: 18- Apr- 2019]. [45] A. Bazaga, “OpenCV: Librería de Visión por Computador - Oficina de Software Libre (OSL)”, Oficina de Software Libre (OSL), 2019. [En línea]. Disponible: https://osl.ull.es/software-libre/opencv-libreria-vision-computador/. [Accedido: 19- Apr- 2019]. [46] “¿Qué es OpenCV?”, Un poco de Java y +, 2019. [En línea]. Disponible: https://unpocodejava.com/2013/10/09/que-es-opencv/. [Accedido: 18- Apr2019]. [47] 2019. [En línea]. Disponible: https://medium.com/@orwell.dark/anaconda-yentornos-virtuales-87ae6ff1761f http://lml.ls.fi.upm.es/ep/entornos.html. [Accedido: 10- Apr- 2019]. [48] L. Toro, “Anaconda Distribution: La Suite más completa para la Ciencia de datos con Python”, Desde Linux, 2019. [En línea]. Disponible: https://blog.desdelinux.net/ciencia-de-datos-con-python/. [Accedido: 17- Apr2019]. [49] D. Amoedo, “Anaconda, suite para la Ciencia de datos con Python desde Ubuntu 17.10”, Ubunlog, 2019. [En línea]. Disponible: https://ubunlog.com/anacondadatos-python-ubuntu/. [Accedido: 16- Apr- 2019]. [50] “¿Qué es Tensorflow?”, OpenWebinars.net, 2019. [En línea]. Disponible: https://openwebinars.net/blog/que-es-tensorflow/. [Accedido: 15- Apr- 2019]. [51] “TensorBoard: Visualizing Learning | TensorFlow Core | TensorFlow”, TensorFlow, 2019. [En línea]. Disponible: https://www.tensorflow.org/guide/summaries_and_tensorboard. [Accedido: 13- Apr- 2019]. [52] J. Redmon, “YOLO: Real-Time Object Detection”, Pjreddie.com, 2019. [En línea]. Disponible: https://pjreddie.com/darknet/yolo/. [Accedido: 11- Apr- 2019]. [53] “Detección de objetos con YOLO: implementaciones y como usarlas”, Medium, 2019. [En línea]. Disponible: https://medium.com/@monocasero/detecci %C3 %B3n-de-objetos-con-yoloimplementaciones-y-como-usarlas-c73ca2489246. [Accedido: 21- Apr- 2019]. [54] Colab.research.google.com. (n.d.). Google Colaboratory. [En línea] Disponible en: https://colab.research.google.com/notebooks/welcome.ipynb?hl=es [Accedido 7 Feb. 2019]. [55] Google Cloud. (n.d.). CPU Platforms | Compute Engine Documentation | Google Cloud. [En línea] Disponible en: https://cloud.google.com/compute/ [Accedido 15 Feb. 2019]. [56] Google Cloud. (n.d.). CPU Platforms | Compute Engine Documentation | Google Cloud. [En línea] Disponible en: https://cloud.google.com/compute/docs/cpu-platforms [Accedido 15 Feb. 2019]. [57] Google Cloud. (n.d.). Unidad de procesamiento de gráficos (GPU) | Google Cloud. [En línea] Disponible en: https://cloud.google.com/gpu/?hl=es [Accedido 17 Feb. 2019]. [58] Solarte Astaiza, Z. ”Curso de fundamentos de internet de las cosas” en la Universidad Autónoma de Occidente. Cali, Colombia. [59] Profesormolina1.webcindario.com. (n.d.). QUE ES UN SENSOR:. [En línea] Disponible en: https://profesormolina1.webcindario.com/tecnologia/sens_transduct/que_es.htm [Accedido 15 Feb. 2019]. [60] ”Anuncios Clasificados gratis - comprar y vender en México | CLASF”, Clasf.mx. [En línea]. Disponible: https://www.clasf.mx/q/lente-ojo-pez-sony/. [Accedido: 14- Mar- 2019]. [61] BBVAOpen4U. (2016). API REST: qué es y cuáles son sus ventajas en el desarrollo de proyectos. [En línea] Disponible en: https://bbvaopen4u.com/es/actualidad/api-rest-que-es-y-cuales-son-susventajas-en-el-desarrollo-de-proyectos [Accedido 12 Mar. 2019]. [62] A., N. (2017). Deep Learning: profundizando el valor de la videovigilancia. Tecnoseguro.com. Retrieved 27 February 2018, Obtenido de; https://www.tecnoseguro.com/noticias/cctv/deep-learning-videovigilanciahikvision.html [63] “Falabella.com”, FalabellaCO, 2018. [En línea]. Disponible: https://www.falabella.com.co/falabella-co/category/cat4920940/Gamers. [Accedido: 04- Mar- 2018]. [64] “Precios de las instancias EC2 – Amazon Web Services (AWS)”, Amazon Web Services, Inc., 2018. [En línea]. Disponible: https://aws.amazon.com/es/ec2/pricing/on-demand/. [Accedido: 07- Mar2018]. [65] Song, X., Kanasugi, H., Shibasaki, R. (2016). DeepTransport: Prediction and Simulation of Human Mobility and Transportation Mode at a Citywide Level. Obtenido de; https://www.ijcai.org/Proceedings/16/Papers/372.pdf [66] Red neuronal Convolucional CNN - Diego Calvo. (2017). Diego Calvo. Revisado el 6 de Marzo 2018, Obtenido de; http://www.diegocalvo.es/red-neuronalconvolucional-cnn/ [67] “Jetson TX1 object detection with Tensorflow SSD Mobilenet”, YouTube, 2018. [En línea]. Disponible: https://www.youtube.com/watch?v=nd39Yz9CwgEt=102s. [Accedido: 19-Apr- 2018].Ingeniería MecatrónicaRedes neuronales (Computadores)Inteligencia artificialDeep learningNeural networks (Computer science)Artificial intelligenceMonitoreo de afluencia de personas utilizando aprendizaje profundoTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Publicationhttps://scholar.google.com.au/citations?user=7PIjh_MAAAAJ&hl=envirtual::2970-10000-0002-9731-8458virtual::2970-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000249106virtual::2970-1fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::2970-1fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::2970-1TEXTT08837.pdf.txtT08837.pdf.txtExtracted texttext/plain109547https://red.uao.edu.co/bitstreams/2bd7d002-ab8f-42f9-9b9e-2cc07e8a10d0/downloadd8763d13aef7810aa7699c7434913c14MD57TA8837.pdf.txtTA8837.pdf.txtExtracted texttext/plain4159https://red.uao.edu.co/bitstreams/3bfec31a-0dd3-4dd7-acda-eee12efd361e/download0275431bea02a36310fa33fb53439d79MD59THUMBNAILT08837.pdf.jpgT08837.pdf.jpgGenerated Thumbnailimage/jpeg7441https://red.uao.edu.co/bitstreams/1ba03f2e-d066-4c0e-9b56-c6983653022f/download427acc4b79cfe508ad4935d3abffd97dMD58TA8837.pdf.jpgTA8837.pdf.jpgGenerated Thumbnailimage/jpeg13638https://red.uao.edu.co/bitstreams/1809f7bc-024a-48d9-ab7b-163f2f9497c3/download5db601407819044c06e3b8980f1d6823MD510CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://red.uao.edu.co/bitstreams/029a32f5-14b2-4012-b5e3-11d324dedabe/download4460e5956bc1d1639be9ae6146a50347MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81665https://red.uao.edu.co/bitstreams/7e02f2e0-aae9-4795-98a0-df47b7f26444/download20b5ba22b1117f71589c7318baa2c560MD54ORIGINALT08837.pdfT08837.pdfapplication/pdf5479969https://red.uao.edu.co/bitstreams/de9377d4-c559-49ee-a78a-06ac7270f56a/download87ef19c930192260d31e5c43dccac418MD55TA8837.pdfTA8837.pdfapplication/pdf329407https://red.uao.edu.co/bitstreams/3cb688b6-fca4-47c9-921d-84705e27c99c/downloadcb92858cc9506f736f02422cd34ccdc3MD5610614/11986oai:red.uao.edu.co:10614/119862024-03-08 10:04:33.205https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Universidad Autónoma de Occidenteopen.accesshttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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 |