Modelo de visión artificial basado en Deep Learning, para detectar actividades delictivas con pistola dentro de Lima Metropolitana

• Autores: Casanova Infantes, Raul Andres, Bazán Ardiles, Diego André
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/683153
• Enlace del recurso: http://hdl.handle.net/10757/683153
• Nivel de acceso: acceso abierto
• Materia: Deep Learning; Redes Neuronales Convolucionales; Sistema de Videovigilancia; Convolutional Neural Networks; Video Surveillance System; Yolo; https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#1.00.00

La investigación ha demostrado la ineficacia de los operadores de videovigilancia para detectar delitos a través de las cámaras de seguridad, lo que supone un reto debido a sus limitaciones físicas. Por otro lado, se ha demostrado que la visión por ordenador, aunque prometedora, se enfrenta a dificultades en la detección de delitos en tiempo real debido a la gran cantidad de datos necesarios para construir modelos fiables. Este estudio presenta tres innovaciones clave: un conjunto de datos de armas extraído del juego Grand Theft Auto V, un modelo de visión por ordenador entrenado con estos datos y una aplicación de videovigilancia que emplea el modelo para la detección automática de delitos con armas. El principal reto consistía en recopilar imágenes que representaran diversos escenarios y ángulos para reforzar el modelo de visión por ordenador. Se utilizó el editor de vídeo del juego Grand Theft Auto V para obtener las imágenes necesarias. Estas imágenes se utilizaron para entrenar el modelo, que se implementó en una aplicación de escritorio. Los resultados fueron muy prometedores, ya que el modelo demostró una gran precisión en la detección de delitos con armas de fuego en tiempo real. La aplicación de videovigilancia basada en este modelo fue capaz de identificar y alertar automáticamente sobre situaciones delictivas en las cámaras de seguridad.