Design and Optimization of AI-Driven Image Processing Pipelines for Smart Cameras

• Autores: Churata Quispe, Rodolfo Eleazar, Vizarreta Huayapa, Brayan Junior
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/21571
• Enlace del recurso: https://hdl.handle.net/20.500.12773/21571
• Nivel de acceso: acceso abierto
• Materia: Procesamiento de imágenes impulsado por IA; Cámaras inteligentes; Modelos de aprendizaje profundo; Vigilancia del tráfico urbano; Seguridad residencial; https://purl.org/pe-repo/ocde/ford#2.02.01

Este artículo presenta un nuevo marco de diseño y optimización para un flujo de procesamiento de imágenes impulsado por inteligencia artificial (IA), dedicado a cámaras inteligentes, que supera los principales desafíos relacionados con la eficiencia computacional, el consumo de energía y la flexibilidad. El flujo de trabajo propuesto integra modelos de aprendizaje profundo de última generación, como YOLOv5 y Faster R-CNN, junto con técnicas de optimización, incluyendo la cuantización y poda de modelos. La arquitectura modular es flexible para la integración de nuevos algoritmos y tecnologías. Se realizó una validación exhaustiva en contextos de vigilancia del tráfico urbano y seguridad residencial en Arequipa, Perú, la cual muestra mejoras significativas en precisión, velocidad de procesamiento y eficiencia energética. El flujo desplegado alcanza, en promedio, un 92% de precisión, 89% de tasa de recuperación (recall) y una puntuación F1 del 90.5% en el dominio de monitoreo del tráfico urbano, mientras mejora la velocidad de procesamiento en un 40% y reduce el consumo de energía en un 35%. Para la detección de intrusiones en seguridad doméstica, logra una precisión del 88%, una tasa de falsos positivos (FPR) del 5% y una tasa de falsos negativos (FNR) del 7%. Debido a la naturaleza modular de este diseño, se reduce el tiempo de integración de nuevas funcionalidades en un 60%. Estos resultados evidencian la robustez y viabilidad del flujo de procesamiento, que puede ser implementado en entornos con recursos limitados, abriendo perspectivas para una mayor difusión e investigaciones futuras sobre cámaras inteligentes impulsadas por IA.