Detección de armas ocultas en personas mediante imágenes térmicas y técnicas de aprendizaje automático

• Autor: Chicoma Quintana, Vicente Francisco
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/17118
• Enlace del recurso: https://hdl.handle.net/20.500.12802/17118
• Nivel de acceso: acceso abierto
• Materia: Imágenes térmicas; Detección de armas ocultas; Aprendizaje automático; Visión por computador; YOLO; https://purl.org/pe-repo/ocde/ford#2.02.04

La detección de armas de fuego ocultas en personas constituye un desafío relevante para la seguridad en espacios públicos, debido a la necesidad de emplear métodos no invasivos que respeten la privacidad y permitan una identificación temprana de amenazas. En este contexto, las imágenes térmicas, combinadas con técnicas de aprendizaje automático, representan una alternativa prometedora para abordar esta problemática. El objetivo de esta investigación fue desarrollar y evaluar un sistema de detección de armas ocultas en personas mediante imágenes térmicas y modelos de aprendizaje profundo. La metodología empleada incluyó la organización y el preprocesamiento de un dataset de imágenes térmicas de personas con y sin armas de fuego, seguido del entrenamiento y evaluación de dos arquitecturas de detección de objetos: YOLOv8 y YOLO11. El desempeño de los modelos fue evaluado mediante métricas estándar, tales como precisión, recall, F1 score y mAP, además del análisis del consumo de recursos computacionales durante el entrenamiento. Los resultados obtenidos evidencian un alto desempeño en ambos modelos, alcanzando valores de precisión superiores al 99% y mAP@50 cercanos a 0.995. YOLOv8 mostró un desempeño ligeramente superior en mAP@50–95, mientras que YOLO11 presentó una leve mejora en eficiencia computacional. Estos resultados confirman la efectividad del uso de aprendizaje profundo aplicado a imágenes térmicas para la detección de armas ocultas. En conclusión, el sistema desarrollado demuestra ser una solución viable, precisa y no invasiva, con potencial aplicación en entornos de vigilancia y seguridad, contribuyendo al fortalecimiento de la prevención de riesgos en espacios públicos.