Diseño de un sistema de reconocimiento de imágenes mediante Redes Neuronales Convolucionales para la detección de armas de fuego e identificación de rostros en el monitoreo en tiempo real de cámaras del distrito de San Juan de Lurigancho

• Autores: Alvarado Miranda, Miguel Angel, Cruz Olivera, Robert Frey
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/685829
• Enlace del recurso: http://hdl.handle.net/10757/685829
• Nivel de acceso: acceso abierto
• Materia: https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#2.00.00; Reconocimiento de imágenes; detección de armas de fuego; identificación facial; CNN; YOLOv8; InsightFace; SCRDF; ArcFace-R100; videovigilancia

El presente trabajo de investigación tiene como finalidad diseñar un sistema de reconocimiento de imágenes orientado a la detección automática de pistolas y la identificación facial de personas involucradas en actos delictivos, mediante redes neuronales convolucionales como YOLOv8, modelo especializado en detección de objetos en tiempo real, e InsightFace, en su versión SCRFD con ArcFace-R100, orientado al reconocimiento facial de alta precisión. El estudio se desarrolla en el distrito de San Juan de Lurigancho, zona con mayor índice delictivo en Lima Metropolitana, donde se evidencia limitada capacidad para el monitoreo de múltiples cámaras de videovigilancia; además, la necesidad de que los operadores busquen visualmente eventos alternando entre videopantallas y la baja efectividad en la identificación de pistolas y rostros. Estas condiciones generan baja tasa de identificación de delincuentes, así como sobrecarga cognitiva sostenida en el personal. Además, el procesamiento tardío de imágenes retrasa la respuesta ante situaciones críticas, limitando la efectividad general del sistema. En respuesta, la investigación plantea un árbol de objetivos destinado a mitigar los problemas identificados. Entre las acciones propuestas, se contempla la generación de alertas automáticas en el monitor cuando el sistema detecte una pistola con probabilidad mínima del 70 %, lo que permitirá activar notificaciones que adviertan al operador sobre un posible evento. También se establecen criterios de precisión para la identificación de armas y rostros, evaluados mediante la fórmula de exactitud, con valor mínimo de referencia del 57 %. Finalmente, los modelos deberán procesar imágenes en un máximo de 16 segundos, para asegurar una notificación eficaz.