Seguimiento y evaluación de personas en ambientes cerrados / abiertos

Abstract

Es: Actualmente, en un mundo constantemente en evolución hemos evidenciado el impacto y crecimiento de la tecnología. Lo que se conoce como la revolución tecnológica ha llevado a la creación de sistemas de pago en línea, Inteligencia artificial (IA), BigData, el internet de las cosas, entre otros. Estas herramientas facilitan y optimizan procesos que normalmente generan más gastos económicos, ambientales y sociales, en especial el uso de tecnologías de IA presenta un gran desempeño en la detección de objetos por medio de imágenes, cuando se trata de seguimiento de personas, la norma general dicta que debe realizarse de forma manual, en donde un trabajador sea el encargado de llevar un control de las cámaras de vigilancia, mediante las cuales se puede identificar un sujeto, su posición, y su estado físico, este control es efectivo pero tedioso, en el enfoque de este trabajo dirigido se busca automatizar dicha labor especialmente en centros de salud o ancianatos, donde pacientes con condiciones neurológicas necesitan atención o monitoreo más constante, apoyado en el algoritmo de Detección de objetos YOLO en su versión 3 y en el algoritmo DeepSORT para el seguimiento de personas, se plantea generar un programa en Python de detección y evaluación de actividad física de personas en tiempo real con base en diversas técnicas de IA.

Estos algoritmos tienen diversos usos y ventajas, algunos ejemplos van desde el seguimiento del balón en partidos de futbol o baloncesto hasta la detección de automóviles para sistemas de conducción automática, entre las ventajas que ofrece es que es una tecnología no invasiva, de bajo costo y alta eficiencia, por otra parte, presenta algunas dificultades relacionadas con efectos como la oclusión, que es cuando una persona se encuentra delante de otra y dificulta su visibilidad en el video. La gran cantidad de personas puede ser otro limitante, ya que por lo general se requiere de gran capacidad computacional para detectar cada objeto, esto de forma intrínseca nos afecta el rendimiento en tiempo real, limitando el número de fotogramas que se pueden procesar cada segundo.

En: Currently, in a constantly evolving world, we have witnessed the impact and growth of technology. What is known as the technological revolution has led to the creation of online payment systems, Artificial Intelligence (AI), BigData, the internet of things, among others. These tools facilitate and optimize processes that normally generate more economic, environmental and social expenses, especially the use of AI technologies presents a great performance in the detection of objects through images, when it comes to tracking people, the general norm dictates that it must be carried out manually, where a worker is in charge of keeping a control of the surveillance cameras, through which a subject can be identified, their position, and their physical condition, this control is effective but tedious, in The focus of this directed work seeks to automate this work, especially in health centers or nursing homes, where patients with neurological conditions need more constant attention or monitoring, supported by the YOLO Object Detection algorithm in version 3 and the DeepSORT algorithm for the follow-up of people, it is proposed to generate a Python program for the detection and evaluation of physical activity of people in t real time based on various AI techniques.

These algorithms have various uses and advantages, some examples range from tracking the ball in football or basketball matches to detecting cars for automatic driving systems, among the advantages it offers is that it is a non-invasive, low-cost technology and High efficiency, on the other hand, presents some difficulties related to effects such as occlusion, which is when one person is in front of another and makes it difficult to see them in the video. The large number of people can be another limitation, since in general a great computational capacity is required to detect each object, this intrinsically affects our performance in real time, limiting the number of frames that can be processed each second.