RT info:eu-repo/semantics/masterThesis
T1 Design, implementation and evaluation of automated surveillance systems
A1 Valdivieso López, David
K1 Automated surveillance
K1 Anomaly detection
K1 Deep Learning
K1 Ingeniería industrial
K1 Industrial engineering
AB El reconocimiento de patrones ha conseguido un nivel de complejidad que nos permite reconocer diferentetipo de eventos, incluso peligros, y actuar en concordancia para minimizar el impacto de una situacióncomplicada y abordarla de la mejor manera posible. Sin embargo, creemos que todavía se puede llegara alcanzar aplicaciones más eficientes con algoritmos más precisos. Nuestra aplicación quiere probara incluir el nuevo paradigma de la programación, las redes neuronales. Nuestra idea en principio fueexplorar la alternativa que las nuevas redes neuronales convolucionales aportaban, en donde se podíaver en vídeos de ejemplos la alta tasa de detección e identificación que, por ejemplo, YOLOv2 podríamostrar. Después de comparar las características, vimos que YOLOv3 ofrecía un buen balance entreprecisión y rapidez como comentaremos más adelante. Debido a la tasa de baja detecciones, haremosuso de los filtros de Kalman para ayudarnos a la hora de hacer reidentificación de personas y objetos.En este proyecto, haremos un estudio además de las alternativas de videovigilancia con las que cuentanempresas del sector y veremos que clase de productos ofrecen y, por otro lado, observaremos cuales sonlos trabajos de los grupos de investigadores de otras universidades que más similitudes tienen con nuestro objetivo. Dedicaremos, por lo tanto, el uso de esta red neuronal para detectar eventos como el abandono de mochilas y para mostrar la densidad de tránsito en localizaciones concretas, así como utilizaremos una metodología más tradicional, el flujo óptico, para detectar actuaciones anormales en una multitud.
YR 2018
FD 2018
LK http://hdl.handle.net/10017/37872
UL http://hdl.handle.net/10017/37872
LA eng
DS MINDS@UW
RD 06-dic-2023