Análisis y seguimiento de personas en videos en tiempo real

Autores
Hrubik, Mirko; Sassoni, Gonzalo
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
D'amato, Juan Pablo
Balmaceda, Jose Marıa
Descripción
El objetivo de este trabajo es analizar las distintas técnicas existentes para realizar detección y seguimiento de personas sobre videos de cámaras de seguridad haciendo uso de técnicas de aprendizaje máquina. Además se busca que esta tarea pueda ser llevada a cabo en tiempo real en sistemas con hardware de bajo costo. Con la intención de cumplir con los objetivos planteados, se estudiaron los trabajos relacionados al respecto y se analizaron las t´ecnicas que cada uno implementa. De esta manera se seleccionaron aquellas que provean resultados aceptables cuyo tiempo computacional no sea elevado. También se tuvieron en cuenta técnicas que permiten ejecutar parte de la herramienta en las placas acelerados gráficas para aumentar el rendimiento de la misma. La herramienta se encuentra dividida en dos módulos. El primero utiliza técnicas de aprendizaje máquina para determinar si dada una imagen, una persona se encuentra o no en ella. Para ello se debe realizar una etapa de entrenamiento del algoritmo a partir de un dataset de imágenes las cuales contienen personas y otro conjunto las cuales no las contiene. El segundo módulo toma como base el modelo clasificador generado por el primero y realiza las detecciones sobre el vídeo de interés. A las personas que detecta el algoritmo se les inicializa seguimiento. Para las experimentaciones se utilizaron distintos fragmentos de video tomados de una cámara de seguridad correspondientes a distintos momentos del dia. Además se generaron resultados con otra herramienta la cual utiliza otras t´ecnicas de aprendizaje, a modo de comparativa. La tasa de detecciones obtenida fue aceptable, si bien hay casos donde la herramienta falla debido a detecciones falsas. Se mejor´o mucho la detecci´on al aplicar un re-entrenamiento del modelo clasificador con imágenes especıficas del video. Por último, si bien el enfoque propuesto funciona a la velocidad esperada y con detecciones aceptables, la tarea de entrenar el modelo con detecciones del video a analizar debe ser llevada a cabo para cada escenario distinto sobre el que quiera ser ejecutada la herramienta.
Fil: Hrubik, Mirko. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Sassoni, Gonzalo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: D'amato, Juan Pablo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Balmaceda, Jose Marıa. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Videos
Cámaras de seguridad
Dataset de imágenes
Ingeniería de sistemas
Tiempo real
Técnicas de aprendizaje
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/2060

id RIDUNICEN_6cbe2b7ca915242460e4794dcecdcd12
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/2060
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Análisis y seguimiento de personas en videos en tiempo realHrubik, MirkoSassoni, GonzaloVideosCámaras de seguridadDataset de imágenesIngeniería de sistemasTiempo realTécnicas de aprendizajeEl objetivo de este trabajo es analizar las distintas técnicas existentes para realizar detección y seguimiento de personas sobre videos de cámaras de seguridad haciendo uso de técnicas de aprendizaje máquina. Además se busca que esta tarea pueda ser llevada a cabo en tiempo real en sistemas con hardware de bajo costo. Con la intención de cumplir con los objetivos planteados, se estudiaron los trabajos relacionados al respecto y se analizaron las t´ecnicas que cada uno implementa. De esta manera se seleccionaron aquellas que provean resultados aceptables cuyo tiempo computacional no sea elevado. También se tuvieron en cuenta técnicas que permiten ejecutar parte de la herramienta en las placas acelerados gráficas para aumentar el rendimiento de la misma. La herramienta se encuentra dividida en dos módulos. El primero utiliza técnicas de aprendizaje máquina para determinar si dada una imagen, una persona se encuentra o no en ella. Para ello se debe realizar una etapa de entrenamiento del algoritmo a partir de un dataset de imágenes las cuales contienen personas y otro conjunto las cuales no las contiene. El segundo módulo toma como base el modelo clasificador generado por el primero y realiza las detecciones sobre el vídeo de interés. A las personas que detecta el algoritmo se les inicializa seguimiento. Para las experimentaciones se utilizaron distintos fragmentos de video tomados de una cámara de seguridad correspondientes a distintos momentos del dia. Además se generaron resultados con otra herramienta la cual utiliza otras t´ecnicas de aprendizaje, a modo de comparativa. La tasa de detecciones obtenida fue aceptable, si bien hay casos donde la herramienta falla debido a detecciones falsas. Se mejor´o mucho la detecci´on al aplicar un re-entrenamiento del modelo clasificador con imágenes especıficas del video. Por último, si bien el enfoque propuesto funciona a la velocidad esperada y con detecciones aceptables, la tarea de entrenar el modelo con detecciones del video a analizar debe ser llevada a cabo para cada escenario distinto sobre el que quiera ser ejecutada la herramienta.Fil: Hrubik, Mirko. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Sassoni, Gonzalo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: D'amato, Juan Pablo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Balmaceda, Jose Marıa. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasD'amato, Juan PabloBalmaceda, Jose Marıa2018-06-262019-08-13T14:32:56Z2019-08-13T14:32:56Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttps://www.ridaa.unicen.edu.ar/handle/123456789/2060spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-29T13:41:11Zoai:ridaa.unicen.edu.ar:123456789/2060instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 13:41:11.466RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Análisis y seguimiento de personas en videos en tiempo real
title Análisis y seguimiento de personas en videos en tiempo real
spellingShingle Análisis y seguimiento de personas en videos en tiempo real
Hrubik, Mirko
Videos
Cámaras de seguridad
Dataset de imágenes
Ingeniería de sistemas
Tiempo real
Técnicas de aprendizaje
title_short Análisis y seguimiento de personas en videos en tiempo real
title_full Análisis y seguimiento de personas en videos en tiempo real
title_fullStr Análisis y seguimiento de personas en videos en tiempo real
title_full_unstemmed Análisis y seguimiento de personas en videos en tiempo real
title_sort Análisis y seguimiento de personas en videos en tiempo real
dc.creator.none.fl_str_mv Hrubik, Mirko
Sassoni, Gonzalo
author Hrubik, Mirko
author_facet Hrubik, Mirko
Sassoni, Gonzalo
author_role author
author2 Sassoni, Gonzalo
author2_role author
dc.contributor.none.fl_str_mv D'amato, Juan Pablo
Balmaceda, Jose Marıa
dc.subject.none.fl_str_mv Videos
Cámaras de seguridad
Dataset de imágenes
Ingeniería de sistemas
Tiempo real
Técnicas de aprendizaje
topic Videos
Cámaras de seguridad
Dataset de imágenes
Ingeniería de sistemas
Tiempo real
Técnicas de aprendizaje
dc.description.none.fl_txt_mv El objetivo de este trabajo es analizar las distintas técnicas existentes para realizar detección y seguimiento de personas sobre videos de cámaras de seguridad haciendo uso de técnicas de aprendizaje máquina. Además se busca que esta tarea pueda ser llevada a cabo en tiempo real en sistemas con hardware de bajo costo. Con la intención de cumplir con los objetivos planteados, se estudiaron los trabajos relacionados al respecto y se analizaron las t´ecnicas que cada uno implementa. De esta manera se seleccionaron aquellas que provean resultados aceptables cuyo tiempo computacional no sea elevado. También se tuvieron en cuenta técnicas que permiten ejecutar parte de la herramienta en las placas acelerados gráficas para aumentar el rendimiento de la misma. La herramienta se encuentra dividida en dos módulos. El primero utiliza técnicas de aprendizaje máquina para determinar si dada una imagen, una persona se encuentra o no en ella. Para ello se debe realizar una etapa de entrenamiento del algoritmo a partir de un dataset de imágenes las cuales contienen personas y otro conjunto las cuales no las contiene. El segundo módulo toma como base el modelo clasificador generado por el primero y realiza las detecciones sobre el vídeo de interés. A las personas que detecta el algoritmo se les inicializa seguimiento. Para las experimentaciones se utilizaron distintos fragmentos de video tomados de una cámara de seguridad correspondientes a distintos momentos del dia. Además se generaron resultados con otra herramienta la cual utiliza otras t´ecnicas de aprendizaje, a modo de comparativa. La tasa de detecciones obtenida fue aceptable, si bien hay casos donde la herramienta falla debido a detecciones falsas. Se mejor´o mucho la detecci´on al aplicar un re-entrenamiento del modelo clasificador con imágenes especıficas del video. Por último, si bien el enfoque propuesto funciona a la velocidad esperada y con detecciones aceptables, la tarea de entrenar el modelo con detecciones del video a analizar debe ser llevada a cabo para cada escenario distinto sobre el que quiera ser ejecutada la herramienta.
Fil: Hrubik, Mirko. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Sassoni, Gonzalo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: D'amato, Juan Pablo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Balmaceda, Jose Marıa. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description El objetivo de este trabajo es analizar las distintas técnicas existentes para realizar detección y seguimiento de personas sobre videos de cámaras de seguridad haciendo uso de técnicas de aprendizaje máquina. Además se busca que esta tarea pueda ser llevada a cabo en tiempo real en sistemas con hardware de bajo costo. Con la intención de cumplir con los objetivos planteados, se estudiaron los trabajos relacionados al respecto y se analizaron las t´ecnicas que cada uno implementa. De esta manera se seleccionaron aquellas que provean resultados aceptables cuyo tiempo computacional no sea elevado. También se tuvieron en cuenta técnicas que permiten ejecutar parte de la herramienta en las placas acelerados gráficas para aumentar el rendimiento de la misma. La herramienta se encuentra dividida en dos módulos. El primero utiliza técnicas de aprendizaje máquina para determinar si dada una imagen, una persona se encuentra o no en ella. Para ello se debe realizar una etapa de entrenamiento del algoritmo a partir de un dataset de imágenes las cuales contienen personas y otro conjunto las cuales no las contiene. El segundo módulo toma como base el modelo clasificador generado por el primero y realiza las detecciones sobre el vídeo de interés. A las personas que detecta el algoritmo se les inicializa seguimiento. Para las experimentaciones se utilizaron distintos fragmentos de video tomados de una cámara de seguridad correspondientes a distintos momentos del dia. Además se generaron resultados con otra herramienta la cual utiliza otras t´ecnicas de aprendizaje, a modo de comparativa. La tasa de detecciones obtenida fue aceptable, si bien hay casos donde la herramienta falla debido a detecciones falsas. Se mejor´o mucho la detecci´on al aplicar un re-entrenamiento del modelo clasificador con imágenes especıficas del video. Por último, si bien el enfoque propuesto funciona a la velocidad esperada y con detecciones aceptables, la tarea de entrenar el modelo con detecciones del video a analizar debe ser llevada a cabo para cada escenario distinto sobre el que quiera ser ejecutada la herramienta.
publishDate 2018
dc.date.none.fl_str_mv 2018-06-26
2019-08-13T14:32:56Z
2019-08-13T14:32:56Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://www.ridaa.unicen.edu.ar/handle/123456789/2060
url https://www.ridaa.unicen.edu.ar/handle/123456789/2060
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1844619018014556160
score 12.559606