Ítem
Acceso Abierto
Evaluación de modelos de visión por computador en video para la detección de la pose humana y caída
Título de la revista
Autores
Calvache Briceño, Daniela Andrea
Archivos
Fecha
2020-05-22
Directores
Perdomo Charry, Oscar Julián
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Buscar en:
Métricas alternativas
Resumen
La detección de pose del ser humano se define como la localización de las articulaciones de una persona o de una multitud dada una imagen o un video. Actualmente, la detección de postura es ampliamente utilizada por sistemas de detección de caídas para el monitoreo de pacientes en ambientes hospitalarios. Sin embargo, no es una tarea sencilla, debido a que requiere de personal que evalúe manualmente la posición de las personas, o utilizando equipos especializados como: dispositivos e-health (relojes, bandas, manillas), marcadores y/o cámaras especializadas y de alto costo para controlar un escenario limitado. Por ende, en este trabajo de tesis se propone la evaluación del desempeño de los modelos de visión por computador utilizados con videos capturados con diferentes dispositivos para la implementación de un sistema de detección de pose y caídas de bajo costo y adaptable a diferentes escenarios. Como resultado se obtuvo un sistema preciso que no requiere del uso de sensores y cuyos métodos disminuyen el tiempo de detección de pose y caídas.
Abstract
Human pose estimation is defined as the joints localization of a person or a group of people in an image or a video. Nowadays, pose estimation es commonly used by detection systems to monitor patients in hospital environments. However, is not an easy task because of the need of specialized personnel to manually evaluate the human posture, or using special equipment like: e-health devices(watches, strips, handles), markers or high cost cameras to control a limited space. In that order, this study proposed a performance evaluation of computer vision models used with videos captured with 3 different devices to develop a low cost pose and fall estimation system which is adaptable to different scenarios. As a result it was obtained a precise system that does not need the use of sensors or a high cost set of cameras, and which methods decrease the pose and fall detection time.
Palabras clave
Aprendizaje profundo , Detección de caídas , Estimación de pose , Inteligencia artificial , Modelos de visión por computador
Keywords
Artificial intelligence , Deep learning , Computer vision models , Pose estimation , Fall detection
