Ítem
Acceso Abierto

Seguimiento y evaluación de personas en ambientes cerrados / abiertos

Mostrar el registro sencillo de la publicación
dc.contributor.advisorPerdomo Charry, Oscar Julián
dc.creatorCruz Angel, Bryan Santiago
dc.creator.degreeIngeniero Biomédicospa
dc.creator.degreetypeFull timespa
dc.date.accessioned2021-06-04T20:06:27Z
dc.date.available2021-06-04T20:06:27Z
dc.date.created2021-05-26
dc.descriptionActualmente, 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 hogares geriátricos, 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 Google Colaboratory usando el lenguaje de Python para la de detección, seguimiento y evaluación de actividad física de personas por medio de videovigilancia o vision por computadora, con un enfoque 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, es decir, cuando una persona se encuentra delante de otra y dificulta su visibilidad en el vídeo. 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.spa
dc.description.abstractCurrently, 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 geriatric homes, where patients with neurological conditions need more constant care 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 program in Google Collaboratory using the Python language for the detection, monitoring and evaluation of physical activity of people through video surveillance or computer vision, with a real-time approach 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, that 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.spa
dc.format.extent60spa
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_31580
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/31580
dc.language.isospaspa
dc.publisherUniversidad del Rosariospa
dc.publisher.departmentEscuela de Medicina y Ciencias de la Saludspa
dc.publisher.programIngeniería Biomédicaspa
dc.rightsAtribución-NoComercial-CompartirIgual 2.5 Colombia*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.source.bibliographicCitationA. Mercadé, «Los 8 tipos de inteligencia según Howard Gardner: la teoría de las inteligencias múltiples.,» 2019.spa
dc.source.bibliographicCitationI. Gonzales, «Armas que disparan solas: así funcionan las ametralladoras con inteligencia artificial,» El español, 29 12 2020.spa
dc.source.bibliographicCitationG. P. RAMIREZ, «LA INTELIGENCIA ARTIFICIAL Y SU INFLUENCIA EN LA EFICIENCIA DEL COMERCIO INTERNACIONAL,» Lima-Perú, 2020.spa
dc.source.bibliographicCitationI. Montenegro Trujillo, A. Hernandez, D. Chavarro, M. I. Velez, G. Tovar, A. M. Niño y A. Olaya, «MACROTENDENCIAS HACIA EL 2030: El mundo y América Latina,» Colciencias, nº 2, 2018.spa
dc.source.bibliographicCitation«Lee, KF. “La Inteligencia Artificial Y El Futuro Del Trabajo: Una Perspectiva China” Openmind. Artículo de investigación (2020)».spa
dc.source.bibliographicCitation«Sreenu, G., Saleem Durai, M.A. Intelligent video surveillance: a review through deep learning techniques for crowd analysis. J Big Data 6, 48 (2019).».spa
dc.source.bibliographicCitation«Ejercicio terapéutico,» ASEPEYO, 03 09 2018. [En línea]. Available: https://salud.asepeyo.es/profesionales/rehabilitacion/ejercicio-terapeutico/. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitation«S.Saranya, Dr. P. JesuJayarin “A Survey For Tracking And Monitoring The Alzheimer Patient” - IEEE Conference Publication. (2017)».spa
dc.source.bibliographicCitationY. S. Gutiérrez Pardo y A. M. Guerrero Carhuavilca, «Seguimiento del Paciente en Rehabilitación con Kinect 2.0,» UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS, Lima, 2019.spa
dc.source.bibliographicCitation«Inteligencia artificial,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Inteligencia_artificial. [Último acceso: 2021 04 11].spa
dc.source.bibliographicCitation«Las profesiones que podrían desaparecer por la Inteligencia Artificial,» El tiempo, 2 enero 2021.spa
dc.source.bibliographicCitationB. Martín, «Cómo crear inteligencia artificial que no exhiba prejuicios humanos,» BBVA Open Mind, 13 noviembre 2019. [En línea]. Available: https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/como-crear-inteligencia-artificial-que-no-exhiba-prejuicios-humanos/. [Último acceso: 16 marzo 2021].spa
dc.source.bibliographicCitationC. Saavedra y F. Izaurieta, «Redes Neuronales Artificiales,» Concepcion, Chile, 2000.spa
dc.source.bibliographicCitationJ. M. Fernandez Fernandez y R. Florez Lopez, Las redes neuronales artificiales, La Coreña, España: NetBiblo, 2008.spa
dc.source.bibliographicCitation«Wikipedia,» 16 febrero 2021. [En línea]. Available: https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico. [Último acceso: 16 marzo 2021].spa
dc.source.bibliographicCitation«Sobreajuste,» Wikipedia, 11 octubre 2020. [En línea]. Available: https://es.wikipedia.org/wiki/Sobreajuste. [Último acceso: 16 marzo 2021].spa
dc.source.bibliographicCitation«Aprendizaje profundo,» Wikipedia, 01 03 2021. [En línea]. Available: https://es.wikipedia.org/wiki/Aprendizaje_profundo. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitation«Te damos la bienvenida a Colaboratory,» Google, [En línea]. Available: https://colab.research.google.com/notebooks/intro.ipynb?hl=es. [Último acceso: 16 marzo 2021].spa
dc.source.bibliographicCitationGoogle, «TensorFlow,» [En línea]. Available: https://www.tensorflow.org/?hl=es-419. [Último acceso: 15 04 2021].spa
dc.source.bibliographicCitation«RFID,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/RFID. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitation«Bluetooth de baja energía,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Bluetooth_de_baja_energ%C3%ADa. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitation«NFC,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Near_field_communication. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitation«GPS,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/GPS. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitationF. S. Caparrini, «Entrenamiento de Redes Neuronales: mejorando el Gradiente Descendente,» Dpto. Ciencias de la Computación e Inteligencia Artificial, Universidad de Sevilla., [En línea]. Available: http://www.cs.us.es/~fsancho/?e=165. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitationK. O’Shea y R. Nash, «An Introduction to Convolutional Neural Networks,» arXiv, Gales, UK, 2015.spa
dc.source.bibliographicCitationS. Sharma y A. Athaiya, «ACTIVATION FUNCTIONS IN NEURAL,» International Journal of Engineering Applied Sciences and Technology, 2020.spa
dc.source.bibliographicCitationF. f. Li, J. Johnson y S. Yeung, «Lecture 4: Backpropagation and Neural Networks,» 13 04 2017. [En línea]. Available: http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture4.pdf. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitation«Red convolucional en PyTorch,» Cleverpy Machine Learning, 09 01 2018. [En línea]. Available: https://medium.com/@cleverpysolutions/red-convolucional-en-pytorch-c499ae8af6ca. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitation«Max-pooling / Pooling,» 2018. [En línea]. Available: https://computersciencewiki.org/index.php/Max-pooling_/_Pooling. [Último acceso: 24 05 2021].spa
dc.source.bibliographicCitationC.-W. Zhang, M.-Y. Yang y H.-J. Zeng, «Pedestrian detection based on improved LeNet-5 convolutional neural network,» Journal of Algorithms & Computational Technology, shaanxi, China, 2019.spa
dc.source.bibliographicCitationJ. Huang, V. Rathod, C. Sun , M. Zhu y S. Guadarrama, «Speed/accuracy trade-offs for modern convolutional object detector,» Actas de la Conferencia IEEE sobre visión artificial y reconocimiento de patrones, 2017.spa
dc.source.bibliographicCitationJ. U. T. G. A. S. T. Gevers, «Selective Search for Object Recognition,» Italia y Amsterdam, 2012.spa
dc.source.bibliographicCitationR. Gandhi, «R-CNN, Fast R-CNN, Faster R-CNN, YOLO — Object Detection Algorithms,» Towards Dara Science, [En línea]. Available: https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e. [Último acceso: 17 04 2021].spa
dc.source.bibliographicCitationR. Girshick, «Fast r-cnn. In Proceedings of the IEEE international conference on computer vision,» Microsoft Research, 2015.spa
dc.source.bibliographicCitationK. He, G. Gkioxari, P. Dollar y R. Girshick, «Mask R-CNN,» Facebook AI Research.spa
dc.source.bibliographicCitationA. Garcia Garcia, S. Oprea, S. Orts Escolano, J. Garcia Rodriguez y V. Villena Martinez, «A Review on Deep Learning Techniques Applied to Semantic Segmentation,» arXiv, 2017.spa
dc.source.bibliographicCitationX. Feng, Y. Jiang, X. Li, X. Yang y M. Du, «Computer vision algorithms and hardware implementations: A survey,» ELSEVIER, Shanghai, 2019.spa
dc.source.bibliographicCitationJ. Redmon, S. Divvala, R. Girshick y A. Farhadi, «You Only Look Once: Unified, Real-Time Object Detection,» 2015.spa
dc.source.bibliographicCitationA. Persson, «Non Max Suppression Explained and PyTorch Implementation,» Youtube, 07 10 2020. [En línea]. Available: https://www.youtube.com/watch?v=YDkjWEN8jNA. [Último acceso: 24 05 2021].spa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.reponamereponame:Repositorio Institucional EdocURspa
dc.subjectInteligencia Artificialspa
dc.subjectDeepSORTspa
dc.subjectYOLOv3spa
dc.subjectDeep learningspa
dc.subjectFisioterapiaspa
dc.subject.ddcCiencias médicas, Medicinaspa
dc.subject.keywordArtificial intelligencespa
dc.subject.keywordDeepSORTspa
dc.subject.keywordYOLOv3spa
dc.subject.keywordDeep learningspa
dc.subject.keywordPhysiotherapyspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembCiencias médicas - Innovaciones tecnológicasspa
dc.subject.lembRedes neuronales (computadores)spa
dc.subject.lembAprendizaje automático (inteligencia artificial)spa
dc.subject.lembDiseño en ingenieríaspa
dc.subject.lembDetectoresspa
dc.titleSeguimiento y evaluación de personas en ambientes cerrados / abiertosspa
dc.title.TranslatedTitleMonitoring and evaluation of people in closed / open environmentsspa
dc.typebachelorThesiseng
dc.type.documentTrabajo de gradospa
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTrabajo de gradospa
local.department.reportEscuela de Medicina y Ciencias de la Saludspa
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
CruzAngel-BryanSantiago-2021.pdf
Tamaño:
2.65 MB
Formato:
Adobe Portable Document Format
Descripción:
Artículo principal
Descargar
Colecciones
Pregrado en Ingeniería Biomédica