Reconocimiento de eventos anómalos en videos obtenidos de cámaras de vigilancia, usando redes convolucionales

Show simple item record

dc.contributor.advisor Gutiérrez Cáceres, Juan Carlos
dc.contributor.author Machaca Arcana, Luigy Alex
dc.date.accessioned 2020-02-20T20:18:40Z
dc.date.available 2020-02-20T20:18:40Z
dc.date.issued 2019
dc.identifier.uri http://repositorio.unsa.edu.pe/handle/UNSA/10849
dc.description.abstract El campo de reconocimiento de movimiento y acciones sobre vídeo vigilancia es un campo activo de computer vision(CV), hasta el momento ha recibido una especial atención debido a sus numerosas áreas de aplicación. De todas las técnicas aplicables a este campo, los modelos basados en deep learning se han revelado como un método capaz de afrontar la incertidumbre asociada a las acciones humanas. Algoritmos rápidos, precisos en la detección de objetos permiten a las compu- tadoras: conducir automóviles sin sensores especializados, permiten que los dispo- sitivos de teleasistencia, transmitir información de las escenas en tiempo real a los usuarios. Los sistemas de detección actuales han redefinido su propósito al momento de realizar una detección de una imagen. Técnicas como You Only Look Once (YOLO), Region proposals+CNN (R- CNN), Single Shot Detector (SSD), entre otras. Nos presentan un nuevo enfoque de detección de objetos en una imagen. Razón por la cual describiremos y usaremos algoritmos basados en redes convolucionales que pueden detectar a las personas en la escena y analizar diferentes acciones además de sus patrones de movimiento, todo esto en tiempo real. La motivación para este trabajo es crear un sistema capaz de detectar eventos anómalos en vídeos de vigilancia, sin la necesidad de asistencia o intervención humana para la detección de dichos actos. En esta tesis, pondremos en contexto los principales tipos de modelos basados en deep learning, en al ámbito de detección de objetos y reconocimiento de acciones humanas, examinando sus ventajas y desventajas frente a las técnicas tradicionales y modelos actuales es_PE
dc.description.uri Tesis es_PE
dc.format application/pdf es_PE
dc.language.iso spa es_PE
dc.publisher Universidad Nacional de San Agustín de Arequipa es_PE
dc.rights info:eu-repo/semantics/openAccess es_PE
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0/ es_PE
dc.source Universidad Nacional de San Agustín de Arequipa es_PE
dc.source Repositorio Institucional - UNSA es_PE
dc.subject Computer vision es_PE
dc.subject deep learning es_PE
dc.subject detección de objetos es_PE
dc.subject vídeo vigilancia es_PE
dc.title Reconocimiento de eventos anómalos en videos obtenidos de cámaras de vigilancia, usando redes convolucionales es_PE
dc.type info:eu-repo/semantics/bachelorThesis es_PE
thesis.degree.name Licenciado en Ciencia de la Computación es_PE
thesis.degree.grantor Universidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de Producción y Servicios es_PE
thesis.degree.level Titulo Profesional es_PE
thesis.degree.discipline Ciencia de la Computación es_PE
dc.subject.ocde Otras ingenierías y tecnologías es_PE


Files in this item

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess

Información

Search DSpace


Browse

My Account

Statistics