Sistemas de visión y localización aplicados a la seguridad física para una respuesta eficiente

• Autores: José Luis Salazar González
• Directores de la Tesis: Juan Antonio Álvarez García (dir. tes.) , Luis Miguel Soria Morillo (dir. tes.)
• Lectura: En la Universidad de Sevilla ( España ) en 2023
• Idioma: español
• Número de páginas: 183
• Enlaces
  • Tesis en acceso abierto en: Idus
• Resumen

  • En esta tesis se presenta una arquitectura software basada en Inteligencia Artificial (IA) para la detección temprana de amenazas en edificios a través de sistemas de Circuito Cerrado de Televisión (CCTV). Esta arquitectura permite detectar un peligro de forma visual y notificar al personal de seguridad inmediatamente sobre la zona afectada y la localización de las personas cercanas a ella. De este modo, se pueden enviar notificaciones automáticas a ´estas con instrucciones para evacuar el edificio de forma segura y ordenada.

    Para ello, se ha realizado un estudio exhaustivo sobre la detección de armas de fuego mediante el Aprendizaje Profundo, comprobando que el rendimiento predictivo de los métodos presentes en el estado del arte no es suficiente para un escenario real con cámaras CCTV. Con este fin, se recopiló un nuevo conjunto de datos mediante un simulacro que se realizó en la Escuela Técnica Superior de Ingeniería Informática de la Universidad de Sevilla. Este conjunto de datos se hizo público durante la elaboración de esta tesis y es considerado uno de los conjuntos de datos más complejos en detección de armas de fuego por otros estudios [1]. Esto se debe a las oclusiones, objetos similares y otros factores presentes en un entorno real. De igual modo, se examinó la importancia del tamaño de los objetos mostrados en los conjuntos de datos y se logró mejorar el estado del arte en la detección de armas de fuego. Para lograrlo, se propuso un entrenamiento de dos pasos que utiliza el conjunto de datos mencionado anteriormente y otro nuevo conjunto de datos generado sintéticamente que aumenta la aparición de objetos pequeños y oclusiones. El estudio llevado a cabo en este trabajo fue publicado en la revista Neural networks, en diciembre de 2020, con el título de “Real-time gun detection in CCTV: An open problem” [2], alcanzando más de cuarenta citas en 2023.

    A continuación, se estudiaron otras técnicas de aprendizaje automático, lo cual ocasionó el diseño y presentación de una nueva metodología de aprendizaje semi-supervisado. Esta nueva metodología se fundamenta en un entrenamiento cooperativo condicionado, con el objetivo de mejorar los sistemas actuales de detección de armas de fuego, a través del aprendizaje semi-supervisado de un gran conjunto de datos no-etiquetados recolectados de Instagram con casi medio millón de imágenes. De este modo, se logró superar aprendizajes tradicionales supervisados y arquitecturas del estado del arte en aprendizaje semi-supervisado y auto-supervisado.

    Asimismo, se han estudiado diversas técnicas relacionadas con la localización en interiores, un problema ya bien conocido. En este contexto, se han implementado técnicas innovadoras que mejoran la puesta en producción de estos sistemas, evitando que reduzcan significativamente la batería de los dispositivos del usuario y manteniendo una precisión equilibrada. Se investigó y desarrolló una localización basada en huellas WiFi mediante técnicas de inteligencia artificial para ello. Se generó un nuevo conjunto de datos de la Escuela Técnica Superior de Ingeniería Informática de la Universidad de Sevilla, con más de siete mil huellas WiFi obtenidas en diferentes trayectos por el edificio de dicha escuela. El estudio y conjunto de datos obtenido con este trabajo fue publicado en la revista IEEE Access, en noviembre de 2019, con el título “Energy-Efficient Indoor Localization WiFi-Fingerprint System: An Experimental Study” [3], alcanzando más de quince citas en 2023.

    Se han integrado tanto la detección de armas de fuego como la localización en interiores en un sistema general para identificar un peligro de forma precisa en cámaras de vigilancia y localizar de forma energéticamente eficiente a los usuarios del edificio. De este modo, se presenta un sistema general que procesa en tiempo real las alertas de peligro, generadas por el subsistema de identificación en cámaras de seguridad, y localiza a las posibles víctimas del ataque, mediante el subsistema de localización, para evacuar de manera segura antes de que suceda algún tipo de daño.

    Se pretende mejorar el tiempo de respuesta por parte del personal de seguridad con este sistema general, ya que permite monitorizar múltiples cámaras de seguridad al mismo tiempo y alertar de forma sonora y visual cuando se muestre un arma en una de estas cámaras. Asimismo, al surgir una fuente de peligro, el personal de seguridad podrá observar en tiempo real la ubicación de las víctimas del ataque y confirmar el envío personalizado de rutas, así como notificar, en un futuro, a efectivos para neutralizar la amenaza.