Por favor, use este identificador para citar o enlazar este ítem: http://dspace.utpl.edu.ec/handle/20.500.11962/29512
Título : Detección de personas armadas en áreas públicas
Autor : Barba Guamán, Luis Rodrigo
Ortiz Ramon, Anthony Jersson
Palabras clave : Ecuador.
Tesis digital.
Fecha de publicación : 2022
Citación : Ortiz Ramon, A. J. Barba Guamán, L. R. (2022) Detección de personas armadas en áreas públicas [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/20.500.11962/29512
Resumen : Abstract:With only 9% of the world's population, Latin America has one of the highest rates of violence in the world, generating insecurity, crime, robberies, increased weapons, and homicides. The phenomena generated by the possession of firearms are also linked to homicide cases in Ecuador, for 2010 to 2015 with a 70% presence in all period s firearms were the main objects used in these cases. In this degree project we work with object detection to create a system that can detect various types of weapons in public spaces such as stores, ATMs, streets, among others. For the creation of the system, the PyTorch API and TensorFlow were used; subsequently, 5 neural networks were trained and evaluated with the same libraries. The final results executed by the systems showed that YoloV3 with a 0.81% accuracy in detections is the most promising model to be implemented in real video security systems.
Descripción : Resumen: Con solo el 9% de la población mundial, América Latina tiene uno de los mayores índices de violencia del mundo generando inseguridad, delincuencia, robos, aumento de armas y homicidios. Los fenómenos generados por la posesión de armas de fuego también están vinculados con los casos de homicidios en Ecuador, para el 2010 a 2015 con un 70% de presencia en todos los periodos las armas de fuego fueron los principales objetos que se usaron en estos casos. En este proyecto de titulación se trabaja con detección de objetos para crear un sistema que se ha capaz de detectar varios tipos de armas en espacios públicos como tiendas, cajeros automáticos, calles, entre otros. Para la creación del sistema se utilizó la API de PyTorch y TensorFlow; posteriormente con las mismas librerías se entrenó y evaluó 5 redes neuronales. Los resultados finales ejecutados por los sistemas mostraron que YoloV3 con un 0,81% de precisión en las detecciones es el modelo más prometedor para ser implementado en sistemas reales de video seguridad.
URI : https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=128382.TITN.
Aparece en las colecciones: Ingeniero en Informática

Ficheros en este ítem:


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.