Tracking and recognition of moving human silhouettes using reinforcement learning

Abstract

La detección de humanos en videos en vivo ha sido un campo bastante explorado debido a su amplia usabilidad en seguridad, automatización de actividades, asistentes de conducción, entre otras. Pero de igual manera es un tema bastante desafiante, ya que las imágenes siempre varían en diferentes aspectos como son la iluminación, color, calidad de imagen, también existe la variedad de poses, colores, tamaños y velocidades de las personas, esto hace que la detección sea una tarea complicada y que requiera mucho tiempo. Otros desafíos pueden ser el consumo de recursos informáticos, ya que procesar una gran cantidad de información puede saturar el sistema. El procesamiento de imágenes o de un video, los algoritmos de inteligencia artificial, entrenamientos y otros procesos necesarios para la correcta detección en la imagen, pueden ser una tarea exigente para nuestra máquina. En este proyecto de tesis, proponemos un detector de humanos capaz de operar en videos en vivo utilizando redes neuronales, basadas principalmente en el algoritmo de detección de objetos YOLO. El sistema propuesto usa redes neuronales convolucionales y optimiza técnicas innovadoras del algoritmo YOLO para que presente un resultado de reconocimiento humano bastante preciso pero al mismo tiempo una menor demanda en nuestra computadora, reduciendo así el consumo de recursos, reduciendo tiempo de procesamiento de imágenes y el tiempo de reconocimiento.