A deep learning model for firearm detection in surveillance videos

Abstract

Este trabajo se centra en la detección de armas de fuego en perspectivas no canónicas en vídeos de vigilancia utilizando aprendizaje profundo con un enfoque en eficiencia computacional. En particular, se evalúa el rendimiento de YOLOv8, una arquitectura del estado del arte, usando la versión nano, su variante más eficiente. Adicionalmente, se enfatiza en la detección de armas cortas, un tipo de arma de fuego utilizada frecuentemente en la delincuencia. El problema de la detección de armas cortas se aborda aplicando dos metodologías centradas en la tarea de detección de objetos. La primera metodología consiste en entrenar un modelo de detección de armas que actúa directamente sobre imágenes de vídeos de cámaras de seguridad. La segunda metodología se inspira en la idea de que, debido al pequeño tamaño de un arma en el campo de visión de una cámara de seguridad, es beneficioso delimitar el área de detección en lugar de considerar toda la imagen. Así, se propone un enfoque consistente en una secuencia de dos modelos, el primero centrado en la detección de personas, que sirve de entrada a un segundo modelo especializado en la detección de armas cortas en individuos. Estas metodologías se han evaluado utilizando las métricas de puntuación F1, mAP50-95 y FPS. Los resultados obtenidos muestran que ambas metodologías, basadas en YOLOv8 nano, producen resultados competitivos. La primera metodología muestra un rendimiento ligeramente superior en la métrica mAP50-95, con un valor del 43,50%, frente al 42,26% de la segunda, lo que indica una robustez ligeramente superior a la hora de localizar con precisión las armas cortas en las imágenes. En cuanto a la puntuación F1, la segunda metodología supera ligeramente a la primera con un valor de 89,51% frente a un valor de 88,45%, lo que se origina debido a una reducción significativa de los falsos positivos, un aspecto crítico en el problema abordado. En términos de eficiencia, los enfoques han demostrado ser suficientemente eficaces para su uso en tiempo real, procesando 169 y 73 FPS, respectivamente. Estos resultados subrayan la viabilidad de YOLOv8 nano para su implementación en sistemas de vigilancia en tiempo real y dispositivos integrados con recursos limitados, donde la velocidad de procesamiento es un factor crucial.