Detección digital de actitudes sospechosas mediante el reconocimiento de gestos y patrones usando algoritmos de aprendizaje asistido

Abstract

La visión computacional se ha convertido en una tecnología que correctamente aplicada, puede ayudar a detectar actitudes sospechosas en entornos de vigilancia cubiertos por cámaras de video. El presente estudio aplicado, se enfoca en la revisión de los diferentes algoritmos de reconocimiento digital que han tomado relevancia en los últimos años; de tal forma que, puedan ser utilizados como parte del sistema de reconocimiento de actitudes sospechosas propuesto. El uso de algoritmos de aprendizaje asistido, junto con el reconocimiento de patrones se convierten en el eje central del desarrollo de este proyecto, ya que con la utilización de los algoritmos de extracción de características LBPH y HoG, se ha logrado integrar en la solución, una mezcla de clasificadores pre-entrenados (Clasificador Haar en Cascada), ofrecidos por OpenCV para la detección de personas y uno propio que se ha entrenado con una gran cantidad de imágenes que sugieran gestos y elementos de sospecha en las personas, tales como: estados de ansiedad, interacciones entre las manos y alguna parte de la cabeza (frotación de la nariz, alisado del cabello, entre otros), el uso gorras, capuchas y cascos de motocicleta para tratar de ocultar el rostro. Adicionalmente, este clasificador se apoya en un módulo de análisis de desplazamiento, que tiene en cuenta sus posiciones dentro de las zonas monitoreadas y la velocidad de sus desplazamientos (estático, caminando o corriendo) dentro de la misma. Con la combinación de estas técnicas, se ha logrado diseñar y construir un sistema que permite sugerir una actitud sospechosa con un grado de eficiencia de hasta el 82.87%.