Uso del lenguaje corporal y visión artificial como estrategia de prevención mediante la emisión de alertas ante posibles casos de delincuencia en la Universidad de las Fuerzas Armadas ESPE

La problemática en la violencia y delincuencia dentro del territorio ecuatoriano ha afectado a la seguridad física de los ciudadanos, generando una necesidad de soluciones tecnológicas. En base a esta urgencia, se propone una solución integral con un sistema de alertas basado en visión artificial y algoritmos avanzados de detección, que busca lograr la detección en tiempo real de posturas humanas sospechosas, dentro de la Universidad de las Fuerzas Armadas ESPE. Este sistema se basado en el uso de Visión Artificial y respaldado por principios de psicología criminalística, el cual tiene como objetivo la detección efectiva de posturas que permitan identificar personas sospechosas. El desarrollo de este sistema parte de la recopilación de datos obtenidos de 2400 imágenes tomadas a través de un programa de autoría propia, utilizando Python se captura la postura de una persona mediante una cámara, mediante la psicología criminal se determinó tres posturas sospechosas que son: cruzada, inclinada y manos en la cabeza. Con la ayuda de Mediapipe se genera keypoints para clasificar las respectivas posturas, estas imágenes etiquetadas son importadas a Roboflow para la creación de un Dataset, y una vez obtenido el Dataset, se entrena utilizando el modelo YOLOv8 en Google Colab. Después que ha sido entrenado, se guarda en un archivo “.pt”. Posteriormente, este modelo se lo usa para las detecciones de posturas a través de cámaras. El modelo se implementa en una Aplicación Web desarrollada con Flask en Python, la cual integra una interfaz intuitiva e incluye información sobre la elección de posturas, validación de resultados, monitoreo y detección en tiempo real. Finalmente, los resultados obtenidos, en el proceso de validación muestran una precisión del 99.97%, demostrando la confiabilidad de este sistema. En cuanto a la eficiencia del sistema, se obtuvo una precisión del 92% en la detección de manos en la cabeza, 97% en postura inclinada y 94% en brazos cruzados.

• Главный автор: Idrobo Montalvo, Cristian Fernando y Toapanta Martínez, Jonathan Elian (author)
• Формат: bachelorThesis
• Опубликовано: 2025
• Предметы: KEYPOINTS; YOLOV8; CRIMINAL; POSTURAS; VISIÓN ARTIFICIAL
• Online-ссылка: https://repositorio.espe.edu.ec/handle/21000/47433