Implementación de un sistema de localización de personas en interiores mediante cámaras omnidireccionales usando arquitecturas ResNet

Montero García, Berta (2018). Implementación de un sistema de localización de personas en interiores mediante cámaras omnidireccionales usando arquitecturas ResNet. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Telecomunicación (UPM), Madrid.

Description

Title: Implementación de un sistema de localización de personas en interiores mediante cámaras omnidireccionales usando arquitecturas ResNet
Author/s:
  • Montero García, Berta
Contributor/s:
  • Blanco Adán, Carlos Roberto del
Item Type: Final Project
Degree: Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación
Date: 2018
Subjects:
Freetext Keywords: Detección de personas, cámaras omnidireccionales, redes convolucionales, redes de proposición de regiones, ResNet.
Faculty: E.T.S.I. Telecomunicación (UPM)
Department: Señales, Sistemas y Radiocomunicaciones
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview

Abstract

La localización y detección visual de personas en interiores se ha convertido en un área de estudio muy interesante a causa de sus múltiples aplicaciones y usos durante estos últimos años. El sistema propuesto incorpora una gran novedad debido a la utilización de cámaras omnidireccionales para la captación de las imágenes. La ventaja de este tipo de cámaras frente a las cámaras convencionales es que, en espacios interiores, una única cámara omnidireccional puede cubrir una superficie mayor que una cámara convencional. Sin embargo, las cámaras omnidireccionales tienen un inconveniente, añaden alta distorsión geométrica en la imagen. Esto implica distintos retos adicionales en cuanto al diseño para el correcto funcionamiento del sistema de localización. El estudio sobre el estado del arte de las técnicas aplicadas a la detección visual de personas y el prometedor rendimiento y precisión de las redes neuronales profundas, ha sido clave para el desarrollo del sistema propuesto. Su implementación consta de dos etapas funcionando conjuntamente. Una de ellas se encarga de proponer distintas regiones de la imagen candidatas a contener una persona basándose en la extracción de mapas de características sobre la imagen. La otra etapa, a partir del mapa de extracción de características anterior, indica si cada una de estas regiones contiene a una persona o no. Ambos procedimientos se apoyan en una arquitectura ResNet basada en un aprendizaje residual entre las distintas capas de la red. A los problemas ocasionados por la distorsión geométrica añadida por las cámaras omnidireccionales, se ha de tener en cuenta la necesidad de adaptación del sistema ante factores tales como oclusiones, variabilidad en la apariencia de las personas, distintos patrones de movimiento de éstas o cambios en la distribución del entorno. La eficacia y rendimiento del sistema quedan probados con los resultados finales obtenidos tras la evaluación del mismo sobre un conjunto de imágenes pertenecientes a una base de datos propia generada en el laboratorio.

More information

Item ID: 51418
DC Identifier: http://oa.upm.es/51418/
OAI Identifier: oai:oa.upm.es:51418
Deposited by: Biblioteca ETSI Telecomunicación
Deposited on: 27 Jun 2018 13:01
Last Modified: 27 Jun 2018 13:01
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM