Detección de víctimas mediante redes neuronales e imágenes térmicas

Abstract

La aplicación de redes neuronales convolucionales a la visión artificial supuso un avance para los algoritmos de detección. Actualmente se están desarrollando múltiples aplicaciones de dichos algoritmos de detección junto con empleo de cámaras térmicas para tareas de vigilancia o reconocimiento facial. El presente trabajo tiene como objetivo implementar modelos que utilicen estos algoritmos que emplean redes neuronales para desarrollar la tarea de detección de víctimas en catástrofes o situaciones hostiles mediante el uso de imágenes térmicas. Para obtener estos modelos, se ha configurado un entorno de programación en Python, se han generado diversos datasets en los que aparecen principalmente personas simulando ser víctimas, se han etiquetado y se han entrenado distintos modelos de redes neuronales convolucionales. Los principales resultados muestran una alta eficacia de los modelos entrenados en la detección de víctimas durante la validación. En este trabajo se presentan diferentes pruebas, recreando escenarios de desastre para evaluar la eficacia de los modelos obtenidos en distintas condiciones lumínicas y ambientales. Como principal conclusión extraída a partir de este desarrollo se puede establecer que la detección de víctimas gracias al procesamiento de imágenes térmicas mediante redes neuronales es una alternativa viable y robusta en tareas de búsqueda y rescate.