Detector de acciones de riesgo en video utilizando inteligencia artificial y transfer learning.
| dc.contributor.advisor | Godoy Medel, Sebastián Eugenio | es |
| dc.contributor.author | Domínguez Monroy, Camilo Pablo Andrés | es |
| dc.date.accessioned | 2025-08-06T20:11:53Z | |
| dc.date.available | 2025-08-06T20:11:53Z | |
| dc.date.issued | 2025 | |
| dc.description | Tesis presentada para optar al título de Ingeniero/a Civil en Telecomunicaciones. | es |
| dc.description.abstract | El presente proyecto aborda el desarrollo de un sistema inteligente para la detección automática de peleas en tiempo real mediante inteligencia artificial a través de cámaras de videovigilancia, utilizando el modelo de segmentación YOLOv8. A diferencia de enfoques previos centrados principalmente en la detección de objetos como armas u otros elementos físicos, esta propuesta se enfoca en identificar comportamientos violentos a partir de interacciones humanas, lo que representa un desafío técnico mayor debido a la sutileza y ambigüedad de muchos de estos eventos. Para entrenar el modelo, se construyó un conjunto de datos compuesto por imágenes extraídas de videos reales, los cuales presentaban limitaciones como baja resolución, movimientos de cámara bruscos y condiciones de iluminación variables. El entrenamiento se complementó con reglas basadas en la distancia entre centroides de personas y un conteo mínimo de dos individuos para que una escena sea considerada como pelea. Esto permitió compensar parcialmente las limitaciones del dataset y mejorar la precisión del sistema. La metodología aplicada prioriza la eficiencia computacional, utilizando una versión ligera del modelo capaz de operar en hardware de gama media. Los resultados demuestran que el modelo es capaz de identificar situaciones de conflicto con una precisión aceptable, abriendo posibilidades para su implementación práctica en sistemas de seguridad ciudadana más inteligentes, y que, además su bajo requerimiento computacional lo hace compatible con dispositivos de bajo costo y proactivos. | es |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Eléctrica | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/12890 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Automatización | es |
| dc.subject | Videovigilancia | es |
| dc.subject | Inteligencia artificial | es |
| dc.subject | Transfer learning (Machine learning) | en |
| dc.title | Detector de acciones de riesgo en video utilizando inteligencia artificial y transfer learning. | es |
| dc.type | Thesis | en |