Implementación de un prototipo para contar personas en video capturado en tiempo real utilizando técnicas de aprendizaje profundo

Abstract

El desarrollo de dispositivos de visión artificial para la detección y seguimiento de objetos en video requiere la utilización de algoritmos complejos implementados en sistemas computacionales de alto rendimiento. Aunque existen un sinnúmero de técnicas holísticas y de machine learning utilizadas para la detección de objetos, hoy en día, la tendencia es utilizar nuevas técnicas de procesamiento de imágenes y video basadas en redes neuronales convolucionales, con las cuales se han logrado mejores resultados en cuanto a la confiabilidad de la detección y el tiempo de procesamiento. En este trabajo se implementó un prototipo para realizar el conteo de personas entrelazando un algoritmo de detección de objetos pre entrenado Single Shot Detection (SSD) de MobilNet con un algoritmo de seguimiento de objetos basado en la estimación del centroide, operando en un hardware dedicado de Nvidia Jetson Tx1. La programación del prototipo se realiza utilizando librerías de Python y OpenCV bajo el entorno del sistema operativo linux Ubuntu instalados en la tarjeta Nvidia. En la evaluación del contador de personas se evidencia el equilibrio logrado entre la rapidez, la precisión y el costo computacional del prototipo funcionando en tiempo real bajo un escenario con ambiente de luz natural y luz artificial con resultados muy aceptables.