Modelo basado en aprendizaje profundo para el reconocimiento de acciones humanas violentas en videovigilancia en tiempo real

Abstract

El reconocimiento de acciones humanas violentas es un área de gran interés en la comunidad científica, dado su amplio espectro de aplicaciones en campos como la robótica, la medicina, la psicología y la interacción humano-computador. Además, su relevancia en el ámbito de la videovigilancia aplicada a sistemas de seguridad, monitorización y prevención es indiscutible, ya que la capacidad de detectar la violencia en tiempo real podría no solo prevenir actos delictivos, sino también salvar vidas. A pesar de la cantidad de investigaciones y propuestas existentes en el ámbito del reconocimiento de la violencia en videovigilancia, la mayoría de ellas se centran en la precisión de los resultados, dejando de lado la eficiencia en su implementación práctica en entornos reales y en tiempo real. En este contexto, esta tesis propone un modelo tanto eficaz como eficiente en el reconocimiento de la violencia humana en tiempo real. El modelo propuesto consta de tres módulos: un primer módulo llamado Extractor de Movimiento Espacial (EME), encargado de extraer regiones de interés de un cuadro, un segundo módulo llamado Extractor Temporal Corto (ETC), cuya función es extraer características temporales de movimientos rápidos y de corta duración, finalmente el módulo Extractor Temporal Global (ETG), encargado de identificar características temporales de larga duración y afinar el modelo para una mejor precisión. La propuesta se sometió a una evaluación exhaustiva en términos de eficiencia, precisión y capacidad de funcionar en tiempo real. Los resultados obtenidos en los conjuntos de datos Hockey, Movies y RWF-2000 demostraron que esta propuesta es altamente eficiente en comparación con otras alternativas, manteniendo una precisión cercana a la mejor propuesta y una latencia de 0,0720 segundos. Para validar la aplicabilidad en un entorno del mundo real, se creó un conjunto de datos denominado “VioPeru“, que incluye videos reales violentos y no violentos capturados por cámaras de videovigilancia en Perú. Los resultados obtenidos en la evaluación de eficacia en este conjunto de datos superaron a la mejor propuesta del estado del arte en el campo del reconocimiento de la violencia en videovigilancia. Por tanto, nuestra propuesta tiene contribuciones al estado del arte en eficiencia y eficacia. Siendo posible aplicarla en escenarios reales y en tiempo real.