Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina

Abstract

Actualmente, existe una gran demanda de sistemas de monitoreo de multitudes para su análisis y seguimiento. El conteo de personas en aglomeraciones ha adquirido una gran relevancia en el campo de la seguridad pública. Por lo tanto, el objetivo del presente trabajo de grado es desarrollar un sistema que permita detectar y estimar el número de personas presentes en imágenes de multitudes, usando aprendizaje de máquina y visión por computador. El núcleo de este enfoque se basa principalmente en el uso de un descriptor de características Histogramas de Gradientes Orientados (HOG) y un modelo de clasificación supervisado Máquinas de Vectores de Soporte (SVM). Estos algoritmos son implementados en una plataforma de software libre, utilizando el lenguaje de programación Python y bibliotecas libres. La evaluación del rendimiento del modelo de clasificación se realiza usando las métricas orientadas a estos modelos, por otro lado, para el algoritmo de detección y conteo se realiza pruebas experimentales en imágenes de un conjunto de datos de libre acceso, orientado al análisis de multitudes de diferentes densidades. Estas imágenes son de distintas dimensiones y presentan diferentes perspectivas de cámara, variaciones de iluminación y diversos fondos. Por último, mediante las pruebas realizadas se puede deducir que el sistema presenta un mejor desempeño en imágenes de multitudes con un ángulo de cámara normal y una densidad uniforme.