Visión por computador para el reconocimiento de armas de fuego cortas para un sistema telemático de seguridad en zonas comerciales

Abstract

El presente trabajo de titulación presenta el Sistema de visión por computadora para el reconocimiento de armas de fuego cortas para un sistema telemático de seguridad en zonas comerciales. Utilizando un análisis de redes convolucionales como neuronales de aprendizaje profundo las cuales se optimizan, para lograr una precisión de 95% en la detección de un arma cortan el Sistema está diseñado para ser implementado en tiempo real, ayudar a la seguridad y eficacia de respuestas de los sistemas telemáticos en sectores públicos. Los resultados muestran una eficiencia y desenvolvimiento en el área de video vigilancia conjunta con servicios de seguridad humana, mejorar la respuesta ante una detección de hurto o amedrantar por armas cortas el sistema esta desarrollado a través de Ultralitix como el uso del modelo “YOLO11m-n-x.pt”, dependientemente del tipo de entorno de tranjo que se utilice en este caso este modelo está optimizado con un 22% de mejoras entre modelos YOLO8 aplicados en redes (CNN), como el suso de OpenCV , TensorRT , nmpi, Pytorch con soporte Cuda con el uso de Python para la comprensión del modelo adaptado a las necesidades con un repositorio de más de 150 000 imágenes de armas cortas basadas en modelos de pistolas con el uso de “grounding dino” para formas este Dataset entrenado en Goolge Colab , mediante plataformas como Robooflow y NVIDIA Jetson nano orin. El proceso se efectiva en tiempo real mediante video IP en una red privada ajustada a las necesidades de transmisión de una red con alto flujo de FPS. Este trabajó aporta a la seguridad y bienestar de personas naturales que sean afectadas por los índices de inseguridad directa e indirecta mente, este aporte está planteado para evitar represalias y ayudar a mejorar la eficiencia de seguridad y respuestas empresas que presten un servicio.