Arquitectura de detección de actividades criminales basada en análisis de vídeo en tiempo real

Abstract

Esta tesis doctoral propone el desarrollo de una arquitectura para sistema de detección de actividades criminales en vídeo aplicado a sistemas de mando y control para seguridad ciudadana. Este sistema está basado en la técnica de Deep Learning Faster R-CNN y tiene el novedoso enfoque de tratar las acciones criminales como los hurtos callejeros, en donde pueden ser identificados objetos como evidencia en una escena de vídeo. Esta tesis muestra el desarrollo de dicha aplicación, que demuestra ser efectiva, identificando la manera de reducir el costo computacional del análisis de vídeo cuadro a cuadro obteniendo rendimientos congruentes con las tasas de cuadros por segundo generados por cámaras de sistema de vídeo vigilancia ciudadana. También es objeto de estudio una posible implementación en el sistema de seguridad ciudadana de la Policía Nacional de Colombia.