Detección de armas en tiempo real mediante técnicas de CNN

Abstract

En este trabajo se desarrolla una propuesta de solución para el problema de situaciones de violencia que involucran armas de fuego y armas blancas. Este tipo de violencia va en incremento en el país. La propuesta se basa en el uso de algoritmos de aprendizaje automático junto con el uso de técnicas de visión por computadora y procesamiento digital de imágenes. Se desarrolla además un prototipo que integra un sistema de percepción a través de una cámara que permite identificar en una imagen si existe un arma de fuego o una arma blanca, lo cual se clasifica como una situación de violencia. Para el desarrollo del prototipo de detección de las armas se compararon tres algoritmos de aprendizaje profundo (basados en redes neuronales), una red neuronal convolucional (CNN), una red neuronal CNN-VGG19, ambas utilizando TensorFlow, y una R-CNN tomada desde la librería de YOLO. Para poder entrenar estos algoritmos se tuvo que integrar un conjunto de datos, los cuales se etiquetaron de acuerdo a las dos clases de interés (clase: presencia de arma y clase: no presencia de arma). Los resultados obtenidos muestran que la red R-CNN mostró el mejor índice de aprendizaje, por lo que su proceso de detección alcanzó valores en las métricas correspondientes: Precision de un 89%, F1-Score de un 90% y Recall de un 85%.