Detección de Objetos y Patrones de Movimiento Usando Redes Neuronales y Algoritmos Genéticos para la Identificación de Robo a Mano Armada
Palabras clave:
Aprendizaje Automático, Detección de Objetos, Detección de Patrón de MovimientosResumen
En América latina se encuentran 42 de las 50 ciudades más violentas del mundo, en el Perú el año 2019 el 9.7% de hechos delictivos con arma de fuego fueron realizados en zonas urbanas y en las ciudades de 20 mil a más habitantes el porcentaje se elevó al 10.2%, pero las denuncias, por falta de pruebas, generaron en ciudades como Lima, solo un 19.46% de detenciones. Los miembros del cuerpo policial disponen de dispositivos, vehículos y herramientas que les permiten ejercer sus funciones de una manera segura; sin embargo, no cuentan con un mecanismo efectivo, el cual permita identificar un robo a mano armada y concentrar sus esfuerzos en llevar a cabo una oportuna intervención. Por lo anterior, la presente investigación desarrolla un algoritmo basado en Redes Neuronales Recurrente con OpenCv/YOLOv3 combinada con la técnica de Algoritmos Genéticos para la detección de objetos y patrón de movimiento con un 96.5% de precisión, permitiendo la detección temprana ante un delito perpetrado bajo la modalidad de robo a mano armada.
Descargas
Referencias
Y. Ming y C. Camp Yeakey: “A Comparative Study of the World’s Most Dangerous Cities: Violence as the Ultimate Public Heath Challenge, Insights of Anthropology”, vol. 2, nº 1, pp. 67-85, (2018).
INEI,: Estadísticas de Seguridad Ciudadana, Noviembre 2018 – Abril 2019, p. 39, (2019).
R. Vajhala, R. Maddineni, y P. Raj Yeruva: “Weapon Detection in Surveillance Camera Images, Bleking Institute of Technology”, 2016.
M. Nakib, M. Sakibul Hasan, R. Tanvir Khan y J. Uddin: “Crime Scene Prediction by Detecting Threatening Objects Using Convolutional Neural Network”, IEEE Explore, Uk, 2018.
O. Stenroos: “Object detection from images using convolutional neural networks, Aalto University Master’s Programme in Computer, Communication and Information Sciences”, 2017.
M. Grega, A. Matiolanski, P. Guzik y M. Leszczuk: “Automated Detection of Firearms and Knives in a CCTV Image, Murali Subbarao”, 2015.
Google Cloud, Business impacts of machine learning, Google Cloud, 2017.
F. Sancho Caparrini: “Introducción al Aprendizaje Automático”, 2017/09/23. [En línea]. Available: http://www.cs.us.es/~fsancho/?e=75. [Último acceso: 2019/02/18].
R. Velasquez y G. Acuña,: “Entrenamiento de Redes Neuronales Recurrentes para Sistemas Dinámicos Tipo NARMAX Y NOE, SBIC Sociedad Brasileira de Inteligencia Computacional”, 2016.
J. Gelvez Prieto: “Redes neuronales convolucionales y redes neuronales recurrentes en la transcripcion automática, Universidad Nacional de Colombia”, 2019.
Ministerio de Justicia y Derechos Humanos, Código Penal Peruano, Lima: Ministerio de Justicia y Derechos Humanos, 2016.
Descargas
Publicado
Número
Sección
Licencia
Aviso de derechos de autor/a
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la Creative Commons Attribution-Non-Commercial-Share-Alike 4.0 International, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
Descargo de Responsabilidad
LAJC en ningún caso será responsable de cualquier reclamo directo, indirecto, incidental, punitivo o consecuente de infracción de derechos de autor relacionado con artículos que han sido presentados para evaluación o publicados en cualquier número de esta revista. Más Información en nuestro Aviso de Descargo de Responsabilidad.
