Video Business Solution

Realidad Problemática

- Los actuales sistemas de vigilancia y control todavía requieren

supervisión e intervención humana para la detección de armas de
fuego en videos.

Objetivos

Añadir a tus cámaras de seguridad, prestaciones adicionales:

• Solución Inteligente que hace uso de la tecnología Computer Vision

y modelos analíticos, permitiendo detectar en tiempo real armas de
fuego, alertando en menor tiempo a las entidades de seguridad.

• Generar información relevante a partir del análisis de la Afluencia

de clientes: Ejemplo: Cantidad de clientes en días de fin de semana
Análisis del negocio
 Evolución …
Smart Survilliance Analytics insight
Identificación de patrones,
correlación de eventos, uso de
Computer vision
Becoming Video Analytics
Smart Ambiente de monitoreo inteligente.
Time/Date/ Location
Alertas, primeros pasos para análisis
Time

Video Center Approach

Multi video feeds con personal
dedicado para monitoreo. Manejo de
cámara PTZ, capacitación de personal

Fixed Lens to Camera CCTV

Necesita personas para el monitoreo
y revisión

Customer Value
Arquitectura de Solución:
Comparativa de performance de
Librerías
Desarrollo de Modelo
Fuentes de Información Externa

Data No Estructurada
• Servidor de Imágenes https://image-net.org/
• Búsqueda por imágenes de Google
Desarrollo de Modelo
Calidad de los Datos

Fuentes no estructuradas
• Depuración de imágenes sin contenido.
• Depuración del imágenes incorrectas.
Desarrollo de Modelo
ARQUITECTURA

Cascade Classifier Cascade Classifier

Imágenes Positivas
Training Training

Imágenes Negativas
Resultados de Modelo
Resultados
Resultados
▪ Código fuente
Resultados

✓ Detección de Rostros,
ojos y arma de fuego.
✓ Tiempo de ejecución de
17 Horas para 10 etapas
con 1800 positivos y 900
negativos.
Conclusiones
✓ El tiempo de entrenamiento es exponencial y pueden durar semanas en algunos
casos.
✓ Con la finalidad de minimizar los falsos positivos la opción mas recomendable
para el desarrollo de esta solución es utilizar Deep Learning.
✓ Nuestra solución planteada puede tener muchas variedades de aplicaciones por
lo que genera valor a nivel del sector comercial y social.
✓ Nuestra solución es escalable y altamente rentable.

Recomendaciones
✓ La plataforma para el desarrollo de la solución debe ser S.O Linux.
✓ Seguir entrenando al modelo para poder mejorar la precisión.
✓ Plantear de manera secuencial e incrementar gradualmente la complejidad en el
planteamiento de hipótesis para el reconocimiento de objetos o personas.