Facultad de Ingeniería

Carrera de Electrónica y Telecomunicaciones

Estado: No Vigente

PERFIL DEL PROYECTO DE INVESTIGACIO´

N TEMA
Desarrollo de un Sistema de Detecci´on de Personas Usando Inteligencia

Artificial para Controlar el Distanciamiento Social en la Zona comercial de

Pelileo

DOMINO CIENT´IFICO, HUMAN´ISTICO Y TECNOLO´ GICO

Desarrollo territorial – productivo y h´abitat sustentable para mejorar la calidad

de vida

L´INEA DE INVESTIGACIO´
N

Electronica, Telecomunicaciones y Redes

Estudiante: Christian Fabricio Silva Chipantiza

Tutor: Daniel Santillan Haro Riobamba-2022

1
1. Introduccion

En la actualidad, los dispositivos moviles ya cuentan con c´amaras de video en alta

defini- cion que combinados con los procesadores de u´ltima generaci´on ejecutan algoritmos
basados en tiempo real, para mejorar el control y la interacci´on con aplicaciones moviles
[1].
Un ejemplo de esto es el reconocimiento de gestos que incorporan los tel´efonos
inteligentes, emitiendo mensajes en la pantalla cuando detecta una persona con ojos
cerrados o cuando en la imagen se detectan movimientos que distorsionan el cuadro [2].
El rendimiento y la eficiencia energ´etica en los dispositivos moviles ha sido un tema
que las grandes empresas de tecnolog´ıa han logrado optimizar, de manera que en la
actualidad los Smartphones ya integran aplicaciones moviles con mayor procesamiento y
menor consumo de bater´ıa [2].
Para el caso del reconocimiento de personas, en los estudios realizados por [3], se determina
que los sistemas de Inteligencia Artificial (IA) , deben ser implementados en un computador
distinto del microcontrolador encargado del control de vuelo, haciendo que el computador
externo se encargue de ejecutar todos los algoritmos y procesamiento necesarios para la
identificacion de personas. Para el caso de este proyecto, al obtener las imagenes por medio
de una camara web convencional se requiere del mismo computador para obtener las imagenes,
y hacer el procesamiento usando las t´ecnicas de Inteligencia Artificial.
En el estudio realizado por [1], se determina que para la identificaci´on de gestos
existen dos t´ecnicas, la primera y mas conocida es por medio de una maquina de vectores de
soporte (SVM), mientras que el segundo es por medio del uso del algoritmo de esqueletizaci
´on, y la red neuronal convolucional. En esta investigaci´on se realizar´a un estudio te
´orico de las dos t´ecnicas para determinar la que mejor se adapte al entorno de pruebas
que se va a realizar.
Este proyecto de investigacion nace como una propuesta para controlar el distanciamiento
social usando herramientas y t´ecnicas aprendidas durante los estudios en la carrera, ya que
como se ha mencionado por la Organizaci´on Mundial de la Salud (OMS), una de las reco-
mendaciones para evitar contagiarse del Covid-19 es mantener al menos 1m de distancia con
otras personas [4]. Pelileo produce el 70 por ciento de jeans en el pa´ıs y en el barrio el
Tambo es donde se concentra la mayor cantidad de comerciantes que atraen a comerciantes o
pu´blico en general para la compra y venta de sus productos [5], raz´on por la cual se ha
tomado como estudio esta zona por la cantidad de personas que se encuentran,
principalmente los fines de
2
semana.
En la actualidad existen algunos sistemas o c´amaras de video que reconocen rostros o
cuerpos enteros de personas, la mayor´ıa de ´estos son desarrollados a nivel industrial
con costos elevados debido a los materiales, herramientas y los servicios posteriores que
ofrecen [6], [7], por lo que con el desarrollo de este proyecto se pretende dar a conocer que es
posible desarrollar un sistema de deteccion y distanciamiento de personas para disminuir el
contagio de Covid-19, empleando elementos de bajo costo y faciles de conseguir, con la
finalidad de que sirva como soporte al control de personas que actualmente se lo realiza de
manera visual por medio de las camaras del ECU911 en esta zona de estudio [8].
El objetivo general que se deriva del tema es desarrollar un prototipo de detecci´on de
personas mediante el uso de los algoritmos de inteligencia artificial, para controlar el distan-
ciamiento social en una zona comercial del cant´on Pelileo. Para ello se disen˜ar´a el sistema
de comunicacion para transmitir las imagenes y videos de una c´amara web conectado al
compu- tador, se procesaran las imagenes de manera que se desarrolle el algoritmo para la
detecci´on y reconocimiento de personas, se realizar´an pruebas para entrenar al algoritmo
de manera que se pueda determinar la distancia entre dos personas (entre 1m y 2m) y
finalmente, se evaluar´a el prototipo en la zona comercial de Pelileo donde existe la mayor
aglomeraci´on de personas, para realizar un analisis de los resultados obtenidos en cuanto
al porcentaje de aciertos de deteccion de personas y la distancia m´ınima.

2. Planteamiento del problema:

En varios trabajos de investigacion desarrollados en los u´ltimos an˜os, se ha demostrado

que los detectores de personas [9], pueden localizar peatones en calles con ambientes complejos,
sin embargo, es alto el nu´mero de falsos positivos debido a los obst´aculos, cantidad de
personas juntas o incluso por el movimiento de las mismas.
La necesidad de recuperar o mejorar la econom´ıa de las familias ecuatorianas, ha
hecho que el COE Nacional ya no imponga medidas restrictivas de aforo en espacios
abiertos a menos que se realicen actividades masivas en estadios en las que se debe controlar
el 60 por ciento m´ınimo [10]. Por lo antes expuesto, las personas han vuelto a salir a las
calles, tanto por motivos de trabajo o por distraccion, volviendo a tener la presencia elevada
de personas en la zona comercial de Pelileo (Tambo) [5].
De lo expuesto anteriormente, se plantea como soluci´on al control o conteo de
personas

3
manual, realizar un sistema con herramientas tecnol´ogicas, que permita detectar personas y
calcular la distancia entre ellas, de manera que se pueda generar un informativo que alerte en
caso de estar menos de 1m de distancia. Cabe indicar, que esta distancia es la m´ınima
para evitar contagios del Covid19 mediante el uso de la mascarilla [4].
Para el desarrollo el prototipo, se han definido dos etapas. La primera etapa se divide en
dos partes: extraccion de caracter´ısticas, y obtenci´on de las imagenes para tomar las
decisiones locales en cada punto de la imagen, y la clasificaci´on y discriminaci´on de la
informaci´on para reconocer los objetos de inter´es, que en este caso ser´an las personas.
[11]. La segunda etapa es la aplicacion del algoritmo de inteligencia artificial usando la t
´ecnica maquina de vectores de soporte (SVM), o el algoritmo de esqueletizaci´on. y la red
neuronal convolucional. Las dos t´ecnicas se usan para el aprendizaje de la IA en las tareas
de clasificaci´on de las imagenes recolectadas en la primera etapa [1].

3. Ob jetivos

3.1. Ob jetivo general

Desarrollar un Sistema de deteccion de personas mediante el uso de algoritmos de inte-

ligencia artificial, para controlar el distanciamiento social en la zona comercial del cant
´on Pelileo.

3.2. Ob jetivos espec

´ıficos

Realizar un estudio sobre los tipos de algoritmos de inteligencia artificial para el reco-
nocimiento de objetos o personas.

Implementar el sistema de adquisici´on que permita transmitir y recibir las imagenes y

videos de una camara web conectada a un computador.

Seleccionar el algoritmo para la detecci´on y reconocimiento de personas en el sistema

basado en inteligencia artificial.

Evaluar el sistema en la zona comercial de Pelileo para analizar los resultados obtenidos
respecto a los aciertos en la detecci´on de personas y la distancia m´ınima.

4
4. Marco te´orico

4.1. Procesamiento de Im´agenes

Es la t´ecnica para poder obtener informaci´on relevante de una imagen como pueden ser
sus caracter´ısticas, puntos de inter´es, colores, objetos, entre otros. La idea de dotar a las
maquinas la capacidad de interpretacion de los humanos ha sido posible gracias a la
consideraci´on de dos condiciones [12], [13]:

Crecimiento exponencial de la capacidad de procesamiento (GPU)

Desarrollo de nuevas tecnolog´ıas en las c´amaras

4.1.1. Algoritmos de detecci´on de personas

La identificacion y deteccion de objetos dio paso a la detecci´on de personas,

imagenes m´edicas y rostros, inicialmente los algoritmos no eran buenos debido a la baja
precisi´on que presentaban, pero con el desarrollo de investigaciones y aparici´on de
nuevas herramientas para el procesado de informacion tambi´en se logr´o mejorar los
algoritmos respecto a la velo- cidad, precision y rendimiento [9], [14]. Entre los algoritmos
que podemos encontrar para la deteccion de personas se tienen los siguientes:
1 Haar Cascade: Se utilizan caracter´ısticas Haar-like que se basa en el cambio de
con- trastes como se muestra en la figura 1, en un grupo de pixeles adyacentes, un
clasificador en cascada desarrolla un procesamiento basado en etapas. El sistema detecta
objetos que se mueven a trav´es de la imagen conocido como ventanas, cada ventana
etiqueta una regi´on de la imagen como positiva si el objeto se encontr´o en esa regi´on o
negativa si no se encontr´o el objeto. En el caso de tener la etiqueta negativa la ventana se
mueve a una nueva regi´on mientras que si la etiqueta es positiva el clasificador se mueve a
la siguiente etapa. Finalmen- te, cuando todas las etapas tengan un resultado positivo se
establecer´a que el objeto se ha encontrado [9].
2 HOG: Los Histogramas de gradientes orientados (HOG) permiten representar al objeto
como un vector de valor u´nico diferente al conjunto de vectores donde se representa una regi
´on de la imagen como se evidencia en la figura 2, para ello se desplaza la ventana por
toda la imagen y se observa el proceso para la extracci´on de caracter´ısticas HOG. [9].

5
 Figura 1: Clasificador Haar Cascade

Figura 2: Proceso para la extracci´on de caracter´ısticas HOG

Figura 3: Maquina de vectores de soporte

3. SVM: La maquina de vectores de soporte (SVM) es el algoritmo mas usado para

la clasificacion y regresion, este tipo de modelo busca un hiperplano que funciona como
separador, toma un conjunto de datos con ejemplos de elementos construyendo as´ı un
modelo clasificador [1], [11]. El conjunto de datos de entrenamiento debe contener
imagenes con diferentes tipos de distinci´on entre imagenes, en la Figura 3 se presenta la
relacion de la m´aquina de vectores de soporte [15].

6
 Figura 4: Proceso de detecci´on de objetos mediante
YOLO

4. YOLO: Es un nuevo m´etodo para la detecci´on de objetos y es capaz de predecir

los objetos y la ubicacion donde se encuentran. El principio de funcionamiento se basa en
la divisi´on de cuadros delimitadores y probabilidades de clase, una red neuronal
convolucional se encarga de predecir las probabilidades de clase. En la Figura 4 se presenta
el proceso de divisi´on de la imagen en una matriz, en cada cuadricula de la matriz se predicen
delimitadores para otorgarles una probabilidad de clase [9].
5. Redes Neuronales Convolucionales (ConvNets o CNN): Est´an disen˜adas
para aprender y descubrir caracter´ısticas de las imagenes, por medio de operaciones no
lineales [16]. En la Figura. 5, se observa que existen 3 neuronas de entrada, 4 ocultas y 3
salidas. El principio de funcionamiento inicia con la capa de entrada, en la cual se define
el vector de datos de entrada con el mismo nu´mero de neuronas y elementos del vector. En la
capa oculta existe un nu´mero mayor o menor de neuronas para probar emp´ıricamente la
mejor respuesta, estas capas convierten los datos de entrada de acuerdo al peso que tienen
las neuronas y con la funcion no lineal extrae las caracter´ısticas para que en la capa de
salida se identifiquen las etiquetas o clases [16].

4.2. Estado del Arte

Con la bu´squeda y revisi´on de varias fuentes bibliogr´aficas nacionales e

internacionales relacionados con el tema de esta investigaci´on, se encontraron documentos de
tesis y art´ıculos
7
 Figura 5: Red neuronal con 3 entradas

cient´ıficos que aportan informacion para el desarrollo de este proyecto por lo que se
detallan a continuacion.
En el proyecto de titulaci´on “SISTEMA DE ESTIMACIO´ N DE NU´ MERO DE
PERSO-
NAS EN TIEMPO REAL DURANTE MISIONES DE RECONOCIMIENTO DEL EJERCI-
TO ECUATORIANO UTILIZANDO VEHICULOS AE´ REOS NO TRIPULADOS
MULTI- ROTOR”, se aplic´o una sola red neuronal a la imagen dividi´endola en regiones,
prediciendo cuadros de l´ımite y probabilidades para cada regi´on en los que los cuadros
delimitadores se ponderan por las prioridades, de esta manera se logr´o optimizar la
velocidad del procesa- miento de imagenes, lo que hace interesante el estudio de este
algoritmo para la detecci´on de personas en el presente proyecto [16].
En el trabajo de investigacion “SISTEMA DE NAVEGACIO´ N AUTO´ NOMO
BASADO EN VISIO´ N PARA PISTAS DE CARRETERAS DE DRONES CON
MARCAS DE SU- PERFICIE” se recopila una variada informaci´on de varios autores
respecto a la formaci´on, caracterizacion, deteccion y procesamiento de imagenes, tambi
´en se explica los m´etodos o
herramientas para suavizar imagenes lo que es de gran ayuda ya que con ello se podr deter-
minar la que mejor se adapte a la detecci´on de personas [12].
En el art´ıculo cient´ıfico “DETECCIO´ N DE ENFERMEDADES EN EL SECTOR AGR
´ICO- LA UTILIZANDO INTELIGENCIA ARTIFICIAL” se explica paso a paso el

procedimiento para la clasificacion de las enfermedades y tener resultados asertivos: Adquisicion

de imagenes, Preprocesamiento, Segmentacion, Extracci´on de caracter´ısticas y Clasificaci´on
de la enferme- dad [11]. Se detallan los algoritmos y las caracter´ısticas de cada uno, por
ello para este
8
proyecto es importante considerar dichas observaciones y determinar la opci´on que mejores
resultados tenga para el reconocimiento de personas.
En [17]los autores realizaron una comparaci´on entre los m´etodos mas usados en la
detec- cion de rostros: Viola-Jones (VJ) e Histogramas de gradientes orientados (HOG),
determinado que con el uso de HOG se obtuvo un promedio de 79 porciento de exactitud de
reconocimiento de rostros respecto al 71.11 por ciento obtenido con el uso de VJ, este u´ltimo
presenta mejores resultados cuando el rostro se encuentra frontal a la c´amara mientras que
con HOG se tiene una habilidad de reconocimiento mayor al 80 por ciento cuando la persona
tiene alguna pose, expresion facial o existe iluminaci´on exterior [17].
En el trabajo de titulaci´on “SISTEMA INTELIGENTE DE APRENDIZAJE AUTOMA´
TI-
CO MEDIANTE EL USO DE UN VEH´ICULO AE´ REO NO TRIPULADO (UAV)
PARA EL MONITOREO DE OIDIUM (SPHAEROTHECA PANNOSA) EN EL
CULTIVO DE ROSAS DE EXPORTACIO´ N EN EL ECUADOR” se concluye que la
utilizaci´on de redes neuronales convolucionales presenta un alto rendimiento en la
detecci´on de imagenes con precision del 73.1 por ciento en el caso de la detecci´on de
oidium en las rosas [18].
En el trabajo de titulaci´on desarrollado en [9], se explica el procedimiento para la
extrac- cion de caracter´ısticas usando HOG, en la fase de implementaci´on se realizaron
pruebas con el uso de algoritmos YOLO sin embargo present´o resultados de falsos positivos
con la presencia de varias personas juntas o cerca de la c´amara del dron, mientras que
con Haar Cascade el problema se present´o al tratar de identificar personas a mas de
5metros de distancia de la camara, finalmente con HOG + SVM el u´nico inconveniente
fue que se arrojaron falsos positivos en el despegue y aterrizaje del dron lo que en este caso
no se podr´ıa presentar ya que las im´agenes se adquirir´an de una c´amara web que se
situar´a previamente en un lugar para empezar a capturar y transmitir las imagenes [9].
En el proyecto de titulaci´on “RECONOCIMIENTO DE GESTOS CORPORALES BA-
SADOS EN SVM E IMA´ GENES MONOCULARES PARA EL CONTROL DE
MICRO VEH´ICULOS AE´ REOS MULTIROTOT EMBEBIDO EN UNA APLICACIO´
N MO´ VIL EN
TIEMPO REAL” se realiza una aplicacion movil para smartphones para controlar el veh
´ıculo a´ereo mediante gestos definidos, para ello se extrajo las caracter´ısticas del cuerpo de
una per- sona, se aplic´o el modelo SVM, se desarroll´o la interfaz de usuario y finalmente se
realizaron pruebas de funcionamiento comparandolo con el m´etodo tradicional de control de
vuelo por medio de una persona [1].
9
 En el trabajo de titulaci´on [19] se propone el disen˜o de un c´odigo de programaci
´on que detecte las sen˜ales de transito mediante visi´on artificial, para el procesamiento
de imagenes se utiliz´o OpenCV (Biblioteca de vision artificial de c´odigo abierto) que
detecta las imagenes en color RGB por lo que se transforma a Matiz, Saturaci´on, Brillo
(HSV) empleando un espacio de color amarillo para la visualizacion de la sen˜al. Para la
detecci´on de objetos se utiliz´o el m´etodo Haar Cascade que combinado con la detecci´on
de las imagenes hizo posible el entrenamiento al clasificador para lograr un mayor
discernimiento de positivos y negativos, las pruebas y procedimientos que se llevaron a cabo
en dicho trabajo son de importancia para
el desarrollo del proyecto de investigaci´on propuesto. En el trabajo de titulaci´on
“DISEN˜ O
CONSTRUCCIO´ N E IMPLEMENTACIO´ N DE UN CUADRICO´ PTERO AUTO´
NOMO DE VIDEOVIGILANCIA EN LA CDLA SIXTO DURA´ N DE LA CIUDAD DE
RIOBAMBA” se implement´o un cuadricoptero con un smartphone para la captura y envi
´o de imagenes a la interfaz de usuario, sin embargo no se tom´o en cuenta la calidad de
imagen, intensidad de sen˜al, potencia de transmisi´on y u´nicamente se analiz´o la calidad
de la imagen respecto a la distancia, con ello se determin´o la distancia maxima y m´ınima a
la cual se pudo desplegar el prototipo en el caso de estudio [20].

5. Metodolog
´ıa

5.1. Tipo de Investigacion

Para el desarrollo del proyecto de investigaci´on se usar´an los siguientes tipos de

investi- gaci´on:
Investigaci´on Descriptiva: Se recolectar´an las imagenes en tiempo real de personas
en varios escenarios.
Investigaci´on Explicativa: Se establecer´a el algoritmo para el procesamiento,
caracte- rizacion e identificacion de personas.
Investigaci´on Documental: La propuesta de este proyecto se basa en estudios
anterio- res de tesis y art´ıculos cient´ıficos que determinan los conceptos y m´etodos a
seguir respecto a los algoritmos de inteligencia artificial mediante el procesamiento de
imagenes.

10
 Investigaci´on Experimental: Se implementar´a el algoritmo de detecci´on de
personas con el uso de una camara Web para determinar el funcionamiento del prototipo.

10
5.2. T´ecnicas

Fuentes de recopilacion de informaci´on: La investigaci´on de varias fuentes bibliogr

´aficas permitir´a determinar mediante experiencias previas el algoritmo que mejor se
acople a las necesidades, como ya se sabe la deteccion de personas depender´a mucho de la
capacidad del hardware y de ambientes externos, por lo que ser´a necesario definir el
algoritmo que permita evitar errores al momento de la operaci´on del sistema de detecci
´on, por ello la recopilaci´on, citas y referencias se encuentran detalladas en este proyecto.
Observacion: La t´ecnica de observacion se emplear´a para la recolecci´on de las imagenes
de modo que sea posible disen˜ar e implementar el algoritmo adecuado que permitir´a la
detecci´on de personas y a la vez evitar los falsos positivos para minimizar los errores en el
sistema.

5.3. Poblacion y Muestra

5.3.1. Poblacion

La poblacion estar´a compuesta por la extracci´on de caracter´ısticas de las imagenes

(pixeles- vectores), que estas seran medidas y nos permitir´an el estudio, para la detencion
del distan- ciamiento de las personas.

5.4. Muestra

La muestra se tomar´a de la poblacion definida anteriormente.

5.5. Definicion de Hipotesis

¿El desarrollo de un prototipo de detecci´on de personas usando inteligencia artificial

permitir´a controlar el distanciamiento social en la zona comercial de Pelileo?

5.6. Operacionalizaci´on de Variables

5.6.1. Variable Independiente

Algoritmo de Inteligencia Artificial

5.6.2. Variable Dependiente

Sistema de Deteccion de Personas

11
 Variable dependiente Concepto Indicadores Instrumentos
- Recopilacion de
El sistema nos permitir´a la - Video (mp4-avi)
Sitema de Deteccion de perso- datos
re- copilaci´on de imagenes - Imagenes (jpg-
nas - c´amara
de la camara web. png)

Variable independiente Concepto Indicadores Instrumentos

El algoritmo de inteligencia
artificial tendr´a la funci - Distncimiento
´on de procesar (extraer las - Sonido
- Computadora
Algoritmos de Inteligencia Ar- ca- racter´ısticas) las - Mensajes
- C´amara de video
tificial imagenes obtenidas del sistema - Distancia
- Matlab
de detecci´on.

Cuadro 1: Operacionalizaci´on de variables

Es importante acotar que las imagenes ser´an obtenidas de varios escenarios como:
aglome- racion de personas, personas en movimiento, zonas con objetos entre personas con el
objetivo de recolectar la mayor cantidad de imagenes de personas y objetos para lograr
entrenar al sistema para la clasificacion de imagenes.
El disen˜o del plan o fases que se desarrollar´a para la ejecuci´on del proyecto se
describe en la Figura 6. Esta consta de 4 fases que se complementan entre s´ı para llegar al
objetivo general, que es el control del distanciamiento de las personas en el sector comercial
del barrio el tambo del canto Pelileo.
En la primera fase necesitamos una gran gama de temas relacionados bibliogr
´aficamente, para tener en claro lo que se proceder´a a desarrollar en el trabajo, tambi
´en en esta fase se necesita ya tener todos los requerimientos de hardware y software
para el sistema de
comunicacion propuesto.
La segunda fase, se realizar la recolecci´on y procesamiento de datos en el cant´on Pelileo

12
barrio el tambo, se tomar´a una gran cantidad de grabaciones (videos), los cuales ser´an
proce- sados, analizados para poder subdividirlos en una secuencia de imagenes, las cuales
entraran

13
 Figura 6: Proceso de la investigaci´on

en el algoritmo seleccionado previo a un estudio, se escoger´a el que mejor se acople a

nuestro tema de investigacion y nos permita la detecci´on de las personas.
En la tercera fase una vez ya recopilado todos los datos y est´en dentro de nuestro
sistema, se proceder al entrenamiento de nuestro sistema, el cual involucra el algoritmo de
inteligencia artificial que escogeremos en la fase dos, y nos permitir´a mediante el estudio de
las carac- ter´ısticas de las imagenes ya aprendidas, a controlar el distanciamiento social y
poder emitir un mensaje en la interfaz del sistema, sea que se encuentren en una distancia
segura o no lo est´en. Una vez realizado el entrenamiento vamos al despliegue del prototipo
y ha evaluar mediante pruebas en diferentes lugares del sector con presencia de personas.
Finalmente en la fase cuatro, ya realizadas las pruebas podremos emitir resultados de
los analisis, que se obtendr´an del conjunto de datos que hemos seleccionado. Dando as´ı
las conclusiones y recomendaciones que se podr´ıan emitir para posteriores trabajos.

5.7. Escenario de Prueba

A continuaci´on, se presenta el escenario de prueba donde se evaluar´a los resultados

finales. El escenario de prueba se realizara en el sector comercial el Tambo del Cant´on
Pelileo como podemos observar en la figura 7, para lo cual se necesitara la conexi´on de un
camara de vigilancia, igualmente un computador el cual tenga instalado el software Matlab
y segui- damente implementar el algoritmo encargado de realizar el proceso de an´alisis
detecci´on y control del distanciamiento social, el cual luego procede a enviar un mensaje
en la interfaz
14
 Figura 7: Escenario de Prueba

de una aplicacion.

6. Presupuesto y cronograma del traba jo investigativo

6.1. Presupuesto

En el Cuadro 2, se detalla el costo de los equipos, que se van a utilizar en la implantaci

´on, del escenario de prueba.

14
 Material Cantidad Valor unitrio Vlor totl(USD)
Impresiones y copias 1 20 d´olares 20
Anillado 2 10 Dolares 20
Empstdo 2 10 D´olares 20
Gastos varios (implementos
1 50 50
electronicos, movilizacion)
Camara IP 1 40 40
Licencia Matlab 1 55 55
TOTAL 205 d´olares

Cuadro 2: Financiamiento del Sistema

6.2. Cronograma del Traba jo Investigativo

El cronograma se muestra en el cuadro 3, donde se distribuyo 400 horas para la elabora-

cion del sistema de deteccion de personas y el control de distanciamiento mediante algoritmos
de inteligencia artificial.

15
 Semanas Horas
Actividades
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Planificar y Obtener el
25 horas
material bibliografico
Estudio del estado del
arte y Redaccion del 50 horas
Cap´ıtulo I
Estudio de los tipos de
algoritmos de inteligen- 50 horas
cia artificial
Analisis y estudio del
estandar de comunica-
25 horas
cion para obtener las
im
´agenes
Recoleccion y procesa-
25 horas
miento de imagenes
Implementacion del al-
goritmo para la detec-
cion y reconocimiento 100 horas
de personas, Entrena-
miento de la red
Redaccion del Cap´ıtulo
25 horas
II
Realizar pruebas de fun-
cionamiento y Analizar 50 horas
los datos
Redaccion del Cap
´ıtu- lo III,Determinar
las conclusiones y 50 horas
recomen- daciones
,Redaccion
Total 400 horas

Cuadro 3: Cronograma de actividdes de trabajo

16
7. BIBLIOGRAFIA

Referencias

[1] K. F. Morales Bustillos, “Ph. d. aguilar castillo, wilbert geovanny,” Sangolqu

´ı:Universi-
dad de las Fuerzas Armadas - ESPE, 2021.

[2] M. A. Auquilla Cayambe and J. A. Andrade Cuasquer, “Desarrollo de un prototipo de

una aplicacion movil h´ıbrida de reconocimiento facial para la dinased de la ciudad de
riobamba.” B.S. thesis, Escuela Superior Polit´ecnica de Chimborazo, 2018.

[3] J. C. De Alfonso Julia, “Dron de vuelo aut´onomo con reconocimiento basado en inteli-
gencia artificial,” Madrid,Universidad Complutense de Madrid, 2020.

[4] B. de enfermedad por coronavirus (COVID-19): orientaciones para el pu´blico,

“Brote de enfermedad por coronavirus (covid-19): orientaciones para el pu´blico,”
Emergencias Sanitarias, 2020.

[5] AME, “Pelileo ‘la ciudad azul’, tierra que viste al ecuador,”
url[Link] Feb. 2022.

[6] G. Systems, “Vms & deteccion de personas,” url[Link]

deteccion-de-personas, May 2020.

[7] M. S. Romero, “Yi techonology presenta su nueva c´amara de seguridad con detecci
´on de intrusos,” url[Link]
camara- seguridad-deteccion-reconocimiento-facial-651697, Sep. 2022.

[8] ECU911, “Camaras de videovigilancia,” url[Link]

videovigilancia/, May 2022.

[9] M. Viscaino, L. Antonio, J. A. Viteri Basantes, P. D. A. Castillo, and W. Geovanny,

“Sistema de patrullaje de drones para detecci´on de personas en espacios
restringidos,” Sangolqu´ı:Universidad de las Fuerzas Armadas - ESPE, 2022.

[10] COE, “Resoluciones coe nacional,” url[Link]

content/uploads/2022/02/Coe-Nacional-Resolucion-miercoles-9-de-febrero-del-
[Link], Feb. 2022.

17
[11] B. R. Ortega, R. R. Biswal, and E. S´anchez-Delacruz, “Detecci´on de enfermedades en
el sector agr´ıcola utilizando inteligencia artificial.” Res. Comput. Sci., vol. 148, no. 7,
pp.
419–427, 2019.

[12] S. Grijalva, “Sistema de navegacion aut´onomo basado en visi´on para pistas de

carreras de drones con marcas de superficie,” Ph.D. dissertation, Tesis de Pregrado,
Universidad de las FUerzas Armadas ESPE, 2018.

[13] N. Bhattarai, T. Nakamura, and C. Mozumder, “Real time human detection and locali-
zation using consumer grade camera and commercial uav,” Preprints, 2018.

[14] P. Baeck, N. Lewyckyj, B. Beusen, W. Horsten, and K. Pauly, “Drone based near real-
time human detection with geographic localization,” The International Archives of Pho-
togrammetry, Remote Sensing and Spatial Information Sciences, vol. 42, pp. 49–53, 2019.

[15] [Link], “Maquinas de vectores de soporte (svm),”

url[Link] May 2019.

[16] C. Aguilar, “Sistema de estimacion de nu´mero de personas en tiempo real durante

misio- nes de reconocimiento del ej´ercito ecuatoriano utilizando veh´ıculos a´ereos no
tripulados multirotor,” Sangolqu´ı: Universidad de las Fuerzas Armadas ESPE.
Carrera de Inge- nier´ıa en Electr´onica y Telecomunicaciones, 2018.

[17] C. Rahmad, R. A. Asmara, D. Putra, I. Dharma, H. Darmono, and I. Muhiqqin, “Com-

parison of viola-jones haar cascade classifier and histogram of oriented gradients (hog)
for face detection,” in IOP conference series: materials science and engineering, vol. 732,
no. 1. IOP Publishing, 2020, p. 012038.

[18] L. I. Esp´ın Velasco, “Sistema inteligente de aprendizaje autom´atico mediante el uso de

un veh´ıculo a´ereo no tripulado (uav) para el monitoreo de oidium (sphaerotheca
pannosa) en el cultivo de rosas de exportacion en el ecuador,” Sangolqu´ı:Universidad de
las Fuerzas Armadas - ESPE, 2021.

[19] V. E. Cain Guambo, “Implementaci´on de un sistema de alerta para la prevencion

de accidentes mediante reconocimiento de sen˜ales de tr´ansito y visi´on artificial,” B.S.
thesis, Riobamba Universidad Nacional de Chimborazo, 2021.

18
[20] R. A. Samaniego Tello, “Disen˜o construcci´on e implementaci´on de un cuadric
´optero autonomo de videovigilancia en la cdla sixto dur´an de la ciudad de
riobamba.” B.S. thesis, Universidad Nacional de Chimborazo, 2018, 2018.

8. ANEXOS

19