MODELO PARA LA DETECCIÓN AUTOMÁTICA DE LA ACTIVIDAD HUMANA: “CORRER” USANDO REDES NEURONALES (MODEL TO THE AUTOMATIC DETECTION OF HUMAN ACTIVITY: “TO RUN” USING NEURAL NETWORKS)

Resumen

Resumen
En este trabajo se presenta la implementación de un modelo entrenado base, capaz de detectar automáticamente acciones corporales; específicamente “correr”, mediante el uso de redes neuronales.
La implementación se construye en cinco etapas principales que son: investigación de metodologías previas, entrenamiento del modelo, diseño e implementación de una base de datos para los resultados, desarrollo de una interfaz para la administración de los resultados de la detección, finalizando con las pruebas de manera integral.
Este prototipo planteado partirá del uso de un par de redes neuronales reentrenadas; uno para la clasificación de frames del video, y el segundo es temporal, que toma en cuenta la cantidad de frames y el tiempo analizado dando como resultado la clasificación de los frames detectados como “Correr” o no.
Dados los resultados obtenidos, este modelo puede ser reentrenado para utilizarse en diversos ámbitos, pero principalmente en tareas de videovigilancia.
Palabras Clave: Detección automática, Inteligencia artificial, Redes neuronales convolucionales, Video vigilancia, Visión por computadora.

Abstract
In this work the implementation a base training model is presented, it is capable of automatically to detect corporal actions, specifically “to run”, by the use of neural networks.
The implementation is built in five main stages that are: research of previous methodology, workout of the model, design and implementation of a data base for the results, development of an interface for the administration of the results of the detection, finalizing with the tests in an integral way.
This proposed prototype will start from the use of a couple of re trained neural network, one for the classification of frames of the video, and the second is temporal, that takes into account the quantity of frames and the analyzed time, giving as result the classification of the detected frames as “to run” or not.
Given the obtained results, this model can be re trained in order to be used in diverse scopes, but mainly in video surveillance tasks.
Keywords: Automatic Detection, Artificial Intelligence, Convolutional Neural Networks, Detection, Video Surveillance, Vision by computing.