Sistema CCTV con alerta temprana y reconocimiento de armas de fuego utilizando machine learning
No Thumbnail Available
Files
Date
2025-02
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones
Abstract
The continuous increase in insecurity in Ecuador is reflected annually through various criminal activities, with armed assaults and kidnappings in homes being the main focus of this analysis. In this context, a study was conducted aimed at designing a system based on machine learning techniques for the identification of firearms used in home assaults. The primary goal of the system is to generate early alerts to expedite the intervention of the relevant authorities.
The system comprises three stages: acquisition, processing, and visualization. In the data acquisition stage, a Closed-Circuit Televisión consisting of two 2MP cameras and a Hilook brand Digital Video Recorder is used to capture frames in real time. The captured data is sent to the NVIDIA JETSON NANO microcomputer for further processing. The system was developed in Python, and Yolov5 was selected as the artificial vision model responsible for processing the acquired frames, resulting in the identification of firearms in home assaults or kidnappings. The visualization of the identified elements and the generated alerts is carried out through phone calls and spam messages, providing a detailed description of the situation and the identified object, along with an integrated audible alert.
It's important to highlight that the data is analyzed and transmitted immediately, ensuring an fast response to potential criminal acts. As a result of the tests conducted, the system achieved an effectiveness of 85%.
Description
El aumento continuo de la inseguridad en Ecuador se refleja cada año a través de diversos actos delictivos, siendo los asaltos y secuestros con armas de fuego en hogares el foco principal de este análisis. En este marco, se llevó a cabo una investigación orientada a diseñar un sistema basado en técnicas de machine learning para la identificación de armas de fuego utilizadas en asaltos a hogares. Generar alertas tempranas es el objetivo primordial del sistema, con el fin de acelerar la intervención de las autoridades correspondientes.
El sistema está compuesto por las etapas de adquisición, procesamiento, y visualización. En la etapa de adquisición de datos, se emplea un Circuito Cerrado de Televisión, conformado por 2 cámaras de 2MP, y un Grabador de Video Digital marca HiLook para la obtención de frames en tiempo real. Los datos captados son enviados al microordenador NVIDIA JETSON NANO para su posterior procesamiento. El sistema se desarrolló en Python y Yolov5 fue el modelo seleccionado como algoritmo de visión artificial, este el encargado de procesar los frames adquiridos, obteniendo como resultado la identificación de armas de fuego en asaltos o secuestros dentro de hogares. La visualización de los elementos identificados y las alertas generadas son emitidas a través de una llamada telefónica proporcionando una descripción detallada de la situación y objeto identificado, además de una alerta sonora incorporada.
Es importante resaltar que los datos son analizados y transmitidos de forma inmediata, garantizando una respuesta rápida frente a posibles actos delictivos. Como resultado de las pruebas realizadas, se alcanzó una efectividad del 85%.
Keywords
ROBOS, SECUESTROS, Yolo V5, ARMAS