Sistema contador de personas mediante visión artificial para el laboratorio de electrónica en la UNPRG

Abstract

La elaboración del presente proyecto busca el poder diseñar un sistema el cual por medio de visión por computadora permita estimar el número de personas presentes en el ambiente del laboratorio de la escuela de Ingeniería Electrónica en la UNPRG. Para poder llevar a cabo la tesis se utilizan métodos de procesamientos de imágenes, donde el objetivo es poder identificar los elementos en desplazamiento y ubicarlos, según su punto de partida y el punto donde terminan, en un grupo de entrada o salida. Durante la asignación de los grupos, se va calculando el número de personas mediante la diferencia entre ambos; este dato se compara con el número de aforo permitido e indica si se ha excedido de este. El software fue desarrollado en el lenguaje de programación de Python y hace uso de la librería OpenCV la cual presenta modelos pre-entrenados que operan en imágenes ya sea para la detección, procesamiento, modificación entre otras y la librería Yolov8 la cual es una herramienta que ayuda a la detección de objetos. Finalmente se probó el modelo algunos videos donde existía un flujo direccional de personas en ambos sentidos, comprobando el rendimiento y capacidades del programa desarrollado.

The development of this project seeks to design a system which, through computer vision, allows estimating the number of people present in the laboratory environment of the School of Electronic Engineering at UNPRG. In order to carry out the thesis image processing methods are used where the objective is to be able to identify the moving elements and place them according to their starting point and the point where they end, in an entry or exit group. During the assignment of the groups, the number of people is calculated by the difference between the two; this data is compared with the permitted capacity number and indicates whether it has been exceeded. The software was developed in the Python programming language, and it uses the OpenCV library which offers pre-trained models that operate on images for detection, processing, modification, among others and the Yolov8 library, which is a tool that helps object detection. Finally, the model was tested on some videos where there was a directional flow of people in both directions, checking the performance and capabilities of the developed program.