Sistema de conteo de personas mediante el uso de técnicas de inteligencia artificial en parques de Bogotá D.C. “CESP”

Abstract

Actualmente en el estudio realizado por el Observatorio del Espacio Público de la Defensoría del Espacio Público y la Universidad Piloto de Colombia, se observa que, al estudiar las categorías del espacio público, de permanencia, conexión y protección ambiental, se recolecta información mediante la observación. Según lo anterior, este proceso se realiza manualmente en parejas, la cantidad de grupos o personas depende de las locaciones establecidas para recolectar la información. Lo anterior resulta en imprecisiones, ya que depende del criterio y concentración de cada persona. Por consiguiente, se sugiere como posible solución una red neuronal que sea capaz de analizar videos del espacio público, específicamente parques, con el fin de realizar un conteo de ingreso y salida para lograr la disposición de información precisa y mejorar la toma de decisiones, mediante un prototipo que use una aplicación web, técnicas de inteligencia artificial y el lenguaje de programación Python. En el entrenamiento de la red neuronal se usan dos conjuntos de datos, COCO128 y propio; este entrenamiento se repite 100 veces y se obtienen mejores resultados con el primero de los conjuntos y por tal motivo se selecciona como el predeterminado para cualquier caso. Además, se incluye un tercer conjunto llamado VisDrone para casos de puntos de vista elevados. Siguiendo lo planteado, se realiza un censo usando un video de prueba para analizar el conteo de ingreso y salida comparando el prototipo y el método actual. Esta encuesta de 64 individuos concluye que el 96.87% de las personas fueron imprecisas, ya que se centraban en reconocer una tarea, mientras que el prototipo tuvo un acierto del 100%, lo cual demuestra una mayor precisión. Finalmente, se realiza otra prueba en dos parques, el zonal Gaitán Cortés y de bolsillo Urbanización Atenas. Donde se concluyó que el prototipo tiene un porcentaje de error de 22.2% en un escenario con anomalías (oclusión, baja visibilidad, etc.), mientras que en un entorno adecuado solo un 5.88%. En conclusión, se logró desarrollar un prototipo funcional con una precisión del 94.12% en un escenario óptimo y 77.8% en un escenario desfavorable, con la facilidad de ser aplicado a diferentes entornos, permitiendo extraer datos concretos para que se pueda realizar una mejor toma de decisiones en los parques públicos de Bogotá D.C. Además, se evidencia que hay oportunidades de mejora para el prototipo, proponiendo una fase de optimización que permitió mejorar el conteo en casos puntuales implementando una línea parcial al modificar la librería original mediante la parametrización y configuración del análisis, logrando una contribución satisfactoria en este y proyectos similares que pueden ser una gran evolución futura.

Currently in the study conducted by the Observatorio del Espacio Público de la Defensoría del Espacio Público and the Universidad Piloto de Colombia, it is observed that, when studying the categories of public space, permanence, connection and environmental protection, information is collected through observation. According to the above, this process is carried out manually in pairs, the number of groups or persons depends on the locations established to collect the information. This results in inaccuracies since it depends on the criteria and concentration of each person. Therefore, a neural network capable of analyzing videos of public space, specifically parks, is suggested as a possible solution, in order to perform an entry and exit count to achieve the provision of accurate information and improve decision making, through a prototype that uses a web application, artificial intelligence techniques and the Python programming language. In the training of the neural network two data sets are used, COCO128 and own; this training is repeated 100 times and better results are obtained with the first of the sets and for that reason it is selected as the default for any case. In addition, a third set called VisDrone is included for high viewpoint cases. Following the above, a census is conducted using a test video to analyze the entry and exit count comparing the prototype and the current method. This survey of 64 individuals concludes that 96.87% of the people were inaccurate, since they were focused on recognizing a task, while the prototype was 100% correct, which shows greater accuracy. Finally, another test was carried out in two parks, the Gaitán Cortés zone and the Urbanización Atenas pocket park. Where it was concluded that the prototype has an error percentage of 22.2% in a scenario with anomalies (occlusion, low visibility, etc.), while in a suitable environment only 5.88%. In conclusion, it was possible to develop a functional prototype with an accuracy of 94.12% in an optimal scenario and 77.8% in an unfavorable scenario, with the facility to be applied to different environments, allowing the extraction of concrete data for better decision making in public parks in Bogotá D.C. In addition, it is evident that there are opportunities for improvement for the prototype, proposing an optimization phase that allowed improving the count in specific cases by implementing a partial line by modifying the original library through the parameterization and configuration of the analysis, achieving a satisfactory contribution in this and similar projects that can be a great future evolution.