SMART UJ: Control de aforo por métodos de visión por computador

Autores

Diego Alejandro Gómez Parra Erika Alejandra González Solano Leonel Steven Londoño Londoño

Director

Manuel Ricardo Pérez Cerquera

Ante los últimos años de la pandemia por COVID-19, existe un problema recurrente que es el control del aforo de personas dentro de diferentes lugares para mantener el distanciamiento social y reducir la posibilidad de contagio. Esta problemática es en la que se ha centrado este trabajo de grado, donde, a través de una curva de aprendizaje muy pronunciada, se utiliza la inteligencia artificial para detectar y contar personas con el fin de estimar el aforo dentro de los espacios universitarios.

Para lo anterior, se evaluaron una variedad de métodos de detección de objetos que fueron respectivamente entrenados con etiquetas e imágenes de espacios académicos, y posteriormente comparados según sus resultados en tiempo real. Esto con la finalidad de identificar cual arrojaba los mejores resultados respecto a porcentaje de personas contadas acertadamente.

El modelo escogido fue Yolov5 que fue posteriormente unificado con una arquitectura de servicios que permitía procesar el número adquirido del algoritmo y posteriormente ser expuesto en un endpoint para el respectivo consumo a través de una aplicación móvil, la cual según el ID de salón, permitía suscribir al usuario a las alertas de dicho espacio y recibir una notificación en caso que el aforo fuese sobrepasado.