Revisión del estado del arte del aprendizaje profundo (Deep Learning) aplicado al análisis y desarrollo de la seguridad ciudadana

Abstract

Este trabajo tuvo como objetivo realizar una revisión bibliográfica del estado del arte de la tecnología Deep Learning aplicada a sistemas de seguridad ciudadana, para proponer una alternativa tecnológica basa en esta estrategia. El trabajo dio inicio con una revisión bibliográfica de proyectos, artículos y publicaciones enfocadas al desarrollo de sistemas de inteligencia artificial basados en esta tecnología, de modo que se identificaron aspectos relacionados a su aparición, evolución, modos de funcionamiento, fortalezas y posibles desventajas, entre otros. Posteriormente, se realizó un análisis de la seguridad en Colombia, para establecer las distintas modalidades de hurto, y de esta manera establecer las características de comportamiento de las modalidades de robo. Finalmente, se plantó una alternativa basada las modalidades de hurto que se emplean a nivel nacional y establecer su uso potencial en la realización de proyectos a futuro índole tecnológica con un esquema prototipo. Se propone un sistema de nodo central Deep Learning para un sistema de videovigilancia con sensores de nodo urbano, que reciban la información de video y se envía al nodo central para su procesamiento. Esto, exigen un gran uso computacional, es por esta razón que, como segunda opción se propone un sistema de arquitectura Rasberry Pi con cámara USB, para cada nodo, lo que permitiría imprentar un algoritmo Deep Learning con un identificador de vector de movimiento MPEG para codificar los comportamientos hurto, y a esto, un filtro de dominio temporal a la salida de la estructura de aprendizaje profundo.