TAZ-TFG-2021-055


Análisis y optimización de un pipeline de videovigilancia

Aguado Díez, Borja
Feijoo Cano, Francisco (dir.)

Suárez Gracia, Darío (ponente)

Universidad de Zaragoza, EINA, 2021
Departamento de Informática e Ingeniería de Sistemas, Área de Arquitectura y Tecnología de Computadores

Graduado en Ingeniería Informática

Resumen: En los últimos años, se ha experimentado un desarrollo enorme en el campo de la detección y clasificación de objetos. Ahora es posible dotar a un sistema de videovigilancia de la capacidad de distinguir los objetos que está monitorizando, pudiendo actuar en consecuencia. En parte, este avance ha sido posible gracias a las redes neuronales. Estas se han beneficiado de la enorme cantidad de imágenes etiquetadas disponibles para su entrenamiento y a la gran potencia computacional del hardware actual, lo que ha permitido que las redes neuronales alcancen una gran precisión en la detección de objetos.

Existen muchos modelos de redes neuronales diseñados para tener la mejor precisión. Estos modelos utilizan técnicas novedosas que aumentan poco a poco las necesidades computacionales del modelo, por lo que consiguen avances en precisión cada muy poco tiempo. No obstante, en general, las redes más precisas suelen ser ejecutadas en aceleradores o en GPUs para alcanzar un rendimiento razonable. Sin embargo, en la práctica, no es posible disponer de una GPU de alta gama para cada proyecto de detección de objetos debido a su elevado coste. Además, la precisión que ofrecen es muy elevada, y en muchos casos se puede prescindir de precisión a cambio de reducir la carga computacional.

Este trabajo explora alternativas basadas en redes neuronales a las técnicas de detección existentes en un sistema de videovigilancia, centrándose en la optimización de la red y en el hardware que será capaz de ejecutarla. Se va a centrar en el sistema de videovigilancia de la empresa Buavi.

Las GPUs convencionales consumen mucha energía y ocupan mucho tamaño. No siempre es posible disponer de una GPU para realizar inferencia, por lo que en ciertos entornos es necesario usar CPUs que permitan clasificar objetos con una precisión suficiente a la vez que mantienen el consumo de energía bajo. Normalmente estas soluciones son necesarias en entornos remotos o en equipos ya instalados que no dispongan de GPU u otros aceleradores.

El resultado del trabajo ha sido el despliegue de una red que se puede ejecutar sobre CPU, y que permite detectar personas. La red es capaz de monitorizar varias cámaras a la vez, por lo que se han alcanzado los objetivos planteados al comienzo de este proyecto.


Tipo de Trabajo Académico: Trabajo Fin de Grado

Creative Commons License

El registro pertenece a las siguientes colecciones:
Trabajos académicos > Trabajos Académicos por Centro > Escuela de Ingeniería y Arquitectura
Trabajos académicos > Trabajos fin de grado



Volver a la búsqueda

Valore este documento:

Rate this document:
1
2
3
 
(Sin ninguna reseña)