Implementación de un sistema de localización de personas en interiores mediante cámaras omnidireccionales usando arquitecturas ResNet

La localización y detección visual de personas en interiores se ha convertido en un área de estudio muy interesante a causa de sus múltiples aplicaciones y usos durante estos últimos años. El sistema propuesto incorpora una gran novedad debido a la utilización de cámaras omnidireccionales para la captación de las imágenes. La ventaja de este tipo de cámaras frente a las cámaras convencionales es que, en espacios interiores, una única cámara omnidireccional puede cubrir una superficie mayor que una cámara convencional. Sin embargo, las cámaras omnidireccionales tienen un inconveniente, añaden alta distorsión geométrica en la imagen. Esto implica distintos retos adicionales en cuanto al diseño para el correcto funcionamiento del sistema de localización. El estudio sobre el estado del arte de las técnicas aplicadas a la detección visual de personas y el prometedor rendimiento y precisión de las redes neuronales profundas, ha sido clave para el desarrollo del sistema propuesto. Su implementación consta de dos etapas funcionando conjuntamente. Una de ellas se encarga de proponer distintas regiones de la imagen candidatas a contener una persona basándose en la extracción de mapas de características sobre la imagen. La otra etapa, a partir del mapa de extracción de características anterior, indica si cada una de estas regiones contiene a una persona o no. Ambos procedimientos se apoyan en una arquitectura ResNet basada en un aprendizaje residual entre las distintas capas de la red. A los problemas ocasionados por la distorsión geométrica añadida por las cámaras omnidireccionales, se ha de tener en cuenta la necesidad de adaptación del sistema ante factores tales como oclusiones, variabilidad en la apariencia de las personas, distintos patrones de movimiento de éstas o cambios en la distribución del entorno. La eficacia y rendimiento del sistema quedan probados con los resultados finales obtenidos tras la evaluación del mismo sobre un conjunto de imágenes pertenecientes a una base de datos propia generada en el laboratorio