Distancia social y uso de mascarillas en las calles

[frankhuaricacha]

1. Descripción:
   En el contexto actual en el que vivimos la pandemia nos ha llevado a tener ciertas reglas de convivencia social entre las cuales se encuentra el distanciamiento social, el cual nos indica que una persona debe estar alejada de otra a 1.5 m de distancia; además, también se recomienda el uso de mascarillas para disminuir los índices de contagios del COVID-19 a nivel mundial.
   Realizar el monitoreo y control ha sido un trabajo muy arduo para la autoridades de diferentes países los cuales en algunos no ha sido del todo favorable puesto que los índices de contagio y fallecidos se han disparado en principales países como Estados Unidos, Brasil y Perú.
   En otros países el distanciamiento y el cuidado a través de mascarillas ha disminuido el índice de contagios además el proceso de cuarentena también ha incurrido en el control de este nuevo virus. Para el desarrollo de los siguientes trabajos lo que se busca es realizar el control adecuado de las personas en las calles con el objetivo de disminuir el índice de contagios, esto es mantener una distancia social de persona a persona e indicar si una persona está usando mascarilla en el caso de que no sea así el sistema permitirá alertar a las autoridades principales como la policía, con el objetivo de mejorar con el control y monitoreo de estas personas. Se busca utilizar herramientas como de Deep Learning y el raspberry Pi para realizar un control adecuado y la conexión a los diferentes modelos de inteligencia artificial.
   
   
   
2. Herramientas:
   1. Distanciamiento social:
      Para el control de distanciamiento social se utiliza una cámara que está conectado a un Raspberry Pi el cual ha sido entrenado a través de una arquitectura de MobileNetV2 como un modelo para la detección de la instancia de personas a persona, además el proceso también involucra el SSD MultiBox Detector, una arquitectura de red neuronal que ya ha sido entrenada en una gran colección de imágenes como ImageNet y PascalVOC para la clasificación de imágenes de alta calidad.
      La arquitectura este modelo no permite realizar diferentes fórmulas para hallar la distancia focal que existe de una persona a la cámara además determinar la posición en la cual se encuentra cada objeto es decir cada persona para ello se utilizan coordenadas x, y, z para determinar a qué distancia se encuentra un objeto otro es decir qué distancia se encuentra una persona de otra el caso es que la distancia sea menor a 2 metros los objetos en visión Serán rodeados por un cuadro rojo el cual indicará que estas personas no tienen una distancia social determinada y ello arrojaría como una alerta para el control adecuado.
      
      
      
   2. Uso de Mascarilla:
      Se utiliza sobre el modelo SSD previamente entrenado para la detección de rostros con la arquitectura mobileNet V2, El cual facilita la implementación Raspberry Pi usando un conjunto de datos de aproximadamente 3165 imágenes en las cuales están entre personas que utilizan mascarillas y personas que no utilizan mascarillas la clasificación binaria nos permite realizar una clasificación adecuada de todas las entradas que serán Ingresa a través de la cámara conectar raspberry pi, esto nos permitirá clasificar en tiempo real si una persona utiliza la mascarilla o no lo está utilizando. La alarma adecuada para este modelo se indica que si hay un grupo determinado 20 personas no utilizan mascarilla arrojará una alerta a las autoridades correspondientes para el control y la correcta acción para un control de rebrote del virus COVID 19, además también se indica que mediante un cuadro rojo las personas que utilizan mascarillas esto con el fin de terminar a tiempo real cuál será la decisión a tomar por una autoridad adecuada.
3. Resultados:
   En el sistema propuesto se siguen cuatro pasos, tales como:
   1) Recopilación y procesamiento previo de datos: En esta etapa se realiza la recolección de los diferentes datos para procesamiento y entrenamiento de los modelos esto con el objetivo de tener una mayor data que nos permita realizar un tratamiento adecuado y obtener una precisión mucho más exacta.
   2) Desarrollo y formación de modelos: Se utilizarán diferente modelo pre entrenado y se mejorará la eficacia de la arquitectura de estos con el objetivo de mejorar en la precisión.
   3) Prueba de modelo: El sistema detecta el distanciamiento social puntuación de precisión del 91,7% con puntuación de confianza 0,7 y para el uso de mascarillas valor de precisión 0,91 y el valor de recuerdo con FPS = 28,07 en la cámara conectada al Raspberry pi.
   4) Implementación del modelo: El sistema implementado actuó en dos etapas en la primera etapa envía una alerta a las autoridades cuando una persona no utiliza correctamente una mascarilla la segunda etapa es cuando una persona que pueda que tenga una maestría o no la tenga no cumplir con el distanciamiento social y 2 metros como indican las autoridades de salud
   
   
   
4. Conclusiones:
   El uso de este sistema no permite realizar un mayor control en la actualidad ya que no se cuenta con muchos policías en las calles el cual permitan realizar el control adecuado de las personas además en el contexto que nos encontramos. Además esto no permite realizar una disminución en la carga laboral de los policías y ellos pueden dedicarse al auxilio rápido de personas que se encuentran en riesgo su vida o en situaciones como la seguridad ciudadana ya que los índices de la delincuencia están regresando a su punto normal. El sistema implementado en los trabajos es de bajo costo y permite salvar muchas más vidas reduciendo el índice contagio y tomando las recomendaciones indicadas por ministerios de salud el mundo.
   
   
   
5. Referencias:

   1. https://d1wqtxts1xzle7.cloudfront.net/6 ... GGSLRBV4ZA

   2. https://www.ijraset.com/fileserve.php?FID=30560

[vatapap111]

Hola Frank, que interesante.. donde puedo seguir leyendo sobre el detalle de esta investigación? existe alguna implementación de esto? saludos!