Algoritmo para la detección automática en tiempo real de trabajadores y maquinarias

Automated detection of workers and heavy equipment on construction sites:

A convolutional neural network approach

Detección automatizada de trabajadores y equipos pesados en sitios de construcción: un enfoque de red neuronal convolucional.

Weili Fanga,b, Lieyun Dinga,b, Botao Zhonga,b,⁎, Peter E.D. Lovec, Hanbin Luoa,b

En este artículo se presenta un algoritmo para la detección automática en tiempo real de trabajadores y maquinarias, con el fin de estimar la cantidad de operadores y maquinarias activas en un frente de trabajo. El algoritmo que se emplea esta basado en (IFaster R-CNN), que comprende: 1º el conjunto de datos de establecimiento de trabajadores y equipo para entrenar a la CNN. 2º extracción de mapas de características de imágenes usando el modelo profundo; 3º extracción de una propuesta de región a partir de mapas de características; 4º reconocimiento de objetos. Los resultados revelen que el IFaster R-CNN puede detectar la presencia de trabajadores y excavadoras con un alto nivel de precisión (91% y 95%)

Este articulo me puede servir para estimar la cantidad de operarios que tengo en un lugar específico para una tarea especifica dentro de la obra, y así puedo monitorear como es el avance de esa cuadrilla, si es que requiero de mayor personal o tengo alguna persona que no este realizando de manera correcta el trabajo indicado. Además, cabe destacar que puedo obtener esta información en tiempo real, lo que se debe realizar con anticipación es entrenar a la maquina ingresándole un set de datos (videos) para que puede reconocer que es una persona o que es una maquinaria, pese a que no es de los mas rápidos algoritmos, es uno de los mas precisos cuando se requiere identificar un objeto especifico.

Este articulo explica de manera clara y concisa cómo funciona la detección de objetos en tiempo real mediante IFaster R-CNN, por medio de ensayos con resultados satisfactorios en el caso de personal de trabajo, el cual es el caso de interés personal. Además, se podría utilizar una cámara móvil, como puede ser un DRON, para la captura de datos. También tiene un excelente potencial para detectar automáticamente acciones inseguras (detección de uso de casco). Cabe destacar que para poder utilizar este tipo de metodologías primero se debe entrenar el algoritmo ingresando set de datos con el fin de tener un resultado en pruebas satisfactorios.

...