Resumen de Comparación multiplaforma de técnicas basadas en visión artificial para detección de personas en espacios abiertos

Carlos Vicente Niño Rondón, Sergio Alexander Castro Casadiego, Byron Medina Delgado, Dinael Guevara Ibarra, Jhon J Ramírez Mateus, Karla Puerto López

• español

  Objetivo: Realizar una comparación multiplataforma entre los algoritmos de las técnicas de sustracción de fondo y de detectores en cascada por medio de una computadora personal y una placa Raspberry Pi 3B+ con Windows 10 y Debian GNU/LINUX respectivamente, en lenguaje de programación Python 3.7. Metodología: Se proponen tres etapas correspondientes a las mejoras en la imagen de video, la implementación de las técnicas de detección de personas y la evaluación del rendimiento de los algoritmos de dichas técnicas respecto al tiempo de respuesta, espacio de memoria requerido y aciertos en las detecciones. Resultados y discusión: La técnica de sustracción de fondo presenta una exactitud de 89.7% mientras que dicho valor para la técnica de detectores en cascada corresponde al 93.65%. Así mismo, la técnica de sustracción de fondo presenta mejor comportamiento respecto al tiempo de respuesta obteniendo 0.5934 segundos para Windows y 2.6338 segundos para Linux. La técnica de detectores en cascada mejora el requerimiento de espacio disponible en las dos plataformas con 1.1389 GB y 0.3776 GB para el computador personal y la placa Raspberry Pi 3B+ respectivamente. Conclusiones: Tanto la técnica de sustracción de fondo como la técnica de detectores en cascada responden 5 veces más rápido en la computadora personal que en la placa Raspberry Pi 3B+, por su parte, el espacio de memoria requerido por la técnica de sustracción de fondo es 26.28% y 55% superior al espacio requerido por la técnica de detectores en cascada en el computador personal y en la placa Raspberry Pi 3B+ respectivamente.

• English

  Objective: To carry out a multiplatform comparison between the algorithms of the background subtraction techniques and cascade detectors using a personal computer and a Raspberry Pi 3B+ board with Windows 10 and Debian GNU/LINUX respectively, in Python 3.7 programming language. Methodology: Three stages are proposed corresponding to the improvements in the video image, the implementation of the techniques of detection of persons and the evaluation of the performance of the algorithms of these techniques with respect to the response time, required memory space and hits in the detections. Results and discussion: The background subtraction technique has an accuracy of 89.7% while this value for the cascade detector technique corresponds to 93.65%. Likewise, the technique of background subtraction presents better behavior with respect to the response time obtaining 0.5934 seconds for Windows and 2.6338 seconds for Linux. The cascade detector technique improves the available space requirement on both platforms with 1,1389 GB and 0,3776 GB for the PC and Raspberry Pi 3B+ board respectively. Conclusions: Both the background subtraction technique and the cascade detector technique respond 5 times faster on the PC than on the Raspberry Pi 3B+ board, while the memory space required by the background subtraction technique is 26.28% and 55% higher than the space required by the cascade detector technique on the PC and Raspberry Pi 3B+ board respectively.