Educación en cultura ciudadana sobre bandas transportadoras peatonales mediante visión por computadora

Abstract

Este proyecto propone un sistema de monitoreo de bandas transportadoras peatonales en espacios públicos para mejorar la movilidad mediante el cumplimiento de normas de uso, como mantener libre el lado izquierdo para quienes exclusivamente desean avanzar y así evitar congestiones provocadas por la obstrucción de este carril, todo esto es logrado utilizando visión por computadora. El sistema identifica y clasifica el comportamiento de los usuarios, incentivando el uso correcto de las bandas, por medio de un sistema de premio/castigo visual que funciona colocando de color verde a la persona que use de manera correcta la banda y de color rojo la persona que no. Para el procesamiento, se emplean modelos de detección de personas, basados en redes neuronales de tipo Multi-Task Cascaded Convolutional Neural Networks -MTCNN- con el lenguaje Python, a fin de gestionar en tiempo real el flujo peatonal. Se implementan métricas de precisión, exhaustividad y índice F1 (F1-score) para evaluar el desempeño del sistema de detección, logrando un 92% en la clasificación correcta del uso adecuado de los carriles. Este sistema busca concientizar a los usuarios sobre la importancia del respeto a estas normas, promoviendo una convivencia armónica en espacios de alta concurrencia.

This project proposes a monitoring system for pedestrian conveyor belts in public spaces to improve mobility by complying with rules of use, such as keeping the left side free for those who exclusively wish to move forward and thus avoid congestion caused by the obstruction of this lane, all this is achieved using computer vision. The system identifies and classifies the behavior of users, encouraging the correct use of the bands, through a visual reward/punishment system that works by placing the person who correctly uses the band in green and the person in red. person who doesn't For processing, people detection models are used, based on Multi-Task Cascaded Convolutional Neural Networks -MTCNN- type neural networks with the Python language, in order to manage the pedestrian flow in real time. Precision, recall and F1-score metrics are implemented to evaluate the performance of the detection system, achieving 92% in the correct classification of appropriate lane use. This system seeks to raise awareness among users about the importance of respecting these rules, promoting harmonious coexistence in high-traffic spaces.