Módulo de software que implementa procesamiento digital de imágenes y técnicas de inteligencia artificial, para el análisis de imágenes en condiciones de baja luminosidad, para reconocimiento de presencia de personas. Trabajo de grado

Abstract

RESUMEN : Se presenta el desarrollo de módulo de software que utiliza técnicas de procesamiento digital de imágenes y algoritmos de inteligencia artificial para detectar la presencia de personas en condiciones de baja luminosidad. El problema central abordado es la dificultad de identificar personas en imágenes con baja luminosidad, mediante redes neuronales convolucionales. El objetivo principal es crear un software capaz de mejorar la visibilidad y precisión en la detección de personas bajo estas condiciones. El desarrollo del módulo se estructura en varias fases: un banco de pruebas diseñado en Python, en donde se simulan diferentes condiciones de iluminación degradando las imágenes de entrada, y la aplicación de métodos de procesamiento como la Ecualización del Histograma Global (HE), Ecualización de Histograma Adaptativo Limitado por Contraste (CLAHE) y Retinex Multi Escala con Restauración de Color (MSRCR). La detección de personas se lleva a cabo utilizando la red neuronal convolucional YOLO (You Only Look Once). Los resultados muestran que HE es un método eficiente por su liviano. CLAHE, presenta una mejora local significativa, pero mantiene gran parte de la degradación de entrada y MSRCR es el método más robusto, en donde mejora significativamente la calidad de las imágenes y la precisión en la detección de personas en diversas condiciones de baja luminosidad. El estudio concluye que el módulo desarrollado puede ser una herramienta efectiva en el campo de la visión por computadora, seleccionando el procesamiento que más se adecue a las condiciones del escenario de implementación, con aplicaciones potenciales en la vigilancia y seguridad.