Diseño, desarrollo y construcción de un sistema de identificación de eventos sobre elprocesado de imágenes de diferente naturaleza

Abstract

En un contexto donde la seguridad física de las instalaciones industriales es cada vez más importante, la necesidad de una solución automatizada de detección e identificación de intrusos es crucial.

Este trabajo presenta un enfoque escalable y reproducible para identificar intrusos en instalaciones industriales mediante la detección de objetos en vídeos de cámaras de videovigilancia, la transmisión de estas a un clúster centralizado y el empleo de diversos modelos de aprendizaje profundo supervisado dentro del marco CLIP (Contrastive Language-Image Pre-Training), complementados con modelos lingüísticos de gran tamaño (LLM).

El sistema detecta eficazmente objetos en grabaciones, envía estas detecciones mediante MQTT (Message Queuing Telemetry Transport) y las clasifica con el uso de varios algoritmos.

In a context where the physical security of industrial facilities is increasingly important, the need for an automated solution for detecting and identifying intruders is crucial.

This work presents a scalable and reproducible approach to identify intruders in industrial installations through object detection in surveillance camera videos, transmitting these detections to a centralized cluster, and employing various deep learning (DL) models within the CLIP (Contrastive Language-Image Pre-Training) framework, complemented with large language models (LLM).

The system effectively detects objects in recordings, sends them via MQTT (Message Queuing Telemetry Transport), and then they are classified using various algorithms.