Análisis automático de flujo de vídeo CCTV para la estimación de ocupación de mercancías en entornos portuarios

Use this link to cite
http://hdl.handle.net/2183/31939
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España
Collections
Metadata
Show full item recordTitle
Análisis automático de flujo de vídeo CCTV para la estimación de ocupación de mercancías en entornos portuariosAuthor(s)
Directors
Ramos, LucíaOrtega Hortas, Marcos
Date
2022Center/Dept./Entity
Universidade da Coruña. Facultade de InformáticaDescription
Traballo fin de grao (UDC.FIC). Enxeñaría Informática. Curso 2021/2022Abstract
[Resumen]: La industria portuaria ofrece un elevado potencial para el desarrollo socioeconómico local
y regional por su situación estratégica para el intercambio de mercancías por vía marítima y
terrestre. Con el avance en las tecnologías de la información y las comunicaciones, los puertos
están avanzando hacia infraestructuras denominadas ”Smart Ports” o puertos inteligentes,
que son plataformas para la gestión global e inteligente que permiten la integración y comunicación
entre diferentes sistemas, facilitando la automatización de procedimientos complejos.
En este contexto, dado el volumen de tráfico y mercancías, las tareas de vigilancia de las
zonas de almacenamiento es crucial para garantizar la seguridad y la eficiencia en la operativa
diaria del puerto. La monitorización activa de las zonas de ocupación de superficies es una
tarea que consume tiempo y recursos, por lo que disponer de un sistema automático para este
proceso proporcionaría una herramienta útil y fiable de apoyo a la videovigilancia.
En este proyecto se propone un sistema automático basado en técnicas avanzadas de procesado
de imagen e inteligencia artificial para la estimación de los porcentajes de ocupación
de carga a partir de imágenes obtenidas por las cámaras Closed-Circuit Television (CCTV)
en zonas de interés definidas en instalaciones portuarias. Con este fin, por un lado se consideran
aproximaciones basadas en técnicas clásicas de aprendizaje máquina y por otro lado,
se propone el uso de técnicas basadas en deep learning. Para determinar qué método es más
apropiado para abordar este problema se ha realizado un estudio del impacto de diferentes
configuraciones con conjuntos de datos formado por imágenes capturadas por las cámaras
CCTV de diferentes instalaciones portuarias. Se ha realizado un análisis comparativo y se ha
seleccionado el método que mejores resultados proporciona para este dominio de aplicación.
Adicionalmente, el método seleccionado ha sido integrado en un servicio de videovigilancia
proporcionando una herramienta de apoyo que permite la monitorización fiable y objetiva de
las zonas de ocupación de superficie en un entorno real. [Abstract]: The port industry offers a high potential for local and regional socio-economic development
due to its strategic location for the exchange of goods by sea and land. With the advances
in information and communication technologies, ports are moving towards infrastructures
known as ”Smart Ports”, which are platforms for global and intelligent management that allow
integration and communication between different systems, facilitating the automation of
complex procedures.
In this context, given the volume of traffic and goods, the surveillance of storage areas is
crucial to guarantee security and efficiency in the port’s daily operations. The active monitoring
of surface occupation zones is a time-consuming and resource-intensive task, so having
an automatic system for this process would provide a useful and reliable tool to support video
surveillance.
This project proposes an automatic system based on advanced image processing and artificial
intelligence techniques for estimating the percentages of cargo occupancy from images
obtained by Closed-Circuit Television (CCTV) cameras in defined areas of interest in port
facilities. To this end, on the one hand, approaches based on classical machine learning techniques
are considered and, on the other hand, the use of techniques based on deep learning is
proposed. In order to determine which method is more appropriate to address this problem, a
study of the impact of different configurations with datasets composed of images captured by
the CCTV cameras of different port facilities has been performed. A comparative analysis has
been carried out and the method that provided the best results for this application domain has
been selected. Additionally, the selected method has been integrated into a video surveillance
service providing a support tool that allows the reliable and objective monitoring of surface
occupation zones in a real environment.
Keywords
Visión por Computador
Aprendizaje máquina
Aprendizaje profundo
Videovigilancia
Puertos inteligentes
Procesamiento de imagen
Computer vision
Machine learning
Deep learning
Surveillance
Smart Ports
Image processing
Aprendizaje máquina
Aprendizaje profundo
Videovigilancia
Puertos inteligentes
Procesamiento de imagen
Computer vision
Machine learning
Deep learning
Surveillance
Smart Ports
Image processing
Rights
Atribución-NoComercial-SinDerivadas 3.0 España