Tecnologías Específicas

Computación
Ingeniería de Computadores

Descripcion y Objetivos

Descripción

La evolución actual de la tecnología permite que existan en el mercado microcontroladores (MCUs) con una capacidad de cálculo inimaginables hace unos años. Algunos de estos MCUs ya tienen incorporados no solo sensores ambientales, sino también cámaras de vídeo. Estos avances permiten la emisión de flujos de vídeo en tiempo real, e incluso el tratamiento de las imágenes capturadas en el propio MCU.

Paralelamente, en el ámbito de la visión artificial se ha producido una enorme evolución en los algoritmos utilizados para el análisis de las imágenes, así como la toma de decisiones, siendo en la actualidad un campo de la inteligencia artificial en evolución constante. Muchos de estos algoritmos se han adaptado para poder ser ejecutados en MCUs aprovechando su creciente capacidad de procesamiento.

El procesamiento de las imágenes en los MCUs tiene la ventaja de permitir tomar decisiones en tiempo-real, evitando el retraso y consumo de recursos que conlleva el envío de las imágenes capturadas hasta un centro de datos en el que procesarlas.

Una de las aplicaciones en las que los avances anteriores pueden ser empleados es en el control de aforo mediante visión artificial, el cual se puede aplicar tanto en lugares públicos o privados. Si el cálculo del aforo se puede hacer en el propio MCUs (computación en el borde), se evitan retardos en la transmisión de las imágenes, y por lo tanto en la toma de decisiones. Además, se necesitan menos recursos de red para el despliegue del sistema.

Objetivos

El objetivo general del TFG será el estudio de la viabilidad del empleo de técnicas de visión artificial en un MCU para detectar el aforo de un aula de la Escuela Superior de Ingeniería Informática de Albacete. En concreto se estudiará el empleo de dichas técnicas de visión artificial en dos MCUs diferentes, un ESP32-CAM, y un OpenMV H7 R2.

 

Metodología y Competencias

Metodología y Plan de Trabajo

En un principio se definen las siguientes fases en el plan de trabajo:

1. Estudio de los distintos algoritmos de detección de aforo mediante visión artificial existentes en la bibliografía.

2. Estudio de los dos MCUs a emplear: ESP32-CAM y OpenMV H7 R2

3. Implementación de las técnicas de visión artificial estudiadas en el apartado 1 en los MCUs objeto de estudio.

4. Análisis de prestaciones de las técnicas implementadas en cada uno de los MCUs.

5. Diseño de un proceso completo de captura de datos, entrenamiento, despliegue y evaluación para las posibles aplicaciones de control de aforos.

Competencias.

• Capacidad de trabajar y desplegar sistemas utilizando procesadores específicos y sistemas empotrados, así como desarrollar y optimizar el software de dichos sistemas.

• Capacidad de analizar, evaluar y seleccionar las plataformas hardware y software más adecuadas para el soporte de aplicaciones empotradas y de tiempo real.

• Capacidad para comprender, aplicar y gestionar la garantía y seguridad de los sistemas informáticos.

• Capacidad para analizar, evaluar, seleccionar y configurar plataformas hardware para el desarrollo y ejecución de aplicaciones y servicios informáticos

• [CM1] Capacidad para tener un conocimiento profundo de los principios fundamentales y modelos de la computación y saberlos aplicar para interpretar, seleccionar, valorar, modelar, y crear nuevos conceptos, teorías, usos y desarrollos tecnológicos relacionados con la informática.

• [CM3] Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.

• [CM4] Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.

• [CM5] Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes.

• [CM7] Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

 

Medios a utilizar

• PC
• microcontrolador ESP32-CAM
• cámara con microcontrolador incormporado OpenMV Cam H7 R2
• microcontrolador ESP32

 

 

Bibliografía

• Lee Jackson, ”ESP32-CAM: Machine Vision Tips, Camera Guides and Projects”. Agosto, 2021. https://www.arducam.com/esp32-machine-vision-learning-guide/.

• Damien P. George, Paul Sokolovsky. “Micro-Python documentation or OpenMV v 1.15” OpenMV LLC. Junio, 2021. https://docs.openmv.io/#

• OpenCV. (2015). Open Source Computer Vision Library. https://opencv.org/

• Liciotti, Daniele, et al. "People detection and tracking from an RGB-D camera in top-view configuration: review of challenges and applications." International Conference on Image Analysis and Processing. Springer, Cham, 2017.