Fase 3 – Estructurar el diseño metodológico

Rodrigo Devia Rueda

Programa de Ingeniería Electrónica

Escuela de Ciencias Básicas Tecnología e Ingeniería

Universidad Nacional Abierta y a Distancia

203059_25: Proyecto de grado

Tutor: Carlos Alberto Mera Romero

20 de marzo de 2023
 Tabla de Contenidos

Introducción.....................................................................................................................................2

Líneas y grupos de interés investigativo......................................................................................3

La idea para la investigación aplicada.........................................................................................3

Planteamiento del Problema........................................................................................................4

Justificación.................................................................................................................................5

Objetivo principal........................................................................................................................5

Objetivos específicos...................................................................................................................5

Marco referencial.........................................................................................................................6

Conceptos claves.....................................................................................................................6

Antecedentes............................................................................................................................7

Metodología.................................................................................................................................9

Recursos Necesarios..................................................................................................................10

Cronograma de actividades........................................................................................................10

Conclusiones..................................................................................................................................10

Referencias....................................................................................................................................11
 Lista de tablas

Tabla 1. Relación de intereses investigativos, líneas y grupos de investigación.............................3

Lista de figuras

Figura 1. Árbol de causa y efecto....................................................................................................4

3 – Estructurar el diseño metodológico
 Introducción

La siguiente lectura, abarca la relación de tres intereses en la ingeniería como lo es

robótica, programación y backend, con las líneas de investigación de la UNAD y sus

respectivos grupos o semilleros de investigación de la cadena de electrónica,

telecomunicación y redes.

En base a sus líneas de investigación se plantea la idea de realizar un desarrollo de

software para la persuasión de delitos de robos a casas y alertar al delincuente para que

este huya y no logre su objetivo. El problema es bastante común, ya que cifras en la

principal ciudad de Colombia son significativas, y por ende justifica el desarrollo de la

idea, en base al implementarlo mediante Python para la obtención del modelo que

permita ser entrenado en base a identificar patrones en los cuales el desarrollo logre

obtener satisfactoriamente un veredicto de caso de robo y poder alertar para que el

individuo no lo cometa. Por último, conclusiones.

Líneas y grupos de interés investigativo

Tabla 1. Relación de intereses investigativos, líneas y grupos de investigación.

Intereses en ingeniería e Línea de investigación y Grupo de investigación

investigación áreas temáticas

Robótica Automatización y DAVINCI

herramientas lógicas

Programación Computación móvil GIDESTEC

Back end Ingeniería del Software DAVINCI

La idea para la investigación aplicada

Un desarrollo de Software en el cual sirva para identificar hechos delictivos, en

especial robo a tiendas, casas o cualquier recinto en el cual mediante cámaras pueda

identificar un suceso inusual y por medio de una bocina persuada al delincuente

indicándole que es vigilado y la policía va en camino, para así poner nervioso y esté

huya. En principio la idea es persuadir al delincuente, aunque el proyecto puede ir mas a

fondo como vincularlo con línea directa del 123 y allí mandar ubicación y hecho delictivo

para así ya no sea una persuasión.

Planteamiento del Problema

En Colombia los robos a casas, tiendas, o fabricas en horarios nocturnos donde no

hay personas son muy comunes, en enfoque va ser dar solución en especial a los hogares,

solo en la ciudad de Bogotá “ De acuerdo con las cifras entregadas por la Policía

Metropolitana de la capital, se conoció que durante el 2022 se han presentado 6798

hurtos a viviendas” (Infobae, 2022).

Las cifras son alarmantes solo en la capital, lo que conlleva a darle una solución

efectiva, los delincuentes aprovechan cuando los hogares se encuentran desocupados,

para así cometer el hecho delictivo.

Fig. 1 Árbol de causa efecto.

Justificación

Las cifras dadas en la capital son suficientes para poder intentar dar solución o

disminuir las cifras, llevando una estadística de prototipos instalados de nuestra solución

de desarrollo de Software. Los principales beneficiarios serian los duelos de los hogares

donde se instalarán, teniendo más tranquilidad a la hora de tener que dejar la vivienda

sola por determinado motivo. A demás de ser una idea con proyecciones amplias de

poder abarcar no solo hogares, sino negocios, fábricas y demás sistemas que quieran ser

monitoreados con el desarrollo.

Objetivo principal

Implementar un desarrollo de software en el cual permita identificar mediante

cámara, objetos en los cuales pueda entrenarse para distinguir personas las cuales

cometerían hurtos en las viviendas, y así activar una bocina la cual alertara al individuo

para que emprenda la huida.

Objetivos específicos

1. Utilizando el lenguaje de programación Python, realizar un código en el cual

permita la identificación de objetos.

2. Consultar los principales objetos mediante en el cual permita identificar el

software un delito en el hogar.

3. Hacer el entrenamiento del modelo de Machine Learning para la identificación de

posibles hurtos.
 4. Realizar simulaciones para verificar el entrenamiento del software.

5. Integrar el software con la bocina para realizar la alerta.

Marco referencial

Conceptos claves.

Visión artificial: conocida como visión de computadora, es la ciencia que permite

que computadoras puedan obtener datos por medio de algún medio visual tecnológico,

comúnmente como alguna Cámara web, con el fin de obtener datos en los cuales se puede

programar algún trabajo o requerimiento que se quiera hacer, comúnmente se puede ver

en portones de reconocimientos faciales, también es muy utilizado en los smartphones

para desbloqueo de celular. (Garcia, 2012)

Machine learning: conocido en español como inteligencia artificial es la forma en

la cual una maquina mediante datos aprende en automático, para mejorar en rendimiento

del sistema mediante métodos computacionales. La tare principal de aprendizaje

automático es desarrollar algoritmos de aprendizaje que construyan modelos a partir de

datos, esto con el fin de realizar predicciones, mediante los datos obtenemos lo que

queremos que la maquina realice de forma autómata. (Zhou, 2021)

Python: es un lenguaje de programación de alto nivel, interpretado y

multipropósito, en el cual en los últimos años se ha convertido en uno de los principales

lenguajes mas usados por programadores, debido a su amplio uso en el desarrollo de

software. Mediante Python podemos desarrollar software para aplicaciones científicas,

comunicaciones de red, aplicaciones de escritorio con interfaz grafica de usuario, juegos,

smartphones, aplicaciones web. (Montoro, 2013)

Desarrollo de Software: es una forma de ingeniería que aplica los principios de la

ciencia de la computación y de la matemática para alcanzar soluciones, a medida que

avanzó el desarrollo de mejores componentes de Hardware, en términos de mejor

capacidad de almacenamiento, creció la complejidad de soluciones de problemas por

medio de software y en el cual surge unas técnicas ligadas a lenguajes de programación,

arquitectura y herramientas. (Martínes, 2015)

Hurto: es un delito en el cual abarca una figura básica que incluye robos con

fuerza, violencia e intimidación, apropiación indebida, de cosas perdidas, de uso, y

algunas figuras de estafa. El individuo se apropia de forma ilegitima de una cosa ajena,

con el fin comúnmente de obtener algún recurso económico y por el cual en su mayoría

de casos se realiza de forma en la cual quieran obtener grandes ganancias económicas.

(Arriagada, 2009)

Antecedentes.

Detección de infracciones y matriculas en motocicletas, mediante visión artificial,

aplicando a Sistemas Inteligentes de Transporte. El articulo busca mediante desarrollo de

Software poder identificar tres tipos de infracciones: no usas casco, circular por zonas
indebidas y transportar parrillero en lugares donde no está permitido, el sistema realizado

en el artículo fue una aplicación móvil por medio de herramientas de desarrollo libres,

usaron OpenCV para localizar el área de la matricula, Tesseract para reconocimiento de

caracteres. Mediante MATLAB identificaron la detección de casco, y para mejorar la

precisión y exactitud utilizaron YOLO, la prueba la realizaron en la ciudad de Valledupar

con una precisión del 87.5%. (Valencia, Gurerrero, Castañeda, & Toro, 2020)

Arquitectura de detección de actividades criminales basada en análisis de video en

tiempo real. Utiliza la técnica de Deep Learning Faste R-CNN, para identificar hurtos

callejeros, por medio de analizar imágenes por regiones y no imágenes completas, lo que

resulta gran ventaja ya que puede detectar varios objetos o situaciones de interés en la

misma imagen, básicamente hay que entrenar muy bien la red neuronal convencional que

utiliza la técnica, y cuyo dataset tiene que ser amplio para poder identificar todo lo

requerido. (Suárez Paez, 2020)

Implementación de un sistema con visión artificial para la prevención de hurtos en

el centro comercial Mariscal Cáceres, Lima – 2021. El análisis de datos se uso una

prueba no paramétrica llamada Wilcoxon; y cuya implementación incremento en un 2.63

en detección. (Cordova Lopez, 2021)

Detección de individuos en acceso principal Python & OpenCV. Para los

reconocimientos faciales se recomienda reducir la imagen de la Cámara CCTV a escala

de grises con el fin de agilizar el procesamiento, con el fin de no saturar el sistema.

Mediante OpenCv y Python se puede realizar el análisis y detección de la región de

interés mediante patrones. Este proceso se describe de forma de entrada, un preproceso,

una identificación, comparar con base de datos, re-identificación y salida, realizando la

predicción usando clasificación randomForest. (Enriquez, Arroyo, & Portillo, 2020)

Detector de personas con armas de fuego de un sistema de visión artificial basado

en el análisis de posturas corporales. Implementar un sistema basado en visión artificial

mediante algoeritmos de Deep Learning y utilizando OpenPose como herramienta de

posicionamiento del cuerpo y así identificar una persona con arma de fuego, utilizan

CNN para clasificar las armas de fuego, y realizando la implementación en Google

Colab, Jupyter Lab, Oracle Maquina Virtual y Git Bash. El modelamiento con redes

neuronales convencionales permite el tipo de análisis de imágenes cada componente se

entrene de forma independiente y se ejecute en corto tiempo. (Durán Caicedo, 2022)

Metodología

La implementación del sistema de desarrollo de software para identificar hurtos

en las viviendas y alertar por medio de bocinas de basada en el lenguaje de programación

Python, para ello utilizar sus herramientas de vision artificial de open source como lo es

OpenCV, y con ello realizar el análisis de video de diversos zonas de imagen para

determinar diferentes análisis, con ellos es necesario utilizar la técnica Deep Learning

Faste R-CNN, para crear la red neuronal convencional, la cual me permite tener un

dataset amplio para identificar tanto armas, posicionamiento corporal, y reconocimiento

facial. Es necesario procesar el programa y realizar todo el almacenamiento, con ello

recurrir a Google Colab o Visual Studio Code para lo referente al programa y base de

datos, en primera instancia tener todo el reconocimiento para así activar una salida

análoga ya guardada con la alerta.

Recursos Necesarios

- Software: Google Colab, Visual Studio Code, Python 3.

- Microcontrolador Raspberry Pi.

- Camara web.

- Parlante.

- Cables conectores.

Cronograma de actividades

Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6

Plantear
problema y
recolección de
información
Capacitación de
herramientas de
Software
Cotizaciones
Dataset,
creación de
bases de datos
Implementación
Integración
Pruebas
 Conclusiones

El problema de robo a viviendas en Colombia es muy alto, uno no llega a

imaginarse que tan hecho delictivo sea tan frecuente, por ende, el desarrollo de software

de alerta para persuadir el delincuente promete disminuir dichas cifras para así ayudar a

la población y sus cosas en el hogar.

Mediante Python se puede realizar Machine Learning lo cual permite lograr

mediante visión artificial entrenar un modelo para la detección de objetos que permitan

activar un mensaje amplificado en una bocina para persuadir al individuo de cometer el

hurto.

Dar solución al problema de hurtos a viviendas o disminuir las cifras, hace que el

desarrollo a realizar pueda abarcar no solo viviendas sino comercios, fabricas o sistemas

para así poder contrarrestar los delitos por esa modalidad.

El software de visión artificial OpenCV cuenta con unas herramientas y base de

datos amplias para la ejecución del problema planteado; y al ser un código abierto

minimiza los costos al consumidor final.

Es necesario la creación de la red neuronal convencional CNN, para poder

analizar varias tareas en la misma imagen, adicionalmente, necesitamos examinar todo el

entorno del lugar a vigilar.

 Referencias

Arriagada, Y. (2009). Una revisión crítica de los habituales conceptos sobre el íter

criminis en los delitos de robo y hurto. Política criminal.

Cordova Lopez, J. L. (2021). Implementación de un sistema con visión artificial para la

prevención de hurtos en el centro Comercial mariscal cáceres, Lima-2021. Lima.

Durán Caicedo, A. (2022). Detector de Personas con Armas de Fuego a Partir de un

Sistema de Visión Artificial Basado en el Análisis de Posturas Corporales .

Universidad Santo Tomás.

Enriquez, U. F., Arroyo, M. M., & Portillo, J. (2020). Detección de individuos en acceso

principal| Phyton & OpenCV. Revista Ingeniantes.

Garcia, E. (2012). Visión artificial. Cataluña : FUOC Fundación para la universitat

Oberta de Catalunya.

Infobae. (31 de Diciembre de 2022). infobae. Obtenido de

https://www.infobae.com/america/colombia/2022/12/31/mas-de-6000-viviendas-

fueron-robadas-en-bogota/

Martínes, R. N. (2015). El proceso de desarrollo de software. IT Campus Academy.

Montoro, A. F. (2013). Python 3 al descubierto. RC libros.

Suárez Paez, J. E. (2020). Arquitectura de detección de actividades criminales basada en

análisis de vídeo en tiempo real. Tesis Doctoral. Universitat Politécnica de

Valéncia.

Valencia, J., Gurerrero, T., Castañeda, L., & Toro, M. (2020). Detección de infracciones

y matrículas en motocicletas, mediante visión artificial, aplicado a Sistemas

 Inteligentes de Transporte. Revista Iberica de Sistemas e Tecnologias de

Informacao, págs. 1-15.

Zhou, Z. H. (2021). Machine learning. Springer Nature.