Reconocimiento de personas en ambiente con emisiones de humo usando sensor laser y redes neuronales convolucionales desde nube de puntos 3D

• Gamarra Moreno, Abraham E. ^[1] ; Dávalos Pinto, José A. ^[2]
  1. [1] Universidad Nacional del Centro del Perú

     Universidad Nacional del Centro del Perú

     El Tambo, Perú

     
  2. [2] Pontificia Universidad Católica del Perú

     Pontificia Universidad Católica del Perú

     Perú

     
• Localización: Bistua: Revista de la Facultad de Ciencias Básicas, ISSN 0120-4211, Vol. 17, Nº. 2, 2019, págs. 3-10
• Idioma: español
• Títulos paralelos:
  • Recognition of people in environment with smoke emissions using laser sensor and convolutional neural networks from 3D pointed cloud.
• Enlaces
  • Texto completo
• Resumen
  • español

    Cuando ocurren incendios en Plantas industriales, los materiales siniestrados y el humo dificultan la identificación del personal. Los Drones con sensores laser y redes CNN posibilitan el reconocimiento de personas en tales ambientes. El objetivo del proyecto es el estudio de un sistema neuronal convolucional para el reconocimiento de personas en un ambiente con emisiones de humo (parte1) y para su implementación usa un sensor laser, una tarjeta controladora y un dron (parte2). El método empleado consideró la realización de un reconocimiento de personas usando una red CNN previamente entrenada con nube de puntos 3D. La prueba se realizó con Alexnet e imágenes de personas. Los resultados (parte1) muestran que una matriz de confusión del 97.5 % ha sido alcanzada. Basado en el estudio, se concluye que el sistema neuronal de reconocimiento de personas usando CNN en ambientes siniestrados presenta un comportamiento muy aceptable para su aplicabilidad.

  • English

    When fires occur in industrial plants, the damaged materials and smoke make it difficult to identify personnel. Drones with laser sensors and CNN networks enable the recognition of people in such environments. The objective of the project is the study of a convolutional neuronal system for the recognition of people in an environment with smoke emissions (part1) and for its implementation it uses a laser sensor, a controller card and a drone (part2). The method used considered the realization of a recognition of people using a CNN network previously trained with a 3D point cloud. The test was conducted with Alexnet and images of people. The results (part1) show that a confusion matrix of 97.5 % has been reached. Based on the study, it is concluded that the neuronal system of recognition of people using CNN in disaster environments presents a very acceptable behavior for its applicability