Estimación del movimiento humano y analizador de posibles colisiones entre individuos en entornos reales usando cámaras convencionales y algoritmos de Deep Learning

Abstract

En este Trabajo Fin de Grado (TFG), se implementará un sistema de estimación y análisis del movimiento humano para la detección y prevención de posibles colisiones entre individuos que se desplazan libremente por un entorno industrial real. Se usarán dos o más cámaras convencionales situadas en puntos estratégicos del entorno a analizar y, mediante algoritmos de Deep Learning proporcionados mediante bibliotecas "open source", como MediaPipe, se estimarán las trayectorias seguidas y se predecirá la dirección del movimiento. Los resultados obtenidos se validarán utilizando, a su vez, cámaras RGB-D de bajo coste, que permitirán obtener medidas de distancia precisas a los individuos, permitiendo obtener el "ground truth" necesario para estimar el grado de precisión alcanzado en el sistema diseñado. El objetivo general que consiste en la estimación del movimiento humano y y el análisis de posibles colisiones entre individuos en entornos reales usando cámaras convencionales y algoritmos de Deep Learning, se conseguirá si se alcanzan los siguientes subobjetivos específicos: - Integración de los componentes de MediaPipe que permiten estimar los puntos de referencia para "Skeleton Tracking". - Diseño de una aplicación que integre los componentes diseñados para estimar las trayectorias de diferentes individuos a partir de la lectura de dos o más cámaras convencionales. - Diseño de una estrategia de predicción de la dirección de los individuos según la trayectoria seguida con el propósito de evitar colisiones. - Validación del sistema comparando los resultados obtenidos por las cámaras convencionales, con datos "ground truth" generados a partir de cámaras RGB-D que permitan medir fiablemente la distancia a los individuos y su posición en un sistema de referencia absoluto en tres dimensiones.