Desenvolvimento de um sistema de monitoramento para detecção de pessoas utilizando redes neurais

Abstract

Câmeras de monitoramento são amplamente usadas como maneiras de proporcionar uma maior segurança a locais públicos e privados, inibindo possíveis ações incorretas e proporcionando uma maneira de visualização caso ocorra alguma ocorrência, tendo muitas vezes uma pessoa para monitorar as filmagens geradas pela câmera e atuar caso necessário. O trabalho apresentado propõe o desenvolvimento de um sistema de detecção de pessoas utilizando inteligência artificial na detecção de indivíduos e um sistema modular de geração de eventos críticos. Utilizando câmeras IP para monitoramento, o sistema aplica para cada câmera um conjunto de regras de horários onde não pode haver pessoas, e caso alguma pessoa seja detectada neste período, um alarme será enviado ao usuário. Para tornar modular a instalação do sistema foi utilizado containers para seu desenvolvimento, onde cada aplicação funciona de maneira independente e isolada. Foram realizados testes para validação do sistema, tanto em uma máquina local e em máquinas virtuais da AWS, foram analisados o impacto da resolução da imagem e da quantidade de pessoas presentes nas imagens, sendo monitorados o tempo de detecção, utilização de CPU e memória RAM. O sistema apresentou algumas limitações referentes ao tempo de detecção e quantidade de câmeras simultâneas, porém mostrou ser capaz de atender ao que foi proposto.

Monitoring cameras are widely used as a means to provide greater security to public and private locations, deterring potential improper actions and offering a way to visualize events in case of an occurrence, often with a person monitoring the footage generated by the camera and acting when necessary. The presented work proposes the development of a person detection system using artificial intelligence for detecting individuals and a modular system for generating critical events. Using IP cameras for monitoring, the system applies a set of time-based rules for each camera where no one should be present, and if a person is detected during this period, an alarm will be sent to the user. To make the system installation modular, containers were used for its development, where each application functions independently and in isolation. Tests were conducted to validate the system on both a local machine and AWS virtual machines. The impact of image resolution and the number of people present in the images were analyzed, monitoring detection time, CPU usage, and RAM usage. The system showed some limitations regarding detection time and the number of simultaneous cameras but proved capable of meeting the proposed objectives. Keywords: Monitoring, People detection, Containerization, Convolutional neural networks.