1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis de Maestría
7. Tesis de Maestría en Computación

Titre:	Detección de Anomalías en el Comportamiento de Una Persona
Auteur(s):	Urquiza Flores, Gloria Vanessa%1086981
Date de publication:	2022-10-10
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	El reconocimiento de actividad humana HAR (Human Activity Recognition) es un área de investigación activa, el interés por desarrollar esta área se debe a su amplia variedad de aplicaciones en el mundo real como, en la videovigilancia, seguridad, deporte, atención médica, vida asistida y monitoreo continuo en el hogar. El HAR es un tema relacionado con el análisis del comportamiento humano con gran trayectoria de investigación, enfocado al comportamiento individual de un ser humano, analizando las actividades diarias de una persona, para reconocer patrones de actividad de un individuo monitoreado, con el objetivo de determinar la existencia de cambios en el diario vivir de un ser humano. En el presente trabajo se propone el desarrollo de un modelo multimodal para monitorear las actividades de una persona en cuatro habitaciones de un hogar, utilizando cámaras RGB, sensores acelerómetro y giroscopio, para transferir la información obtenida de este monitoreo a una aplicación de escritorio. Mediante la observación de lo que suele hacer una persona durante una rutina en un periodo establecido, el modelo podrá utilizar su conocimiento para monitorear la rutina actual de una persona y detectar si existe alguna desviación de los patrones de actividad. Para evaluar la solución propuesta se recabó el monitoreo de una rutina diaria “normal” de las actividades diarias que una persona suele realizar, de acuerdo a sus necesidades de estilo vida. Posteriormente, se monitorea la rutina actual de una sola persona, para detectar desviaciones en comparación a lo que suele hacer esa persona. Como resultado se obtuvo que el modelo es capaz de detectar anomalías en el comportamiento de una persona, detectando los siguientes casos en el comportamiento monitoreado: anormalidad en el día, anormalidad en el periodo, patrón anormal, patrón normal, patrón de comportamiento anormal y patrón inhabitual.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Collection(s) :	Tesis de Maestría en Computación

Ce document est protégé par copyright Voir la licence

Ce document est autorisé sous une licence de type Licence Creative Commons