Redes neuronales convolucionales 3D para el reconocimiento de actividad humana en videos digitales

Redes neuronales convolucionales (ó 'convolutional neural networks', CNN) [1], es una metodología en 'neural networks' (NN) en la que los datos crudos son utilizados como entrada, obteniendo resultados ampliamente superiores a aquellos obtenidos con NN clásicas. Debido a su estructura, inspirada en modelos biológicos para reconocimiento visual, CNN es robusta ante traslaciones y distorsiones locales, evitando la etapa de pre-procesamiento manual asociada a NN. CNN tienen una performance (clasificación) muy superior a NN clásicas; sin embargo, su costo computacional es mucho mayor, por lo cual su utilidad se ha visto restringida, en la mayoría de los casos, a análisis de datos 2D. El presente proyecto viene desarrollando un nuevo algoritmo progresivo computacionalmente eficiente, a ser implementado en tecnología CUDA, para analizar vídeos digitales (datos 3D) vía CNN, enfocándose en aplicaciones orientadas al reconocimiento de actividades humanas (uso de teléfono celular, dejar/guardar un objeto, apuntar, etc.) lo cual tiene alta relevancia en seguridad ciudadana. La tecnología desarrollada en el presente proyecto posibilita el uso de CNN (convolutional neural networks) en 3D en aplicaciones tiempo real. Cabe resaltar que la mayoría de aplicaciones en CNN están limitadas al contexto bi-dimensional (imágenes) debido a la gran demanda computacional asociada con CNN En el desarrollo de la investigación se viene generando al menos cinco publicaciones científicas en conferencias internacionales y al menos una publicación en revistas arbitradas e indexadas, con alto impacto internacional, debido a que se posibilitaría el uso cotidiano de CNN en el análisis de vídeos digitales. La aplicación planteada (reconocimiento de actividades humanas) tiene la potencialidad de convertirse en una solución tecnológica innovadora, cuyos bajos requerimientos de memoria y demanda computacional posibilitan resultados en tiempo real. Otro aporte importante del desarrollo de esta investigacipon es la Una librería (software) flexible y robusta, capaz de solucionar el problema de identificación de actividades humanas basada en 'Convolutional Neural Networks' y la Implementación de un caso de estudio, orientado al análisis de actividades humanas en aeropuertos