Detección automática de armas mediante deep learning para la seguridad urbana en Colombia

Abstract

Este proyecto busca desarrollar un sistema integral de detección automática de armas basado en técnicas de aprendizaje profundo para mejorar la seguridad ciudadana en entornos urbanos colombianos. Mediante la implementación de modelos YOLO (You Only Look Once) y técnicas de clasificación especializadas, se busca crear una herramienta inteligente de videovigilancia capaz de identificar y localizar armas de fuego y armas blancas en tiempo real. El sistema se diseñó considerando las características específicas de los espacios urbanos colombianos, como la alta densidad poblacional, la diversidad de entornos y las condiciones de iluminación variables. Se utilizaron múltiples conjuntos de datos con más de 5000 imágenes anotadas, implementando estrategias de aumento de datos y balanceo de clases para optimizar su rendimiento. La evaluación del sistema incluye pruebas en escenarios urbanos reales y con objetos similares que podrían generar falsos positivos.

This project aims to develop a comprehensive automatic weapons detection system based on deep learning techniques to improve citizen security in Colombian urban environments. Through the implementation of YOLO (You Only Look Once) models and specialized classification techniques, the goal is to create an intelligent video surveillance tool capable of identifying and locating firearms and bladed weapons in real time. The system was designed considering the specific characteristics of Colombian urban spaces, including high population density, diverse environments, and variable lighting conditions. Multiple datasets with over 5,000 annotated images were used, implementing data augmentation and class balancing strategies to optimize performance. The system evaluation includes testing in real urban scenarios and with similar objects that could generate false positives.