Sistema de Detección de Vigilancia Basado en Video en Tiempo Real Usando Aprendizaje Profundo para Aplicaciones de Seguridad

La creciente demanda de sistemas de seguridad inteligentes ha llevado al desarrollo de tecnologías de vigilancia por video automatizadas capaces de detectar actividades sospechosas en tiempo real. Los sistemas de vigilancia tradicionales dependen en gran medida de operadores humanos para monitorear múltiples flujos de cámaras, lo que a menudo conduce a respuestas tardías y una eficiencia reducida. Para abordar esta limitación, este estudio propone un Sistema de Detección de Vigilancia Basado en Video en Tiempo Real utilizando Aprendizaje Profundo para Aplicaciones de Seguridad. El sistema propuesto utiliza técnicas de detección y seguimiento de objetos basadas en aprendizaje profundo para analizar automáticamente flujos de video e identificar comportamientos sospechosos. Se emplean modelos avanzados como YOLO para la detección de objetos y DeepSORT para el seguimiento de múltiples objetos, con el fin de detectar individuos y analizar patrones de movimiento. El sistema también incorpora técnicas de análisis de comportamiento como la detección de merodeo y el monitoreo de multitudes para identificar posibles amenazas a la seguridad. La evaluación experimental demuestra que el marco propuesto mejora la precisión de la vigilancia y permite la generación oportuna de alertas. El sistema mejora la conciencia situacional, reduce la dependencia del monitoreo manual y proporciona una solución efectiva para los sistemas de seguridad inteligentes modernos.