Conteo de personas u objetos utilizando inteligencia artificial

Sobre el servicio
En SLTech, hemos desarrollado servicios que se utilizan específicamente para el conteo de personas, pero puede ser para reconocer otros objetos típicos tales como:

  • Personas, Bicicletas..
  • Autos, Camiones, Motocicletas, Buses, Botes, Trenes..
  • Pelotas para hacer deporte..
  • Peras, Manzanas, Naranjas, Plátanos..
  • Pizza, Donut, Hot dog..
  • Microondas, Hervidor, Horno, Refrigerador, Tostador..
  • Señalética, Semáforos...
  • Perros, Gatos, Pájaros, Caballos, Ovejas, Vacas..
  • Tijeras, Vasos, Reloj, Cepillo de dientes
  • Y más ..
¿ Cómo funciona ?
Para contar objetos, es necesario tomar fotografías y luego procesarlas utilizando redes neuronales. Esto quiere decir, que se necesita contar con una cámara, deseablemente IP (Típicas cámaras Wi-Fi) instalada en el lugar en donde se quiere realizar el conteo. En la fotografía se cuentan la cantidad de objetos que se encuentran.

El procesamiento normalmente es offline, esto quiere decir que las fotografías van a un servidor y en el servidor se hace todo el procesamiento. Esto quiere decir que en el terreno lo único necesario es la cámara IP (e internet).

Al final del mes, de la semana, del día, la hora o el minuto, se tiene un conteo de la cantidad de objetos/personas/animales/.. que se han procesado. Los informes que se envían y su periodicidad dependen de la aplicación, también se pueden realizar desarrollos para realizar procesamiento en tiempo real.
Ejemplos reales
Las siguientes imágenes fueron tomadas de internet y procesadas con nuestros sistemas, la idea es hacerse una idea de las capacidades del sistema. Las imágenes van de muy buena resolución a muy mala resolución respectivamente. Se puede ver que mientras mejor la imagen, mejor es el resultado (el tiempo de procesamiento es el mismo). Sin embargo, incluso en la calidad muy mala, el reconocimiento funciona muy bien.

Reconocimiento artificial utilizando buena resolución


Reconocimiento artificial utilizando buena resolución


Reconocimiento artificial utilizando mala resolución


Reconocimiento artificial utilizando pésima resolución