Implementación de algoritmo de redes neuronales convolucionales para la identificación anticipada de armas de fuego

Abstract

Esta investigación tiene como objetivo principal desarrollar e implementar un algoritmo basado en redes neuronales convolucionales (CNN como sus siglas en ingles Convolutional Neural Networks) en cámaras de vigilancia para la identificación anticipada de armas de fuego en entornos urbanos. Se propone un método de detección basado en inteligencia artificial que permite reconocer armas exhibidas en situaciones criminales, captadas por cámaras de video en tiempo real. La implementación de este sistema facilitará la gestión de proyectos de seguridad en empresas y entidades que requieran soluciones basadas en visión computacional. Para su desarrollo, se diseñó un algoritmo de entrenamiento en Python, empleando librerías de acceso abierto especializadas en visión computacional e inteligencia artificial. El sistema permite el reconocimiento automático de imágenes captadas por cámaras convencionales, extrayendo y analizando características relevantes para la identificación precisa de armas. Como resultado, se logró desarrollar un algoritmo accesible y eficiente, capaz de generar alertas automáticas ante la detección de una posible amenaza, contribuyendo a la reducción de la criminalidad en Lima. La validación del modelo demostró su eficacia en la detección temprana de armas, consolidando su potencial como herramienta innovadora en la prevención del delito.