Caracterización de la postura de personas en entorno doméstico mediante Visión Artificial.

Abstract

El presente trabajo fin de grado se centra en la detección y clasificación de la postura de personas en entornos domésticos mediante visión artificial, con especial atención a la identificación de caídas. El sistema desarrollado está orientado a personas que viven solas, permitiendo una posible integración en soluciones de asistencia y monitorización remota. Para ello, se ha desarrollo un programa en Python, empleado técnicas de visión artificial para analizar imágenes en las que aparece una única persona. Se utilizan modelos como MediaPipe y YOLO para la extracción de características relevantes, lo que permite clasificar la postura en distintas categorías. Como complemento, se ha explorado el uso de máquinas de soporte vectorial (SVM) para mejorar la precisión de la clasificación. Este proyecto sienta las bases para futuras aplicaciones en detección de caídas y vigilancia domiciliaria, contribuyendo a la seguridad de personas mayores o en situación de dependencia

This final degree project focuses on the detection and classification of human posture in domestic environments using computer vision, with special attention to fall detection. The developed system is designed for people living alone, allowing for potential integration into assistance and remote monitoring solutions. For this purpose, a Python program has been developed, employing computer vision techniques to analyze images containing a single person. Models such as MediaPipe and YOLO are used for feature extraction, enabling posture classification into different categories. Additionally, the use of support vector machines (SVM) has been explored to improve classification accuracy. This project lays the groundwork for future applications in fall detection and home monitoring, contributing to the safety of elderly individuals or people in dependent situations.