Diseño de sistema de detección y localización de disparos

Abstract

En este trabajo se plantea diseñar un sistema que permita detectar y localizar disparos de armas de fuego en la vía pública, de forma automática y con bajo costo de implementación. Para lograr este objetivo, se decide en primer lugar utilizar un entorno de simulación para sintetizar sonidos que permitan evaluar el sistema en términos de tiempo de respuesta y error de localización. En segundo lugar, se debe implementar un modelo de clasificación que permita reconocer sonidos de disparos. Como tercer punto, se propone crear el diseño utilizando herramientas de Microsoft Azure y así aprovechar tecnologías como IoT y computación en la nube. Siguiendo estos objetivos, se comenzó el trabajo creando dos entornos de simulación, uno simple con 4 micrófonos y otro complejo que replica 6 cuadras con 8 micrófonos. Estos fueron utilizados en un programa de simulación que permitió posteriormente sintetizar el audio que captaría cada micrófono para disparos producidos en esos entornos. Luego se trabajó en la implementación de un modelo de clasificación basado en redes convolucionales. Para ello se utilizó un conjunto de datos con más de 8.000 muestras de sonidos urbanos, incluyendo disparos, para entrenar la red. El resultado fue un modelo capaz de alcanzar una precisión de 100% y recall de 94% en el conjunto de test utilizado. El diseño del sistema se basó en utilizar el servicio IoT Hub de Azure que permite un fácil manejo de múltiples dispositivos IoT, que para este proyecto corresponden a los dispositivos en terreno que poseen micrófono. El resto del sistema se diseño para utilizar un servidor virtual en Azure, con un esquema basado en módulos. Así, se implementó uno que interactúa con IoT Hub, otro que realiza clasificación de sonidos y finalmente uno que realiza la localización. Estos tres se comunican entre sí mediante una base de datos, lo que facilita también la inspección de las detecciones realizadas. Finalmente se utilizaron los audios simulados en los dos entornos creados para evaluar el sistema, obteniendo tiempos de localización entre 20 y 30 segundos y errores de localización cercanos a 50 cm. Esto significa que este sistema tiene rendimiento similar a otros sistemas comerciales.