Seguimiento de movimiento de adultos mayores utilizando Transferencia de Aprendizaje

Perla Bonifacio Mariano; Eduardo Sánchez Soto

Autores/as

Perla Bonifacio Mariano Technological University of the Mixteca https://orcid.org/0009-0005-1519-9870
Eduardo Sánchez Soto Technological University of the Mixteca https://orcid.org/0000-0002-9254-7657

Palabras clave:

Transferencia de Aprendizaje, Visión por Computadora, Seguimiento de objetos, Seguimiento de trayectorias

Resumen

La población mundial de adultos mayores se duplicará en el año 2050, lo que plantea desafíos en seguridad y calidad de vida, especialmente en entornos cerrados. En respuesta a esta necesidad, se han desarrollado sistemas de monitoreo enfocados en áreas como la identificación de patrones de comportamiento anormales, la prevención de caídas y la localización en interiores. Por este motivo, esta investigación presenta un sistema de visión por computadora para la detección automática de adultos mayores que involucra (a) un modelo preentrenado, el cual se especializa empleando la técnica de transferencia de aprendizaje en combinación con un conjunto de datos personalizado, y (b) se implementa un algoritmo de estimación de primer orden para la predicción del recorrido de la persona dentro del campo de visión a lo largo del tiempo. El enfoque en este trabajo contribuye a las soluciones tecnológicas que tienen como objetivo aportar al bienestar de los adultos mayores para mejorar su seguridad y calidad de vida.

Descargas

Los datos de descargas todavía no están disponibles.

Información de Publicación

Este artículo

Otros artículos

Revisores por pares

Revisores: 2

2.4 promedio

Perfiles de revisores N/D

Declaraciones del autor

Disponibilidad de datos

N/A

16%

Financiamiento externo

No

32% con financiadores

Intereses conflictivos

N/D

11%

Para esta revista

Otras revistas

Artículos aceptados

87%

33%

Días hasta la publicación

187

145

Indexado en

GS

Editor y comité editorial: perfiles
Sociedad académica: N/D
Editora:: Universidad Autónoma del Estado de Hidalgo

Citas

Ahmed, H. M. y Abdulrazak, B. (2021). Monitoring indoor activity of daily living using thermal imaging: A case study. International Journal of Advanced Computer Science and Applications, 12(9).

Chen, M.-Y. (2022). Establishing a cybersecurity home monitoring system for the elderly. IEEE Transactions on Industrial Informatics, 18(7):4838–4845.

Chen, Y., Zhang, Y., Xiao, B., y Li, H. (2022). A framework for the elderly first aid system by integrating vision-based fall detection and bim-based indoor rescue routing. Advanced Engineering Informatics, 54:101766.

Chifu, V. R., Pop, C. B., Demjen, D., Socaci, R., Todea, D., Antal, M., Cioara, T., Anghel, I., y Antal, C. (2022). Identifying and monitoring the daily routine of seniors living at home. Sensors, 22(3).

Deepthi, P. (2025). Deep learning in video surveillance: Enhancing security and threat detection. International Journal of Scientific Research & Engineering Trends, 11(2):2086–2090. Volume 11, Issue 2.

Fuentes, D., Correia, L., Costa, N., Reis, A., Ribeiro, J., Rabadao, C., Barroso, J., y Pereira, A. (2021). Indoorcare: Low-cost elderly activity monitoring system through image processing. Sensors, 21(18).

Georgoulas, C., Linner, T., y Bock, T. (2014). Towards a vision controlled robotic home environment. Automation in Construction, 39:106-116.

Guttler, J., Georgoulas, C., Linner, T., y Bock, T. (2014). Towards a Future ¨Robotic Home Environment: A Survey. Gerontology, 61(3):268–280.

iStock (n.d.). istock - fotos, imagenes y videos de stock. ´ https://www.istockphoto.com/. Recuperado en octubre 2024.

Jocher, G., Chaurasia, A., y Qiu, J. (2023). Ultralytics yolov8.

Karkar, A. G., Al-Maadeed, S., Kunhoth, J., y Bouridane, A. (2021). Camnav: a computer-vision indoor navigation system. The Journal of Supercomputing, 77(7):7737–7756.

Keivani, A., Tapamo, J.-R., y Ghayoor, F. (2017). Motion-based moving object detection and tracking using automatic k-means. En 2017 IEEE AFRICON, pp. 32–37.

Kim, D., Bian, H., Chang, C., Dong, L., y Margrett, J. (2022). In-home monitoring technology for aging in place: Scoping review. Interactive Journal of Medical Research, 11(2):e39005.

Kim, H.-B. y Sim, K.-B. (2010). A particular object tracking in an environment of multiple moving objects. En , pp. 1053–1056.

Kim, W. J. y Kweon, I.-S. (2011). Moving object detection and tracking from moving camera. En 2011 8th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI), pp. 758–759.

Lee, C., Chu, E. T.-H., Sie, M., Lin, L., Hong, M., y Huang, C. (2024). Application of indoor positioning systems in nursing homes: Enhancing resident safety and staff efficiency. Sensors, 24(18):6099.

Lin, T., Maire, M., Belongie, S. J., Bourdev, L. D., Girshick, R. B., Hays, J., Perona, P., Ramanan, D., Dollar, P., y Zitnick, C. L. (2014). Microsoft COCO: common objects in context. CoRR, abs/1405.0312.

Lychkov, I. I., Alfimtsev, A. N., y Sakulin, S. A. (2018). Tracking of moving objects with regeneration of object feature points. En 2018 Global Smart Industry Conference (GloSIC), pp. 1–6.

Mane, V., Mahajan, R., Durge, H. A., Ghosh, P., Kadam, K., Mahajan, I., y Muneshwar, P. (2025). Alert system for non-responsive state of an elderly person. Journal of Computational Systems and Applications. Corresponding author: Vijay Mane, Vijay.mane@vit.edu.

Nayak, R., Pati, U. C., y Das, S. K. (2020). A comprehensive review on deep learning-based methods for video anomaly detection. Image and Vision Computing, 104078:104078. Received: 28 August 2020; Revised: 12 November 2020; Accepted: 25 November 2020.

Nguyen, L. N., Susarla, P., Mukherjee, A., Canellas, M. L., ˜ Alvarez Casado, C., Wu, X., Silven, O., Jayagopi, D. B., y L ´ opez, M. B. (2024). Non-contact multimodal indoor human monitoring systems: A survey. Information Fusion, 110:102457.

Organizacion Mundial de la Salud (2015). Informe mundial sobre el envejecimiento y la salud. Informe técnico. Disponible en https://iris.who.int/handle/10665/186466.

Organizacion Mundial de la Salud (2024). Ageing and health. ´ Ultimo acceso: ´ 27 de marzo de 2025.

Ramdan, A., Heryana, A., Arisal, A., Kusumo, R. B. S., y Pardede, H. F. (2020). Transfer learning and fine-tuning for deep learning-based tea diseases detection on small datasets. En 2020 International Conference on Radar, Antenna, Microwave, Electronics, and Telecommunications (ICRAMET), pp. 206–211.

Redmon, J., Divvala, S., Girshick, R., y Farhadi, A. (2016). You only look once: Unified, real-time object detection. En 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 779–788.

Russell, B. C., Torralba, A., Murphy, K. P., y Freeman, W. T. (2008). Labelme: A database and web-based tool for image annotation. Int. J. Comput. Vision, 77(1–3):157–173.

Sager, C., Janiesch, C., y and, P. Z. (2021). A survey of image labelling for computer vision applications. Journal of Business Analytics, 4(2):91–110.

Sawik, B., Tobis, S., Baum, E., Suwalska, A., Kropinska, S., Stachnik, K., ´ Perez-Bernabeu, E., Cildoz, M., Agustin, A., y Wieczorowska-Tobis, K. (2023). Robots for elderly care: Review, multi-criteria optimization model and qualitative case study. Healthcare (Basel), 11(9):1286.

Terven, J., Cordova-Esparza, D.-M., y Romero-Gonz ´ alez, J.-A. (2023). A comprehensive review of yolo architectures in computer vision: From yolov1to yolov8 and yolo-nas. Machine Learning and Knowledge Extraction, 5(4):1680–1716.

Velez, Z., Fabián, T., Jamileth, T., ´´Álvarez, L., Saverio, T., Jamileth, C., Alen cástro, P., y Alexander, J. (2024). Avances en la tecnología asistiva para mejorar la calidad de vida en adultos mayores. revisión actualizada en el ´ contexto latinoamericano. Ciencia Latina Revista Cient´pifica Multidisciplinar, 8(1):645–662.

Yilmaz, A., Javed, O., y Shah, M. (2006). Object tracking: a survey. ACM Computing Surveys (CSUR), 38(4):1–45. Source: DBLP.

Yosinski, J., Clune, J., Bengio, Y., y Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems (NIPS), 27.

Zin, T. T., Htet, Y., Akagi, Y., Tamura, H., Kondo, K., Araki, S., y Chosa, E. (2021). Real-time action recognition system for elderly people using stereo depth camera. Sensors, 21(17).