Técnicas de aprendizaje máquina para detección y cuantificación de lluvia sobre imágenes de videovigilancia

Abstract

Desde siempre los seres humanos han mostrado un gran interés en la meteorología para multitud de fines, como son el cuidado de los cultivos, el transporte, tanto aéreo como marítimo, o la protección de las personas ante desastres naturales, entre otros muchos casos. Por tanto, observar y predecir las condiciones meteorológicas es de importancia vital. Poco a poco, mediante la incorporación de nuevas tecnologías, se realizan mejores estimaciones y predicciones del clima. Actualmente, la red de observación de la Organización Meteorológica Mundial (OMM) desarrolla proyectos para mejorar los sistemas de observación actuales. En los últimos años, OMM ha incorporado nuevas tecnologías, tales como, estaciones meteorológicas, radares meteorológicos, satélites meteorológicos, boyas meteorológicas, los buques de observación marítima, las radiosondas, entre otros. El uso de estos sistemas conlleva un gran costo para su instalación, puesta en funcionamiento y mantenimiento. En este sentido, una de las ideas que subyace en este proyecto es la de avanzar hacia una ampliación de los sistemas de observación con un coste lo más bajo posible. Trabajaremos sobre la idea de dar valor añadido a sistemas de observación ya existentes. Es el caso de los sistemas se videovigilancia, basados en observación con cámaras IP, etc. Este TFM es un proyecto que se basa en sistemas de videovigilancia meteorológica para el seguimiento de riesgos medioambientales. Las líneas de trabajo que se desarrollarán están integradas en el Proyecto VIMETRI-MAC [VIMETRI-MAC], y es de potencial uso con cámaras de videovigilancia, propias y también públicas o privadas, desplegadas por las Islas Canarias para la detección de eventos de lluvia. Con este sistema se obtienen una serie de imágenes que se utilizarán para reconocimiento de patrones e identificar dichos eventos en dos fases: Detección y posterior cuantificación. En términos generales, el valor añadido y novedoso que se aporta en este proyecto es ampliar la cobertura espacial y el muestreo temporal de un sistema de predicción meteorológica de lluvia mediante las imágenes captadas desde una red de cámaras de las estaciones de videovigilancia. Como parte del núcleo principal se desarrollarán técnicas de procesado de señal y se hará uso de técnicas de Aprendizaje Máquina (Machine Learning y Deep Learning).