Browsing by Author "Pieringer Baeza, Christian Philip"

Now showing 1 - 7 of 7
  • Thumbnail Image
    Item
    A sliding-box approach to detecting people in images of indoor environments using wide-baseline stereo camera systems
    (2015) Pieringer Baeza, Christian Philip; Mery Quiroz, Domingo; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    En las últimas dos décadas ha aumentado masivamente el uso de cámaras en sistemas de vigilancia y monitoreo de actividades, haciendo difícil su seguimiento el 100% del tiempo por operadores humanos. La detección de personas ha provocado gran interés en investigadores de la comunidad de visión por computador, con el fin de generar herramientas de vigilancia automática. Los primeros trabajos de detección se basaron fuertemente en técnicas de procesamiento de imágenes, las que a pesar de su rapidez y simplicidad son sensibles a los cambios de iluminación, oclusión, y variación de las poses humanas. Actualmente, los enfoques de aprendizaje de máquina basados en ventanas deslizantes han tenido éxito significativo en la detección de personas. Este éxito se debe en parte al uso de poderosos modelos de aprendizaje de máquina, características visuales nuevas y más informativas y modelos basados en partes capaces de manejar la variabilidad de los objetos. Un denominador común de estas técnicas es que ellos confian principalmente en métodos de aprendizaje estadístico que usa información de la intensidad de las imágenes para capturar las características de apariencia de los objetos. Una limitación importante de estos enfoques basados en apariencia es que no incorporan información geométrica relevante que provea pistas espaciales tales como el tamaño real de los objetos a detectar, profundidad o la ubicación más probable de estos objetos en la escena. Algunos trabajos recientes consideran el beneficio de incorporar información de varios puntos de vista. La detección usando una sola cámara es apropiada cuando existe oclusión leve, sin embargo, para casos de mayor oclusión el uso de múltiples vistas permite mejorar la detección.
  • Thumbnail Image
    Item
    An Algorithm for the Visualization of Relevant Patterns in Astronomical Light Curves
    (2019) Pieringer Baeza, Christian Philip; Pichara Baksai, Karim Elías; Catelan, Márcio; Protopapas, Pavlos
  • No Thumbnail Available
    Item
    Big data para la identificación del comportamiento criminal
    (Centro de Políticas Públicas UC, 2019) Wout, Elwin van't; Valenzuela Carvallo, Eduardo; Asahi Kodama, Kenzo Javier; Pieringer Baeza, Christian Philip; Torres Irribarra, David; Larroulet Philippi, Pilar
    El big data ha revolucionado las ciencias y la industria con su impresionante poder de analizar grandes conjuntos de datos y algoritmos que pueden predecir eventos futuros con una alta precisión. Este capítulo estudiará el uso de herramientas automatizadas para identificar el comportamiento delictual, con el objetivo final de ayudar a la policía en su mejora continua de la gestión eficiente de los recursos gubernamentales para reducir la delincuencia. Se han desarrollado modelos matemáticos que permiten extraer información relevante de una base de datos, que contiene registros de detenciones por las policías e información sociodemográfica sobre los victimarios. El análisis descriptivo presenta los indicadores clave del estado actual de delincuencia en Chile y una tipología del comportamiento criminal. La predicción de detenciones futuras es desafiante: la precisión debe aumentarse, antes de usar los algoritmos en la práctica, especialmente porque una predicción errónea puede resultar en costos sociales demasiados altos. Para completar el estudio, se presenta una discusión sobre los alcances y posibles fuentes de sesgo en la predicción. Por último, se elaboran propuestas sobre cómo mejorar las políticas públicas y la organización policial basada en herramientas de big data.
  • Thumbnail Image
    Item
    Detecting and characterizing upwelling filaments in a numerical ocean model
    (2019) Artal, Osvaldo; Sepulveda, Hector H.; Mery Quiroz, Domingo; Pieringer Baeza, Christian Philip
  • Thumbnail Image
    Item
    Machine learning for policing: a case study on arrests in Chile
    (2020) Wout, Elwin van't; Pieringer Baeza, Christian Philip; Torres Irribarra, David; Asahi Kodama, Kenzo Javier; Larroulet Philippi, Pilar; CEDEUS (Chile)
    Police agencies expend considerable effort to anticipate future incidences of criminal behaviour. Since a large proportion of crimes are committed by a small group of individuals, preventive measures are often targeted on prolific offenders. There is a long-standing expectation that new technologies can improve the accurate identification of crime patterns. Here, we explore big data technology and design a machine learning algorithm for forecasting repeated arrests. The forecasts are based on administrative data provided by the national Chilean police agencies, including a history of arrests in Santiago de Chile and personal metadata such as gender and age. Excellent algorithmic performance was achieved with various supervised machine learning techniques. Still, there are many challenges regarding the design of the mathematical model, and its eventual incorporation into predictive policing will depend upon better insights into the effectiveness and ethics of preemptive strategies.
  • Thumbnail Image
    Item
    Object recognition in X-ray testing using an efficient search algorithm in multiple views
    (2017) Pieringer Baeza, Christian Philip; Zuccar, I.; Riffo, V.; Mery Quiroz, Domingo
  • Thumbnail Image
    Item
    Visual Recognition to Access and Analyze People Density and Flow Patterns in Indoor Environments
    (IEEE, 2015) Ruz Ruz, Cristian Daniel; Pieringer Baeza, Christian Philip; Peralta Marquez, Billy Mark; Lillo Valles, Iván Alberto; Espinace Ronda, Pablo Andrés; Gonzalez, R.; Wendt González, Bruno Nicolás; Mery Quiroz, Domingo Arturo; Soto Arriaza, Álvaro
    This work describes our experience developing a system to access density and flow of people in large indoor spaces using a network of RGB cameras. The proposed system is based on a set of overlapped and calibrated cameras. This facilitates the use of geometric constraints that help to reduce visual ambiguities. These constraints are combined with classifiers based on visual appearance to produce an efficient and robust method to detect and track humans. In this work, we argue that flow and density of people are low level measurements that need to be complemented with suitable analytic tools to bridge semantic gaps and become useful information for a target application. Consequently, we also propose a set of analytic tools that help a human user to effectively take advantage of the measurements provided by the system. Finally, we report results that demonstrate the relevance of the proposed ideas.