Sistema de detección y seguimiento de objetivos basado en depp learning para imágenes de drones en la Fuerza Aérea del Perú, 2025

Abstract

El estudio tuvo como objetivo principal objetivo general Sugerir la creación de un sistema de aprendizaje profundo para detectar y rastrear objetivos en imágenes obtenidas con drones para mejorar las capacidades de detección y monitoreo en vigilancia, y como apoyo para el reconocimiento en misiones de rescate de la Fuerza Aérea del Perú, con una dimensión estratégica irremplazable en el ámbito militar. Para abordar esta brecha, esta tesis sugiere el desarrollo y diseño conceptual de un sistema de detección y seguimiento automático de objetivos basado en aprendizaje profundo, aplicado a imágenes obtenidas por drones durante misiones de vigilancia, reconocimiento y búsqueda y rescate. Un análisis exhaustivo de requisitos operativos, técnicos e integración ilumina las condiciones necesarias para asegurar la operación efectiva del sistema en el entorno operativo nacional. Se ha llevado a cabo una investigación adicional sobre nuevas arquitecturas de redes neuronales convolucionales, como YOLOv8 para detección en tiempo real, y algoritmos de seguimiento avanzado, como DeepSORT, para un seguimiento preciso en escenarios de alta densidad. El marco teórico incluye investigaciones interrelacionadas sobre visión por computadora y procesamiento de imágenes, doctrina de inteligencia militar, vigilancia y reconocimiento, así como contextos nacionales e internacionales en relación con las dimensiones técnicas, éticas y legales de la adopción de inteligencia artificial militar.