Seguimiento de personas en multicámaras. César Olivares Espinosa

 El 28 de enero de 2023, en el Centro de Investigación en Computación del Instituto Politécnico Nacional, obtuvo su grado de Maestro en Ciencias el Ing. César Olivares Espinosa, defendiendo su tesis "Seguimiento de personas en Multicámaras". Su tesis puede consultarse aquí (texto completo).

RESUMEN. 

El incremento de videocámaras en los últimos años ha generado una cantidad de información tal que su análisis manual se vuelve virtualmente imposible, lo que abre la necesidad de un método para procesar esta información de manera automática y apoyar en las tareas que estas conllevan con respecto a motivos de seguridad.

     Un espacio vídeo vigilado en su mayoría se compone de más de una videocámara las cuales se posicionan de tal manera que abarquen la mayor área posible y que permiten la correcta identificación de personas a través de distintos vídeos. 

     En este trabajo se desarrolló un sistema con la capacidad de realizar el seguimiento de personas en un sistema multicámaras, generando trayectorias de posición de cada una manteniendo una misma identidad a lo largo de distintas zonas.    

     Para realizar esta tarea se desarrollaron módulos para la detección de personas en fotogramas de cada vídeo de manera paralela, la estimación de su posición dada su trayectoria pasada así como un módulo de memoria global para el intercambio de identidades e información a través de distintas videocámaras, entre otras técnicas para reducir la incertidumbre en fotogramas y la fragmentación de identidades.

     El sistema fue puesto a prueba con dos conjuntos de datos propios creados utilizando vídeos del Centro de Investigación en Computación del IPN, mostrando una robustez con respecto a la duración de los vídeos, el número de transiciones así como la detección de las personas, alcanzando un 87& y 86% de exactitud con respecto a la detección y valores de 60.17& y 48.9% en MOTA, señalando el buen desempeño del sistema así como la dificultad propuesta con los conjuntos de datos desarrollados.

Raymundo Segovia Navarro, ICE 64, celebra su onomástico 80

Cumple 80 años el Ing. Raymundo Segovia. En Tepoztlán, Morelos, nos reunimos el 28 de enero de 2023. Un día antes cumplió años Raymundo.

Cumple 80. Miguel Eduardo Sanchez Ruiz extiende la mano. Tepoztlán, Mor

 

 

 

 

 

 

 

 

Raymundo y su esposa, Guadalupe, felices.

 

 

 

 

 

 

 

De izquierda a derecha: Guadalupe, Raymundo, esposa de Carlos León, Carlos León. De bigotes Carlos Gonzalez, Coquis su esposa.

 

 

 

 

 

 

 

 

 

 

 

Incendio en el pastel de Raymundo Segovia. Junto al pastel, Carlos Gonzalez y esposa Coquis.

Atrás, Miguel Eduardo Sánchez. Sentados, Eliseo Velasco, Angel Aguilar, xx, yy.

 

El IPN otorga en 2022 a Adolfo Guzmán la Presea Lázaro Cárdenas

 El Instituto Politécnico Nacional otorgó en el año 2022 al Dr. Adolfo Guzmán Arenas, la Presea Lázaro Cárdenas, por su sobresaliente desempeño en el cargo de Director del Centro de Investigación en Computación (CIC). 

     La Presea Lázaro Cárdenas es la máxima distinción que otorga el IPN. Adolfo fue director fundador del CIC, y lo dirigió desde 1996 a 2002. 

El CIC avisa que el IPN le concedió al Dr. Guzmán la Presea Lázaro Cárdenas.

     

 

 

 

 

 

La ceremonia de entrega se realizó el 23 de enero de 2023 en el patio central de la Secretaría de Educación Pública, en la Ciudad de México; fueron entregadas por la Secretaria del ramo, la Profa. Leticia Ramírez Amaya. Se entregaron las preseas otorgadas en los años 2020, 2021 y 2022 (año en que se le concedió a Adolfo); el retraso se debió a la pandemia de Covid-19. 

La presea fue entregada el 23 de enero de 2023; entrega retrasada, debido a la pandemia.

      

En la ceremonia pronunciaron discursos el Director del IPN, Dr. Arturo Reyes Sandoval y la Secretaria de Educación Pública. Entre los miembros del presidium, estuvieron también el Lic. Lázaro Cárdenas Batel, nieto del General Lázaro Cárdenas, y la Directora del Consejo Nacional de Ciencia y Tecnología (CONACYT), Dra. María Elena Álvarez-Buylla Roces.

El video de la ceremonia puede verse aquí (1 hora 2 min). En el minuto 37, la Secretaria de Educación Pública le entrega la presea a Adolfo.

Portada del folleto describiendo a los galardonados, 2022.

 

Reseña de Adolfo en el folleto.

 

Adolfo en el folleto.

Jugando dominó

En La Rambla. Zoilo Mendoza (barbudo), Adolfo, Andrés López y Rodríguez  y Carlois Ruiz, 28 de nov. 2022

 

Torturando los datos hasta que confiesen

 En esta charla del Fondo de Cultura Económica, Adolfo explica en términos sencillos cómo trabaja la Minería de Datos y la Ciencia de Datos, y expone varias aplicaciones y ejemplos de su uso y utilidad. Pulse aquí para verla (1h 12min).

El título de esta charla lo copié del Dr. Luis Carlos Molina Félix, colega y amigo que también trabaja con la Ciencia de Datos.

Análisis y clasificación de la publicación científica del CIC

 En esta tesis, Oscar Alberto Rocha Arcos analiza y clasifica 690 de las cerca de 900 tesis que ha producido el CIC, a través de sus egresados, en sus 26 años de existencia. La tesis completa puede consultarse aquí.

RESUMEN

Actualmente se generan elevados volúmenes de información derivados de la actividad científica. Aunado a esto, la evolución del conocimiento científico en todas sus áreas de investigación y específicamente en las áreas de la computación y afines, está en constante transformación. Partiendo de esto, se tiene la necesidad de analizar y esquematizar esta información generadas, para obtener conclusiones sobre su avance, evolución y generación.

El presente documento realiza un análisis y evalación, de las temáticas dominantes en las publicaciones del CIC-IPN que se han desarrollado hasta el 2020. Las 690 tesis feron obtenidas de los repositorios digitales del IPN. Para la evaluación del sistema, 100 tesis se clasificaron de manera manual previamente con base a la ontología multijerárquica que sugiere ACM (Association for Computing Machinery, por sus siglas en inglés) para el campo de la computación, sirviendo como Golden Standard. La clasificación de la tesis es utilizando el sistema desarrollado CLASSONTO, que permite clasificar basándose en un árbol de conocimiento. El sistema ocupa una votación y propagación del voto, para la identificación de temáticas, además de un procesamiento de textos. El árbol de conocimiento en el que se basa es enriquecido, por lo que lo convierte en un sistema de mejora continua.

Los resultados obtenidos muestran las clasificaciones de cada tesis, permitiendo inferir qué temas trata cada una. De igual manera se hace un análisis y evaluación de los resultados con respecto al tiempo, visualizando el desarrollo de temáticas a través del tiempo.

Esta investigación es de particular interés, pues servirá como una referencia para evaluar la producción científica del CIC, fomentando su estudio y catalogación.

Palabras clave: clasificación jerárquica, ontologías, modelado de temas.

Clasificación ACM: 8.5.5.8 Clustering and classification; 11.3.1 Natural Language Processing; 12.8.2 Publishing; 11.4.1.2.4 Topic modeling; 8.5.1.6 Ontologies.

Aplicación de la minería de datos para buscar los atributos que inciden en el nivel glicémico de pacientes con Diabetes Mellitus tipo 2

 En esta tesis, Alejandro Gutiérrez descubre en qué pacientes operan mejor tres nuevas drogas para tratamiento de diabetes. Tesis completa: pulse aquí.

 Introducción: La Diabetes Mellitus tipo 2 (DM2) es una enfermedad crónica que en los últimos años se ha incrementado en forma importante a nivel mundial, y específicamente en México ha habido un incremento en la obesidad, y consecuentemente de la DM2 y sus complicaciones. Para identificar si los pacientes con DM2 tienen un adecuado control glucémico se requiere la determinación de hemoglobina glicada (Hb𝐴𝐴1𝑐𝑐) cada 3 meses. Para evitar las complicaciones se requiere de un control glucémico adecuado, esto a través de cambio en el estilo de vida y tratamiento farmacológico. En los últimos 10 años se han agregado tratamientos farmacológicos de nueva generación. Una de las áreas de las Ciencias de la Computación (CS) es la Minería de Datos (DM), la cual se apoya del Aprendizaje de Máquina (ML). Los algoritmos de clasificación de ML pueden ser útiles para identificar a sujetos con DM2 con adecuado e inadecuado control glucémico a través de la Hb𝐴𝐴1𝑐𝑐, y para identificar factores relacionados a un adecuado control glucémico en sujetos que ya cuentan con el diagnóstico de DM2.

Objetivos: Utilizando técnicas de minería de datos y clasificación, identificar a los pacientes con DM2 que tengan alta probabilidad de descontrol glucémico a través de glucosa, perfil de lípidos y variables clínicas, considerando el porcentaje de Hb𝐴𝐴1𝑐𝑐 como el valor de referencia. Comparar la efectividad de 3 tipos de tratamientos farmacológicos para mejorar el control glucémico a tres meses de seguimiento en pacientes con DM2.

 Resultados: En el modelo transversal el enfoque OCAT obtuvo mayor número de reglas con soporte mayor al 5% y alta precisión (mayor al 94%) para identificar a los sujetos con descontrol glucémico (con hasta 12 cláusulas en la regla); de estas reglas, dos se confirmaron como útiles a través de un modelo de regresión logística identificando un OR (Odds Ratio o razón de momios) de hasta 2.9 con significancia estadística. Dichas reglas son: 1.- Aquellos pacientes que sí usan insulina 2.- Mujeres con peso<=118.5kg, triglicéridos<=432mg/dl y Creatinina sérica<=0.97mg/dl. La clasificación por árboles sólo obtuvo una regla con soporte mayor al 5%, la cual tuvo una precisión de 98% y OR superior a 244 con significancia estadística: Un paciente con descontrol glucémico es aquel con edad<=70, sin uso de Gliflozina ni iDPP-4. En el modelo longitudinal para identificar si los diferentes tratamientos impactaban sobre la modificación del control glucémico, se observó a través de las máquinas de soporte vectorial que los sujetos que recibían gliflozina o iDPP-4 tuvieron un mayor control glucémico en comparación al grupo que sólo tuvo tratamientos tradicionales. Sin embargo, no se logró identificar diferencias significativas entre los pacientes que recibieron gliflozina e iDPP-4, a pesar de utilizar diferentes criterios de desenlaces entre los sujetos. A través de emparejamiento por puntaje de propensión, se identificó que la Gliflozina es 288% más efectiva que el iDPP-4.

Conclusiones: Con la base de datos que se obtuvo, se identificaron propuestas de reglas para identificar la presencia de descontrol glucémico a través de variables habituales (perfil de lípidos y datos generales) de los pacientes con DM2 siendo factores de riesgo: 1) La no administración de medicamentos de nueva generación para pacientes hasta los 70 años. 2) El uso de insulina. 3) Tener sexo femenino, peso hasta 118kg, triglicéridos no demasiado altos y Creatinina sérica normal. Se identificó que los tratamientos de nueva generación para el manejo de la DM2 lograron mejorar el control glucémico en los pacientes con DM2 a 6 meses de seguimiento, siendo la Gliflozina más efectiva que el iDPP-4.

Palabras clave: Diabetes Mellitus tipo 2, control glucémico, clasificación, máquina de soporte vectorial, árbol de decisión, análisis de componentes principales, enfoque OCAT, emparejamiento por puntaje de propensión.

Adolfo is Fellow of the Asia-Pacific Artificial Intellgence Association

 Starting on July 16, 2022, the Asia-Pacific Artificial Intelligence Association (AAAI) has a new Fellow Member: Adolfo Guzmán Arenas.

The Asia-Pacific Artificial Intelligence Association (AAIA) was incorporated in Hong Kong in 2021. The Asia-Pacific Artificial Intelligence Association (AAIA) is an academic, non-profit and non-governmental organization voluntarily formed 767 academicians worldwide. More info: https://www.aaia-ai.org/

 

Minería de datos para la detección de anomalías en apoyos gubernamentales

 Desarrollada en el Laboratorio de Ciencia de Datos y Tecnología de Software del CIC, esta tesis la presenta el Ing. Arturo Morales Barrios para obtener el grado de Maestro en Ciencias en Ingeniería de Cómputo, en noviembre de 2021. Para descargar la tesis completa, pulse aquí.

Resumen

El incremento general de la disponibilidad de datos electrónicos ha permitido el uso de herramientas de aprendizaje automático y minería de datos para mejoras en diversas áreas de la sociedad moderna. Entre éstas, se encuentra la de la creación de políticas públicas, en particular, las de aquellas relacionadas con la evaluación y análisis de programas de apoyo social. El uso de métodos computacionales de análisis de datos ha permitido avances en aspectos como la identificación de la población objetivo, estimación del impacto y predicción de la reacción provocada por programas gubernamentales de desarrollo. Siguiendo esta línea de investigación, en este trabajo se buscó hacer uso de herramientas de aprendizaje de máquina para la identificación y estudio de casos de personas que recibieron apoyos gubernamentales de nivel federal durante 2018 en México a pesar de no ser parte de la población objetivo de los respectivos programas.

Los casos previamente descritos fueron denominados como anomalías. Para su identificación, se emplearon consultas sobre la base de datos ENIGH 2018 (INEGI) combinada con la base de datos de la Medición de Pobreza Multidimensional en México (CONEVAL). Posteriormente, la información no empleada en las consultas fue utilizada en algoritmos de clasificación para identificar las variables relevantes en la separación de casos anómalos y no anómalos. En dicho proceso se aplicaron los modelos de Lasso y Regresón Logística Penalizada, dos métodos que ofrecían una alta interpretabilidad además de poder manejar la alta dimensionalidad de la base de datos y la correlación que existía entre sus variables. El presente estudio permitió ver las diferencias de desempeño entre estos dos modelos, los cuales han sido empleados con fines similares en la literatura de la minería de datos. Sin embargo, a pesar de esto, esta oportunidad de comparación entre los dos algoritmos no fue encontrada en ningún trabajo previo.

Nuestros resultados muestran que la existencia de estos casos anómalos no es uniforme a lo largo del país, y que ésta tiene una potencial explicación distinta para cada programa social estudiado. En el caso del programa 65 y Más, las anomalías se concentraron en el norte del país y en un sector no caracterizado por ser vulnerable. En el caso del programa PROSPERA, los casos anómalos se encontraron mayormente en personas sin padecimientos por ingresos o carencias sociales, y tuvieron mayor frecuencia en comunidades rurales del centro y norte de México. Para el caso del programa Tarjeta Sin Hambre, muchas de estas anomalías se encuentran en la parte centro-norte del país, y se enfocan principalmente en personas que, a pesar de no ser parte de la población objetivo del programa, se encuentran en estado de pobreza. Para el programa PROCAMPO, se estudiaron anomalías aproximadas que sugieren la existencia de beneficiarios que no explotan sus predios de la manera estipulada por el programa, principalmente en la zona norte del país. Por último, los resultados de los programas Empleo Temporal y Becas Escolares ofrecen una cota inferior del número total de anomalías pertenecientes a dichos programas, los cuales no pudieron ser encontrados debido a las limitaciones de la información disponible.

Se pretende que los resultados del presente trabajo puedan informar a las instituciones competentes sobre la existencia de estas anomalías en cuanto a su cantidad, distribución y naturaleza. A su vez, se espera que esto ayude en los procesos de evaluación, ejecución y mejora de los programas de apoyo
social a nivel nacional.

RETRATOS --Adolfo Guzmán Arenas

El Centro de Investigación en Computación del Instituto Politécnico Nacional (CIC IPN) ha creado la serie "Retratos" en homenaje de sus fundadores, dentro del marco de los festejos de su XXV aniversario (2021). El primer número está dedicado a Adolfo Guzmán Arenas, Director Fundador del CIC. Para leerlo, pulse aquí (14 páginas incluyendo imágenes).

Identificación de secuencias auditivas (melodías) con Ciencia de Datos

En su tesis de maestría en Computación, Carlos Arturo Medina aborda el problema de identificar la melodía a la que pertenece una pequeña muestra (5-15 seg.) de audio de ella, tomada en cualquier parte de la melodía completa. Su tesis completa puede descargarse aquí. 

 

El presente trabajo de tesis aborda el problema del reconocimiento auditivo. Una canción contiene música, pero también contiene partes donde solo existe voz, o una secuencia de sonidos (no forzosamente generados por un instrumento) que crean atmósferas. Para poder identificar correctamente es- tas secuencias se crea un modelado de huella a partir del contenido de las mismas, y almacenadas en una bodega que las relacione al archivo que las generó, permitirá que al extraer estas huellas de una muestra de audio pueda encontrarse el archivo reproducido, y recuperar toda la información que se tiene de él en la bodega.

      Con este fin, se implementa un Sistema Identificador de Audio (SIA), haciendo uso de un modelo de huellas usado por una aplicación bastante popular como lo es Shazam. Se hace uso de distintas tecnologías que permitan alma- cenar las huellas obtenidas con este modelo, con el fin de obtener pruebas de desempeño y factibilidad de implementación con una gran cantidad de canciones. Además, se propone y se pone a prueba una forma alternativa que busca acelerar el tiempo de búsqueda en la bodega sin perder exactitud.

           Se hace uso de una base de datos con licencia libre conteniendo una gran diversidad de géneros musicales así como un etiquetado completo de cada una de las pistas que contiene. La descripción de la implementación junto con la metodología de pruebas y resultados obtenidos busca ayudar a obtener un panorama distinto al de artículos ya publicados, ya que muchas veces ciertos detalles son omitidos por tratarse de aplicaciones comerciales. 

     La exactitud obtenida en las pruebas realizadas se asemeja bastante a la descrita en el estado del arte, sin embargo los tiempos de respuesta obtenidos no son tan buenos como los reportados, resultando en un área de oportunidad para intentar nuevos métodos a partir de este trabajo.

 

In his master's thesis, Carlos Arturo Medina addresses the problem of identifying the melody to which a small sample (5-15 sec.) of audio belongs, taken anywhere in the complete melody. His full thesis can be downloaded here.

 

This thesis addresses the audio recognition problem. A song contains music, but also contains parts where there is only voice, or a sequence of sounds (not necessarily generated by an instrument) that create atmospheres. To be able to correctly identify these sequences, a fingerprint modeling is created from its content, and stored in a warehouse that associates the file that generated them will allow to extract these fingerprints from a sample and found the played audio file, retrieving all the information stored about the song in the warehouse.

      To achieve this, an Audio Identifier System (SIA) is implemented using a fingerprint model used by a quite popular application such as Shazam. Diffe- rent technologies that allow storing the fingerprints obtained with this model are used, in order to obtain evidence of performance and feasibility on an implementation with a large number of songs. In addition, an alternative way that seeks to speed up search time in the warehouse without losing accuracy is proposed and tested.

      A free license dataset is used, containing a great diversity of musical genres and a complete labeling of each of its tracks. The description of the imple- mentation together with the methodology of tests and results obtained seeks to help to obtain a different view from that of the already published articles, since certain details are omitted many times because they are used in com- mercial applications.

      The accuracy obtained in the tests carried out, closely resembles the described in the state of the art, however, the response times obtained are not so good as the reported, resulting in an area of opportunity to try new methods from this work.

 

Cumple el CIC 25 años.

 Ceremonia (virtual) del aniversario XXV del Centro de Investigación en Computación del IPN. 3mayo2021, 13:00-14:00. Con la presencia del Director General del IPN. Grabación: https://www.youtube.com/watch?v=ftY8PKILWiQ&t=21s (51 min). Se da el nombre "Adolfo Guzmán Arenas" a la sala de usos múltiples del CIC: minutos 13:31 a 13:57. Habla Adolfo sobre "El pasado y el futuro del CIC": minutos 13:57 a 22:50.

El edificio del CIC en la Unidad Profesional "López Mateos" del Instituto Politécnico Nacional. Mayo 2021.

El Prof. Ron Baecker visita el CIC IPN y da un par de interesantes pláticas

El profesor Ron Baecker es profesor retirado de la Universidad de Toronto. Estudió en el Laboratorio de Inteligencia Artificial del MIT, siendo compañero de Adolfo Guzmán. El 13 de marzo de 2020 se volvieron a encontrar estos viejos amigos, cuando Ron visita el CIC y da dos pláticas que provocan reflexión: "What Society Must Require from AI" and "A call for action". Su primer plática comenzó así: "Imagine a society in which control over many aspects of life has been delegated to a mysterious godlike spirit that has proclaimed a mission of improving society's productivity and welfare. Nobody knows why the spirit came to Earth about 50 years ago, and where it came from, yet it has gradually developed friends, influence, and power, mostly in the last decade. The spirit conveys many benefits, but also increasing numbers of deleterious side-effects. For most of the 50 years it remained in the shadows, unnoticed and inscrutable. Yet now it is everywhere, with an efficiency and power sufficiently awesome that nobody can contemplate a society without it.
      That spirit is the software known as artificial intelligence, or AI..."

Restaurante Monte Cristo, CdMx. De izq. a der: Adolfo Guzmán, Marco Antonio Ramírez, Rafael Domínguez, Gilberto Martínez, Ron Baecker, Marco Antonio Moreno. 13 de marzo de 2020.

Optimal allocation of public parking spots in a smart city: problem characterisation and first algorithms

• Authors: Javier Arellano-Verdejo, Federico Alonso-Pecina, Enrique Alba, Adolfo Guzmán Arenas.
• April 2019. Journal of Experimental & Theoretical Artificial Intelligence

• DOI: 10.1080/0952813X.2019.1591522

 Abstract: Having a mechanism to mathematically model the problem of the optimal allocation of parking spots within cities could bring great benefits to society. According to the International Parking Institute, about 38% of the cars circulating throughout a city are looking for available parking spots, leading to increased pollution and subsequent health problems, as well as economic losses due to wasted man-hours. 

     In the work presented here, a new mathematical model describing the problem of the optimal allocation of parking spots is proposed, along with an evolutionary algorithm to demonstrate how this model can be used in practice. 

     A simulated annealing algorithm was implemented to test the effectiveness of this approach. The proposed strategy will allow users to find parking more quickly and easily, as well as lead to new services for the hot-topic of smart mobility. For the definition of the problem, a real map of the city of Malaga, Spain, was used along with Sumo software to carry out the simulations. The results clearly demonstrated that the proposed mechanism is capable of minimising the global cost of parking, implying a direct benefit for users. 

 

Full text: click here.