Resumen:
Este estudio presenta el desarrollo de un modelo de inteligencia artificial para la detección en tiempo real de situaciones delictivas en videos de vigilancia. Utilizando una arquitectura de redes neuronales recurrentes con convoluciones (LRCN), el modelo fue entrenado con un conjunto de datos compuesto por videos de situaciones normales y violentas. La
metodología incluyó el procesamiento y normalización de frames de video, y el entrenamiento del modelo en una MacBook Pro con chip M1. Los resultados muestran que el modelo puede identificar actividades delictivas con alta precisión, aunque enfrenta desafíos en la generalización a nuevos datos. Se observó que las gráficas de pérdida y exactitud reflejan un buen aprendizaje pero también indican posibles sobre ajustes. Este sistema tiene el potencial de mejorar significativamente la seguridad pública al proporcionar alertas automáticas y permitir una respuesta más rápida a situaciones delictivas.
