Deep Computer Vision para la obtención de métricas comerciales en sucursales
Cargando...
Fecha
Autores
Bueno Ortiz, Santiago José
Director
Enlace al recurso
DOI
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Descripción
El comportamiento de clientes en sucursales constituye una métrica relevante para la toma de decisiones operativas, como la asignación de personal y la optimización de la disposición de puntos de información. En este proyecto se implementa un sistema de detección y seguimiento de personas basado en técnicas de visión por computador basada en Deep Learning, orientado a la recolección de métricas comerciales a partir de grabaciones provenientes de cámaras en sucursales de la empresa UNIDROGAS S.A.S. Se estableció una conexión entre las cámaras y un servidor centralizado encargado de ejecutar un modelo de detección entrenado bajo la arquitectura de YOLO, utilizando imágenes reales de las sucursales para mejorar la detección de clientes y la distinción entre clientes y empleados. La información generada es almacenada en el servidor y utilizada para la implementación de herramientas de visualización. Como resultado, se logró medir de forma consistente el flujo de clientes en sucursales, así como el conteo de personas en distintas zonas del establecimiento, permitiendo la generación de mapas de calor que apoyan el análisis del comportamiento espacial de los clientes y la toma de decisiones operativas.
Abstract
Customer behavior in physical branches constitutes a relevant metric for operational decision-making, such as staff allocation and the optimization of information point layouts. This project implements a person detection and tracking system based on Deep Learning-driven computer vision techniques, aimed at collecting commercial metrics from video recordings at UNIDROGAS S.A.S. branches. A connection was established between the cameras and a centralized server responsible for executing a detection model trained under the YOLO architecture, using real images from the branches to improve customer detection and the distinction between customers and employees. The generated information is stored on the server and used for the implementation of visualization tools. As a result, it was possible to consistently measure customer flow within the branches, as well as person counts in different areas of the establishment. This allowed for the generation of heatmaps that support the analysis of customers' spatial behavior and aid in operational decision-making.
Idioma
spa
Palabras clave
Citación
Bueno Ortiz, S. J. (2026). Deep Computer Vision para la obtención de métricas comerciales en sucursales [Trabajo de pregrado]. Universidad Santo Tomás, Bucaramanga, Colombia