Clasificación de interfonos Fermax mediante imagen y sonido

Abstract

[ES] Fermax, fabricantes líderes de videoporteros, porteros automáticos y sistemas de control de acceso en España, tiene distribuidos diferentes modelos de interfonos a lo largo del país. Durante el proceso de digitalización de la información, han buscado automatizar el proceso que les resuelva su problemática principal: no cuentan con la distribución geográfica y categorización de cada uno de los dispositivos que están instalados en los hogares. El objetivo del presente proyecto es resolver y agilizar el proceso de recopilación de información que necesita el cliente. Para ello, se propone implementar un modelo de clasificación que dada la imagen de un interfono y el audio que emite al pulsar un timbre, sea capaz de inferir a qué tipo de tecnología pertenece el portero. Tanto la parte de imagen, basada en redes neuronales convolucionales, como la parte de audio, basada en modelos ocultos de Markov, serán modelos de inteligencia artificial que se combinarán para predecir la clasificación de cada dispositivo. De este modo, se minimiza la intervención de un humano en este proceso, limitando su tarea a la toma de la información y clasificación inicial, que será necesaria para iniciar el proyecto. Como resultado de este proyecto, se producirá una optimización importante en tiempos, además de en costes, en la tarea de etiquetado de cada interfono a su correspondiente clase. Esto permitirá llegar antes al objetivo final del cliente, donde cada interfono del país esté localizado y clasificado correctamente.

[EN] Fermax, leading manufacturers of video door phones, intercoms and access control systems in Spain, has different models of intercoms distributed throughout the country. During the digitization process, they have sought to automate the process that solves their main problem: they do not have the geographical distribution and categorization of each of the devices that are installed at homes. The goal of this project is to solve and speed up the information gathering process required by the client. To this end, it is proposed to implement a classification model that, given an intercom image and the audio that it emits when pressed, is able to infer what kind of technology the door phone belongs to. Both the image part, based on convolutional neural networks, and the audio one, based on hidden Markov models, are artificial intelligence models that will be combined to predict the classification of each device. In this way, the human intervention in this process is minimized, limiting his task to collecting the initial information and classification, which will be necessary to start the project As a result of this project, there will be a huge optimization in time, as well as in costs, in the task of labeling each intercom to its corresponding class. This will allow to reach the customer¿s final objective sooner, where each intercom will be located and classified correctly.