SUMMARY
En este artículo se describe el diseño de un algoritmo capaz de clasificar imágenes térmicas de personas acostadas y no acostadas, con el objetivo de aplicarlo en un sistema de detección de caídas. Se diseñó un algoritmo de normalización automática en rotación, traslación y tamaño, aplicado a una base de datos de imágenes térmicas, con el propósito de obtener un nuevo conjunto de imágenes alineadas y así realizar una reducción de dimensionalidad mediante PCA. Se utilizaron secuencias de 100 fotogramas, y se produjeron tanto secuencias de caídas como de no caídas. Aplicando el clasificador K-NN ponderado para identificar la clase de cada fotograma, se obtuvo un vector de probabilidades de la clase acostado con 100 posiciones. Estos nuevos vectores se utilizaron como ejemplos de entrenamiento para un nuevo clasificador K-NN, el cual contiene ejemplos de vectores de probabilidad de caídas y no caídas. Aplicando la validación cruzada, nuestro sistema es capaz de reconocer caídas con un 91 % de precisión.