¿Qué es la analítica de vídeo y para qué sirve?

Introducción

Hasta hace un tiempo, la vigilancia dependía al 100% de un profesional que supervisaba múltiples cámaras simultáneamente. Analizaba visualmente lo que estaba ocurriendo en cada una para detectar posibles riesgos y problemas. Pero con el tiempo, se ha visto que este proceso resultaba ineficiente y propenso a errores.

Para superar este reto, la tecnología de Inteligencia Artificial ha irrumpido en las soluciones de análisis de vídeo. Permite monitorizar las transmisiones de las cámaras para detectar cualquier evento, independientemente de que esté relacionado con personas, vehículos en movimiento, o cualquier otro aspecto u objeto. De esta forma, estos eventos se pueden usar para activar la grabación, o notificar a un operador para que pueda monitorear de manera efectiva más cámaras a la vez. 

La detección de movimiento por vídeo se queda atrás

La detección de movimiento por video es lo que venían utilizando las cámaras para intentar detectar cualquier actividad. Este proceso de detección no incluye la inteligencia artificial, y no es ni mucho menos un proceso inteligente, aunque haya quien trate de venderlo como tal.  

En realidad, depende del análisis de cambios bastante simplistas en los píxeles de un fotograma al siguiente. Por ello, las cámaras solo alertarán del movimiento detectado si encuentran suficientes píxeles que cambien a un nivel adecuado. Pero, como decíamos, este proceso no es lo suficientemente inteligente como para saber si los píxeles son un movimiento válido o no. Solo detectan que se están moviendo, lo que se traduce en múltiples errores y falsas alarmas que suponen un gasto innecesario de recursos. 

Beneficios de las nuevas soluciones basadas en IA

Para superar este reto, se han desarrollado soluciones de analítica de vídeo basadas en inteligencia artificial que aumentan la precisión de detección y ofrecen significativamente más capacidades de clasificación. La principal ventaja de la analítica de vídeo basada en IA es que el sistema se está preguntando por cada objeto detectado: «¿Es una persona?», «¿Es un coche?», «¿Parece una bicicleta?», «¿Es una pistola?», etc. 

Todo esto se debe a que los análisis de IA entrenan sus algoritmos. Es decir, estos algoritmos aprenden a analizar una gran cantidad de objetos válidos. Ellos son los que deciden qué características determinan si el objeto es lo que se está identificando realmente. Por ejemplo, para que un sistema aprenda a detectar caras, muchas imágenes de caras se introducen en el sistema basado en inteligencia artificial para que pueda analizar y aprender cómo se ve una cara. 

Esta formación o aprendizaje se realiza de forma automática, sin la necesidad de que haya un ingeniero que defina todos estos aspectos de antemano. El algoritmo «aprende» por sí solo, dando lugar a lo que venimos conociendo como deep learning. 

Cómo detectamos objetos y movimientos sospechosos con la IA

El nivel de detección más básico de IA es determinar si la cámara está mirando un objeto real o simplemente “ruido” en la imagen. Su siguiente nivel es determinar si el objeto detectado es una persona o no.  

La analítica de video se puede entrenar para detectar aquellos objetos que son más interesantes a la hora de identificar, además de sus características, como, por ejemplo: 

• Persona: edad, género, color de la ropa. 
• Vehículos: tamaño, tipo (automóvil o camión), color, dirección de viaje. 
• Animales: tipo (gato vs perro), color. 
• Objetos inanimados (bolsas, armas): tamaño, estado (abandonados), tipo (pistola o rifle) 

Con respecto al color, este puede ser un detalle importante para identificar un objeto, una persona o un vehículo específico. Los análisis de color se pueden ofrecer por sí mismos o junto con otros objetos (ropa, color del vehículo). Sin embargo, el análisis de color puede funcionar de manera inexacta en videos nocturnos con poca luz o con infrarrojos en blanco y negro, lo que devuelve los colores como tonos de negro y gris. 

Qué comportamientos puede detectar la analítica de video

Asimismo, la analítica también se puede entrenar para detectar determinados comportamientos, siendo los más comunes los siguientes:  

• Cruce de línea e intrusión – Detecta cuando una persona accede o se acerca a un área restringida lo cual puede ser crítico en lugares de alta seguridad o por motivos de salud y protección. Es la analítica de comportamiento más básica. 

• Merodeo –Que una persona que acceda o se acerque a un área restringida no siempre es suficiente para activar una alarma. Por eso existen alertas de merodeo que detectan si esa persona está demasiado tiempo dentro o cerca de dicha área. Este proceso puede resultar complicado, ya que implica que la herramienta de analítica no puede perder de vista a la persona durante un tiempo determinado. 

• Conteo de personas – Este análisis aumentará o disminuirá a medida que las personas pasen por una línea o área definida. Es similar al análisis de cruce de línea, pero no activa una alerta para cada persona detectada. 

• Objeto abandonado – Este tipo de análisis se desarrolló porque los objetos desatendidos (bolsas, cajas, mochilas) que se dejan atrás pueden ser peligrosos o causar confusión. Además pueden suponer un alto coste al propiciar cierres preventivos de sitios en lugares de alta seguridad (aeropuertos, escuelas, estadios). 

Estudio previo inicial para desplegar el modelo de seguridad adecuado

Para desplegar cualquier modelo de seguridad, ya sean soluciones de análisis de vídeo basadas en IA o cualquier otra herramienta, lo más recomendable es realizar un estudio previo detallado para poder confeccionar un plan. A partir de este, se debe diseñar un modelo completo de seguridad, que incluya formación, protocolos de actuación, servicios y actualizaciones.  También debe ser capaz de evolucionar acorde a los riesgos y las futuras necesidades de seguridad. 

Futuro de la analítica de vídeo

Además de las imágenes de alta calidad y máxima resolución, la videovigilancia requiere de analíticas inteligentes de vídeo que permitan efectuar una mejor labor de seguridad.  

Actualmente se están desarrollando herramientas de análisis emocional que utilizan la IA para relacionar expresiones faciales, voces y texto con emociones, un valor que puede emplearse para identificar diferentes situaciones y actuar en consecuencia. 

Más allá de las aplicaciones de analítica convencional para seguridad, existe un amplio campo de posibles aplicaciones prácticas, las cuales son fundamentales para comprender cómo se relacionan con posibles beneficios y usos para resolver problemas en la sociedad actual.  

Fruto de nuestra continua apuesta por la tecnología, en Securitas trabajamos en proyectos constantes de innovación abierta, que permiten dar respuestas específicas a las necesidades de nuestros clientes.