En el mundo de la seguridad y la videovigilancia, el objetivo principal siempre es la prevención de las situaciones de riesgo. Sin embargo, con el incremento constante del número de cámaras en las instalaciones, al ojo humano le resulta imposible procesar, en tiempo real, las miles de horas de vídeo recibidas en busca de evidencias de situaciones peligrosas o de alarma.
En este contexto, los beneficios que aporta la analítica de vídeo inteligente están muy claros, y los números así lo indican: según una investigación de Tractica, el valor del mercado de Inteligencia Artificial (IA) en el sector de la seguridad y vigilancia aumentará de $1,1 mil millones en 2018 a $4,5 mil millones en 2025.
No obstante, aunque el auge de la vídeo analítica inteligente sea reciente, los sistemas de análisis de vídeo llevan en el sector más de 10 años, ofreciendo una eficiencia operativa por debajo de la deseada. Así, a lo largo de los años, la analítica de vÍdeo tradicional se ha ganado una reputación desfavorable que los nuevos sistemas, basados en Deep Learning o aprendizaje profundo, prometen corregir.
Limitaciones de los sistemas de vídeo analítica tradicionales
A grandes rasgos, el análisis de vídeo de primera generación se limita a observar cambios drásticos en agrupaciones de píxeles de la imagen, a través de algoritmos basados en Visión por Computador, cómo el Background Subtraction o sustracción de fondo.
El método de sustracción de fondo es un enfoque ampliamente utilizado para detectar objetos en movimiento en vídeos de cámaras estáticas. Su fundamento se basa en detectar los objetos a partir de la diferencia entre el fotograma actual y un fotograma de referencia, que va actualizándose periódicamente para adaptarse a los cambios de iluminación de la escena.
Cuando se detecta un grupo de píxeles con diferencias significativas respecto al fotograma de referencia, se genera una alerta de intrusión. Esto resulta en un número considerable de falsas alarmas que los operadores deben revisar individualmente, puesto que cualquier factor ambiental, animal o de vegetación podría activar una alarma de este tipo, sobre todo en cámaras exteriores.
El comportamiento descrito, junto con la propensión a procedimientos de configuración complejos, la gran necesidad de ajustes manuales y el coste de investigación de las numerosas alarmas recibidas, ha impedido que el análisis de vídeo tradicional se convierta en una aplicación transcendental.
Por suerte, gracias a los avances constantes en el rendimiento del hardware para procesamiento gráfico y al aumento de la disponibilidad de datos, el análisis de vídeo ha evolucionado de la mano del Deep Learning, dotando a los sistemas de videovigilancia de capacidad para detectar, identificar y clasificar los objetos y eventos que aparecen en cada fotograma de forma precisa.
Identificación y clasificación de objetos con Deep Learning (Inteligencia Articial)
El Deep Learning o aprendizaje profundo es una rama de la Inteligencia Artificial formada por un conjunto de algoritmos que procesan datos empleando arquitecturas computacionales complejas: las redes neuronales artificiales.
Estos algoritmos están compuestos por capas de procesamiento interconectadas que emulan las conexiones neuronales del cerebro humano, ‘aprendiendo’ (abstrayendo patrones comunes) de forma automática y eficiente. Para ello, el sistema se expone a grandes volúmenes de datos previamente etiquetados, llamados datasets, para aprender a reconocer e identificar los patrones en nuevos conjuntos de datos.
De esta forma, el aprendizaje profundo permite que las nuevas generaciones de analítica de vídeo detecten e identifiquen objetos y eventos de manera más competente en función de una mayor exposición a la información, mostrando una reducción drástica en la tasa de falsas alarmas respecto al análisis de video tradicional. Al mismo tiempo, estas nuevas soluciones no requieren ajustes manuales por parte del usuario y son esencialmente plug-and-play, lo que hace que la implementación masiva sea un objetivo realista.
Generalmente, debido a los requisitos computacionales para ejecutar los algoritmos de manera eficiente y en tiempo real, las soluciones de análisis de video que utilizan Deep Learning deberán procesar el vídeo recibido en un hardware dedicado, que puede encontrarse tanto en equipos independientes cómo embebido en videograbadores y cámaras. Estos módulos dedicados se caracterizan por su GPU, TPU u otra unidad de procesamiento específica para grandes operaciones matemáticas simultáneas.
Consideraciones al elegir un sistema de vídeo analítica inteligente
La IA, el Machine Learning y el Deep Learning son algunas de las palabras de moda de los últimos años, usándose para promocionar aplicaciones para todos los sectores, incluso a veces de forma errónea o engañosa. Dada esta realidad, es necesario comprender qué hace que las nuevas analíticas inteligentes ofrezcan mayor seguridad y rendimiento y cómo distinguir aquellas soluciones realmente capaces de aprovechar el potencial de la IA.
-
Capacidad de personalización
Entrenar modelos desde cero requiere un esfuerzo considerable y asignar recursos específicos a tiempo completo, tanto humanos como computacionales. Por este motivo, algunas empresas del sector han optado por usar recursos de Internet de propósito general para ofrecer una solución de forma rápida y a gran escala, como datasets ya etiquetados y proyectos de código abierto.
Este es el primer error a evitar al elegir una solución de vídeo analítica si se quiere asegurar la fiabilidad del sistema en entornos reales. Un algoritmo de aprendizaje profundo entrenado con imágenes de propósito general fallará en el análisis de imágenes de cámaras de vigilancia debido a la diferencia en los ángulos de visión, la resolución y la calidad de la imagen.
Para lograr las tasas de fiabilidad requeridas para aumentar la seguridad de las instalaciones videovigiladas, se debe recopilar e identificar una base de datos amplia a partir de imágenes de vigilancia reales y adaptar el algoritmo de entrenamiento a cada caso de uso.
-
Adaptación a las características de las cámaras
A parte de los atributos mencionados, como ángulos de visión, resolución y calidad de la imagen, también se deben tener en cuenta las características de las diferentes instalaciones.
Por ejemplo, en muchos sistemas, las cámaras cuentan con tecnología IR para visión nocturna. Si el sistema no ha sido entrenado también con imágenes IR, este no será capaz de mantener la misma fiabilidad de clasificación tanto de día como de noche. Lo mismo puede ocurrir con las características imágenes que generan las cámaras térmicas, ampliamente usadas en aplicaciones de protección perimetral.
-
Amplio espectro de poses y pruebas
Otro error común a evitar es la poca variabilidad de las poses y localizaciones de los objetos en las imágenes de los datasets usados. Por ejemplo, aunque se usen imágenes de personas extraídas de cámaras de vigilancia para entrenar un sistema de detección de personas, si el dataset está compuesto solamente de imágenes de personas de pie, el sistema será incapaz de detectar fiablemente una persona corriendo, saltando o gateando por el suelo. Es importante que el fabricante haya testeado extendidamente el sistema y pueda asegurar un alto porcentaje de fiabilidad en todos estos casos.
-
Métricas de evaluación promocionadas
En el momento de evaluar el rendimiento de un modelo de Deep Learning ya entrenado, existen dos medidas principales de interés: la precisión (accuracy) y la recuperación (recall).
La precisión mide la fracción de positivos reales entre todas las detecciones clasificadas como positivas (evalúa la tasa de falsos positivos o clasificaciones erróneas). La recuperación, en cambio, mide cuántos positivos reales fueron detectados respecto al número total de positivos (evalúa la tasa de falsos negativos u omisiones).
Idealmente, el porcentaje de fiabilidad de un modelo de Deep Learning debería definirse por la media armónica entre la precisión y la recuperación.
-
Equipo I+D especializado
Por todo esto, es sumamente importante que el proveedor de vídeo analítica escogido cuente con un equipo de I+D formado por ingenieros especializados en Deep Learning. En Lanaccess, el equipo de IA se encarga de encontrar la mejor solución adaptada a cada caso de uso para el sector de la seguridad, así como mantener siempre las soluciones al día de los avances tecnológicos.
Puedes ver el artículo en la revista Segurilatam haciendo clic aquí .
Contacto
I every time used to read piece of writing in news
papers but now as I am a user of web therefore from
now I am using net for content, thanks to web.
certainly like your website however you need
to check the spelling on quite a few of your posts. A number of them are rife with spelling problems and I find it very bothersome to tell the truth nevertheless I will surely come back again.
Hi there! This post couldn’t be written any better! Reading through this post reminds me
of my good old room mate! He always kept talking about
this. I will forward this page to him. Pretty sure he will have a good
read. Thanks for sharing!
Today, I went to the beach with my kids. I found a sea shell and gave it to my 4 year old daughter and said «You can hear the ocean if you put this to your ear.» She put the shell to her ear
and screamed. There was a hermit crab inside and it pinched her ear.
She never wants to go back! LoL I know this is entirely off topic
but I had to tell someone!
Hello, i feel that i noticed you visited my blog so i came to go back the prefer?.I am attempting to to find things to
enhance my website!I assume its good enough
to make use of a few of your ideas!!
This is my first time go to see at here and i am really pleassant
to read everthing at alone place.
Thanks for your personal marvelous posting!
I seriously enjoyed reading it, you’re a great author.I will be sure to bookmark your blog and will often come back later in life.
I want to encourage you to definitely continue your great writing,
have a nice morning!
I visited various web sites except the audio
feature for audio songs present at this website is in fact excellent.
Hi, just wanted to mention, I liked this blog post. It was practical.
Keep on posting!
I want to to thank you for this fantastic read!! I certainly enjoyed every bit of it.
I have you saved as a favorite to look at new stuff you post…
I just couldn’t go away your web site before suggesting that I actually enjoyed the
usual info an individual provide for your visitors?
Is gonna be back continuously in order to check out new posts
Oh my goodness! Impressive article dude! Many thanks, However I
am experiencing issues with your RSS. I don’t know why I cannot join it.
Is there anyone else having similar RSS problems?
Anybody who knows the answer can you kindly respond? Thanks!!
I’m really enjoying the design and layout of your website.
It’s a very easy on the eyes which makes it much more pleasant for me to come here
and visit more often. Did you hire out a developer to create your theme?
Outstanding work!
My coder is trying to persuade me to move to .net from PHP.
I have always disliked the idea because of the
costs. But he’s tryiong none the less. I’ve been using Movable-type on several websites for about
a year and am concerned about switching to another platform.
I have heard great things about blogengine.net. Is there a way I
can transfer all my wordpress posts into it? Any kind of help would be
greatly appreciated!
What’s up, yeah this post is actually pleasant and I
have learned lot of things from it on the topic of blogging.
thanks.
Hello, I log on to your blog daily. Your story-telling style is awesome,
keep doing what you’re doing!
Nice post. I learn something totally new and challenging on websites I stumbleupon every
day. It’s always exciting to read content from other
authors and use something from their sites.
Useful info. Fortunate me I found your web site unintentionally, and
I’m stunned why this twist of fate did not took place earlier!
I bookmarked it.
Simply wish to say your article is as surprising.
The clearness in your post is just nice and i can assume
you are an expert on this subject. Fine with your permission allow me to grab your
RSS feed to keep up to date with forthcoming post. Thanks
a million and please keep up the gratifying work.
Hi! Do you know if they make any plugins to safeguard against
hackers? I’m kinda paranoid about losing
everything I’ve worked hard on. Any suggestions?
Woah! I’m really enjoying the template/theme of this blog.
It’s simple, yet effective. A lot of times it’s
challenging to get that «perfect balance» between user friendliness and visual appearance.
I must say you’ve done a very good job with this.
Also, the blog loads very quick for me on Opera. Excellent Blog!
Hello there! This blog post couldn’t be written any better!
Looking at this article reminds me of my previous roommate!
He constantly kept preaching about this. I am going to forward this information to him.
Fairly certain he’ll have a good read. Many thanks for sharing!
Thank you for sharing your info. I really appreciate your efforts and I am waiting for your further
write ups thank you once again.
Heya this is kinda of off topic but I was wanting
to know if blogs use WYSIWYG editors or if you have to manually code with HTML.
I’m starting a blog soon but have no coding knowledge so I wanted to get guidance from
someone with experience. Any help would be greatly appreciated!
I do not even understand how I ended up right here, however
I assumed this post was once good. I don’t recognise who you’re but
definitely you’re going to a well-known blogger should you are not already.
Cheers!
Link exchange is nothing else except it is only placing the other
person’s web site link on your page at appropriate place
and other person will also do same for you.
Wow! At last I got a blog from where I be able to in fact get helpful facts
regarding my study and knowledge.
Very good article. I am facing some of these issues as
well..
It’s very straightforward to find out any matter on net as compared to books, as I found this
piece of writing at this site.