No siempre nos damos cuenta, pero todos los días, decenas de cámaras pueden capturar nuestras acciones. A nivel mundial, hay 770 millones de cámaras de videovigilancia en uso, según un análisis reciente de las ciudades más vigiladas del mundo. Y para finales de 2021, se instalarán más de mil millones de cámaras de vigilancia en todo el mundo. El actual salto adelante de los sistemas de videovigilancia, impulsados por los avances en inteligencia artificial, son cada vez más eficientes y autónomos. Según Alejandro Ramón, Regional Manager Sales en Panasonic, los metadatos son clave en la evolución de la videovigilancia.
Aunque la videovigilancia es una herramienta que ya está ampliamente implementada, actualmente estamos viviendo un período crucial de transformación tecnológica en el mercado de la seguridad. La democratización de la inteligencia artificial y la disponibilidad de metadatos a partir del análisis de imágenes están cambiando por completo el tablero de la videovigilancia. Estos desarrollos son tan estimulantes desde el punto de vista tecnológico como ético: en ambos frentes, Europa está a la cabeza.
La evolución de las cámaras CCTV
Desde el uso militar hasta la democratización en el uso doméstico, pasando por la videovigilancia conectada que conocemos hoy, el mercado no es nuevo y ya ha experimentado varias pequeñas revoluciones.
Inicialmente, solo era cuestión de colocar una cámara para grabar un espacio definido. Uno de los primeros cambios importantes fue la llegada de la cámara IP, o cámara de red, que, conectada a través de una red Ethernet, pasó de ser un simple sensor a una herramienta informática completa. Fue en este momento, en la década de 2000, cuando el mercado de protección de video estaba en auge, cuando se desarrollaron e implementaron los primeros algoritmos de inteligencia artificial en los sistemas, lo que permitió analizar los flujos de vídeo y dio origen a la industria del análisis de imágenes a través de las cámaras de seguridad.
Gracias a la capacidad de analizar volúmenes de píxeles en movimiento en la imagen, estos sistemas pueden, por ejemplo, detectar un movimiento anormal en el vídeo, comprender que un individuo está presente y reportar la información. El único inconveniente es que la precisión de este análisis está condicionada por el entorno donde se ubica el sistema. Por ejemplo, la lluvia intensa o los vientos fuertes pueden dificultar la detección al generar falsas alarmas o incluso errar en una intrusión por completo. Otro obstáculo para estas tecnologías es el costo de la infraestructura: para analizar videos y brindar un resultado relevante, es necesario implementar servidores informáticos con una gran capacidad informática. Y estas no son las únicas quejas que se han observado a lo largo de los años. Las cámaras de seguridad a menudo son criticadas porque plantean otro problema operativo: todos estos videos recopilados deben procesarse, lo que requiere un recurso humano sustancial, especialmente en los centros de seguridad urbana.
Pero esto no tiene en cuenta la reciente evolución de los sistemas de videovigilancia, que, impulsados por los avances en inteligencia artificial, son ahora cada vez más eficientes y autónomos.
El “Deep Learning” y los metadatos: el salto adelante en videovigilancia
Es una realidad que cuanto más precisos son los algoritmos, más proactivas se vuelven las cámaras equipadas con análisis de imágenes para enviar información al usuario de un sistema de videovigilancia. La nueva generación de inteligencia artificial en la actualidad nos permite ir más allá y hacer preanálisis de situaciones más precisos. En el caso de una ciudad, por ejemplo, los nuevos algoritmos podrán llamar la atención de los operadores sobre multitudes o movimientos anormales. Eso es posible mediante el uso de un nuevo método para diseñar estos algoritmos de análisis de imágenes llamado Deep Learning que permite utilizar grandes volúmenes de datos para «entrenar» la inteligencia artificial. Cuando entrenamos a los sistemas de inteligencia artificial con todos estos datos, estos son capaces de reconocer diferentes formas: un hombre, una mujer, un gato, pero también reconocer colores, un hombre con camiseta roja y bigote, un niño en un scooter. Todo ello gracias a los algoritmos de Deep Learning, capaces de procesar una cantidad exponencial de datos.
A esto se suman los avances en términos de potencia de cómputo y la miniaturización de los procesadores, que ahora están integrados directamente en las cámaras de seguridad, haciendo que el costo de implementar estas tecnologías sea mucho más accesible para los usuarios finales. Por lo tanto, los sistemas de videovigilancia actuales se han convertido en expertos en detección y reconocimiento de patrones. Basándose en lo que han detectado, crean una base de metadatos que se autoamplifica y permite un análisis cada vez más preciso de las imágenes. Esta es la base de las herramientas de reconocimiento biométrico y facial.
¿Y la protección de datos personales? Desde una perspectiva de seguridad, el objetivo de los metadatos no es identificar a los ciudadanos (lo que está prohibido en Europa con la GDPR), sino optimizar el uso de la protección de video y hacerla proactiva y predictiva. Cámaras conectadas en el coche para evitar accidentes, ciudades inteligentes que optimizan los flujos y limitan las incidencias, cámaras que detectan las microexpresiones de un individuo que sufre un derrame cerebral… Los usos son ilimitados, y algunos ya son una realidad. Desde su concepción, los sistemas de seguridad actuales están diseñados para ir más allá de una lógica protectora. Para 2024, se estima que el 30% de las cámaras vendidas en el mercado serán capaces de incorporar el Deep Learning. El análisis de imágenes basado en inteligencia artificial está en auge y ahora es solo una cuestión de tiempo; el tiempo necesario para desplegar infraestructuras y crear las aplicaciones de IA para cambiar positivamente nuestra sociedad para mejor.
Noticias relacionadas
