Cómo la detección de objetos definidos por el usuario cambiará las reglas del juego en la videovigilancia

Complying with the CRA and NIS2 in your CCTV system

Por Pread Um (Suk Bong), director de producto y marketing, Hanwha Vision Europe

Hace unos años, era difícil imaginar la presencia que llegaría a tener la Inteligencia Artificial en nuestras vidas. Pensábamos que la Inteligencia Artificial era solo el argumento de novelas de ciencia ficción. Ahora, tras un gran avance en la accesibilidad y la facilidad de configuración de la Inteligencia Artificial, hace posible que aquellos con poco o ningún conocimiento de codificación la utilicen en muchas aplicaciones diferentes. Puesto que la Inteligencia Artificial es cada vez más fácil de configurar por parte de los profanos, no sorprende que se espere que 1,3 millones de empresas en el Reino Unido adopten esta tecnología en 2040.

La videovigilancia no es una excepción, con cámaras con Inteligencia Artificial previamente entrenadas que permiten a los operadores obtener mayor conocimiento y contexto a partir de las imágenes de las cámaras. Ahora, Hanwha Vision está llevando esto un paso más allá, con la posibilidad, en algunas de sus cámara, de detección de objetos definida por el usuario.. Esto facilita a los equipos de seguridad entrenar algoritmos con solo unos pocos clics y cargas de imágenes.

Adaptación de la Inteligencia Artificial a diferentes necesidades

Esto cambia el juego entre los equipos de seguridad. Facilita la adaptación de la detección de objetos mediante Inteligencia Artificial a necesidades empresariales específicas. Si bien la mayoría de las cámaras de video con tecnología de Inteligencia Artificial pueden detectar objetos comunes como personas, rostros y vehículos, las nuevas soluciones con Inteligencia Artificial «entrenadas por el usuario» permiten a los operadores entrenar sus cámaras para detectar objetos definidos por él , incluidos peligros potenciales, como cajas y letreros en una tienda, o conos de tráfico en una carretera.

Sin embargo, esto no quiere decir que pueda incorporar estas funciones de aprendizaje automático a su organización simplemente y esperar que funcionen instantáneamente o que sean completamente precisas. Su equipo tendrá que entrenar los modelos de reconocimiento con las mejores imágenes disponibles que incluyan el objeto elegido y con datos suficientes, con el fin deobtener los mejores resultados. El campo de visión y el fondo de la cámara también deben ser lo suficientemente claros para que el algoritmo pueda diferenciar entre fondo y el objeto.

Sepa en qué objetos entrenar

Las nuevas capacidades de la cámara, como la solución WiseDetector de Hanwha Vision, ofrecen flexibilidad para detectar objetos según los requisitos situacionales y del proyecto. Pero eso no significa que tenga que elegir una amplia gama de objetos para entrenar sus modelos. En su lugar, concéntrese en hacer bien uno o dos objetos, para que los algoritmos de aprendizaje automático puedan lograr buenos resultados a partir de muchas imágenes de esos objetos. Priorice qué objetos debe detectar su organización con mayor frecuencia. En una zona restringida, mejorar el control de acceso entrenando su sistema para reconocer puertas abiertas y cerradas podría, por ejemplo, resultar ventajoso.

Por supuesto, la detección de objetos definida por el usuario se puede aplicar a prácticamente cualquier industria, incluidas las minoristas, las cadenas de comida rápida, los bancos, el transporte, los museos, las fábricas y los hospitales. Puede detectar logotipos en vehículos que entran y salen de un lugar, cajas y logotipos específicos en un almacén o conos que representan una posible obstrucción en una carretera.

Fácil de utilizar

Soluciones como WiseDetector utilizan una interfaz simple (en este caso el Administrador de Dspositivos o Device Manager) para facilitar a los usuarios la captura de fotogramas que presentan el objeto a detectar y luego marcar el objeto para que el modelo de aprendizaje automático se entrene. Los usuarios solo tienen que recopilar imágenes del objeto seleccionado para entrenar al modelo de aprendizaje automático para que lo reconozca. Cuantas más, mejor, y también se debe considerar la calidad de las imágenes que se suben. Es preferible que sean lo más claras posible, idealmente mostrando el objeto desde diferentes ángulos, para ayudar al modelo de aprendizaje automático a «comprender» realmente lo que está buscando. También puede volver a entrenar el sistema y perfeccionar sus capacidades para obtener resultados cada vez mejores.

Uno de muchos avances

Estas funciones de aprendizaje automático y entrenamiento, realizado por los usuarios, son solo uno de una serie de avances que se están produciendo en CCTV actualmente. El aprendizaje automático  (machine learning) y la Inteligencia Artificial están cada vez más presentes en la videovigilancia, y esto sólo puede ser un avance positivo gracias a los numerosos beneficios que aportan a la seguridad y a las operaciones en general. Estos incluyen la capacidad de buscar, de forma sencilla y rápida en secuencias de vídeo, para identificar objetos y personas de interés, así como detectar posibles comportamientos antisociales o delictivos. Además de las funciones entrenadas por el usuario, se espera que llegue al mercado más opciones de Inteligencia Artificial integrada en las cámaras (Edge AI), donde el análisis se realiza localmente en un dispositivo, y algoritmos de Deep Learning. Los algoritmos de Deep Learning reducen las falsas alarmas al detectar con precisión objetos predefinidos, como personas y vehículos, mientras ignoran movimientos irrelevantes, incluidos los de hojas de árboles que se mueven con el viento, sombras o animales.

Es hora de involucrarse

Sin duda, es un momento muy interesante para aprovechar la Inteligencia Artificial y mejorar sus sistemas de seguridad de vídeo. Esto podría lograrse entrenando un algoritmo de aprendizaje automático para detectar objetos o instalando dispositivos con Inteligencia Artificial integrada y algoritmos preinstalados. Los desarrollos actuales son una pequeña parte de lo que el aprendizaje automático y la Inteligencia Artificial pueden aportar a la industria de la videovigilancia. A medida que el sector experimenta una rápida transformación, quién sabe lo que traerá la próxima década.