La analítica de video o videoanalítica dicta muchas decisiones hoy en día, como aliviar el tráfico en las grandes ciudades, darnos acceso a nuestros dispositivos móviles o identificar a personas en peligro. Pero ¿dónde empezó y hasta dónde llegará esta tecnología en los próximos años?
En este artículo, desglosaremos todo lo que necesitas saber sobre la analítica de video y cómo su adopción en todo el mundo transformará para siempre nuestras interacciones con la tecnología y nuestro entorno cotidiano de manera definitiva, durante la década en curso.
Tabla de contenidos
La analítica de video, o la videoanalítica inteligente es la tecnología capaz de generar conocimiento de transmisiones o archivos de video para detectar o informar a las personas sobre escenarios o situaciones específicas.
La analítica de video siempre ha sido una innovación prometedora buscando desbloquear capacidades sobrehumanas, como la detección de enemigos o intrusos, sin intervención humana. Sin embargo, la analítica de video tiene una historia un poco oscura. Los primeros sistemas de videovigilancia se diseñaron en la Alemania nazi en 1942. Era una tecnología creada originalmente para ayudar en las tareas de seguridad, especialmente durante las pruebas de balística. Pronto, estos sistemas empezaron a aparecer en Estados Unidos y después, en todo el mundo.
Esta herramienta se desarrolló lentamente porque la infraestructura y los conocimientos técnicos necesarios para aprovechar las redes de videovigilancia no eran ni fáciles de conseguir ni baratos en ese entonces. Y para que esta tecnología alcanzara capacidades similares a las del ojo humano, debía ser más inteligente.
Gracias a la IA, esto es posible hoy en día. Sin embargo, necesitamos conocer la historia de la analítica de video para entender cómo hemos llegado hasta aquí.
La analítica de video es una tecnología que ha progresado lentamente a lo largo del último siglo y que ha crecido rápidamente en las últimas dos décadas.
Podemos dividir la historia de la analítica de video en sus tres generaciones más destacadas, desde las aplicaciones que sólo eran capaces de detectar pequeños cambios en una secuencia de video hasta la inteligencia artificial que lleva la videovigilancia a alturas inimaginables.
Estas son las tres generaciones de la analítica de video:
La primera generación de analítica de video hizo posible la aplicación de alertas en tiempo real, tratando de evitar las falsas alarmas.
Sin embargo, la tecnología de la época era limitada. Sólo podía vigilar los cambios en píxeles individuales o solo en una parte de ellos. Eso provocaba muchas falsas alarmas durante las fuertes lluvias o cuando los objetos se agitaban con el viento debido a las tormentas, entre otros fenómenos naturales. La próxima generación de análisis de video se centraría en los objetos y no sólo en los píxeles.
Esta tecnología permitiría una mejor interpretación de la imagen, proporcionando a los profesionales de la seguridad una mayor comprensión de la situación de la escena que se desarrollaba en la cámara. Lo haría aprovechando lo último en procesadores de clase IT que siguen evolucionando rápidamente.
La segunda generación de analítica de video se centró en ofrecer herramientas forenses detalladas a los profesionales de seguridad.
Las aplicaciones de análisis de video anteriores no eran lo suficientemente precisas ni rápidas como para proporcionar a los agentes información precisa y de fácil acceso. La segunda generación de analítica de video permitió a los agentes reconstruir lo sucedido sin tener que revisar cientos de horas de material. Por primera vez en la historia, la analítica de video ampliaba las posibilidades de nuestra relación con la tecnología, lo que sería fundamental para la siguiente generación de analítica de video.
La tercera generación de analítica de video permitía un verdadero conocimiento de la situación combinado con un análisis forense en tiempo real.
Esta tecnología se diseñó para ofrecer una visión en vivo, aprovechando todas las capacidades de las redes de videovigilancia. Gracias a esta innovadora tecnología, los agentes ya no se limitaban a las capacidades de la máquina. El sistema era capaz de detectar al sospechoso o al objetivo sin errores. Ahora en lugar de utilizar una herramienta, los agentes trabajaban con un verdadero aliado.
Hoy en día, con la integración de la analítica de video y la IA las posibilidades son infinitas. Puedes conocer más sobre lo que estamos haciendo con la tecnología de video analítica aquí.
Y si quieres conocer toda la historia, las últimas estadísticas y tendencias de la videoanalítica, descarga nuestro reporte sobre la revolución de la analítica de video aquí.
Desde sus inicios, la analítica de video se diseñó como una solución para ayudar a los responsables de la seguridad de infraestructuras críticas. Era un dispositivo para identificar y detectar intrusos, rastrear personas u objetos y producir una alarma sobre tipos de comportamiento.
Existen numerosas funciones de análisis de video que pueden rastrear diversos comportamientos. Pero los marcos técnicos que lo hacen posible son sólo unos cuantos que veremos a continuación.
A continuación, realizaremos un rápido desglose de cada uno de ellos:
La analítica de algoritmos fijos se centra en la detección de comportamientos específicos, como alguien que entra en una zona restringida o alguien que deja un objeto sospechoso en un espacio público.
Su funcionamiento es sencillo: el sistema determina si un comportamiento específico ocurre en el campo de visión de la red de videovigilancia y el algoritmo alerta a los operadores cuando lo hace. Sin embargo, cada algoritmo solo puede buscar un comportamiento específico, lo cual es un inconveniente en escenarios de rápida evolución.
Los comportamientos más comunes que detectan los algoritmos fijos son:
Los algoritmos de inteligencia artificial aprenden a lo largo del tiempo siendo expuestos a miles de datos para identificar qué es un comportamiento normal y qué no en una situación específica.
El objetivo de este sistema es aprender sin intervención humana. Este algoritmo ahorra tiempo a los agentes de seguridad y puede detectar comportamientos que, de otro modo, pasarían desapercibidos para las máquinas preprogramadas o los mismos humanos.
La IA, como en otros ámbitos en los que se utiliza, no solo ayuda a resolver problemas de forma más rápida y eficiente, sino que también nos ayuda a reconocer nuestros propios puntos ciegos en el día a día.
Los sistemas de reconocimiento facial suelen utilizarse para identificar a las personas y controlar el acceso a la información a zonas específicas, y también para ayudar a agentes en las investigaciones abiertas.
Su funcionamiento consiste en cotejar los puntos de un rostro con una muestra almacenada en una base de datos. Este algoritmo se basa en la identificación correcta del sujeto entre las muchas otras caras de la base de datos. Sin embargo, esta tecnología necesita condiciones especiales para funcionar, como una buena iluminación o fondos estáticos. Pero los últimos avances en esta tecnología pretenden solucionar esto.
Muchas organizaciones se han opuesto a este tipo de tecnología por motivos de privacidad y seguridad. Pero la presencia y el uso de este algoritmo de análisis de video ha crecido en los últimos años.
Si quieres saber más sobre la tecnología detrás de los algoritmos de videoanalítica, lee nuestros artículos sobre Reconocimiento de Objetos en Seguridad y Rastreo de vehículos.
Las capacidades analíticas que se ofrecen hoy en día sólo están limitadas por la imaginación del usuario y la necesidad que se presente. Algunas aplicaciones de analítica de video son:
El potencial de la analítica de video no ha pasado desapercibido para organizaciones cruciales que pertenecen a una amplia gama de industrias. Desde la seguridad pública hasta la banca, pasando por las operaciones industriales y el comercio minorista, algunas de las empresas más importantes del mundo están aplicando las últimas tendencias en analítica de algoritmos fijos, analítica de IA y reconocimiento facial para sus fines específicos mientras hablamos.
Esta creciente colaboración hombre-máquina ofrece múltiples posibilidades y soluciones que van desde el perfeccionamiento de las operaciones de seguridad hasta la optimización de tareas y, por último, el crecimiento del negocio. He aquí algunos ejemplos.
Es bien sabido que el sector de la seguridad pública se ha beneficiado durante años de ramas de la IA como el aprendizaje automático. Sin embargo, en los últimos años, los avances han ido más allá de lo imaginado gracias a un subconjunto del propio aprendizaje automático, que ha superado incluso los métodos de su predecesor: el aprendizaje profundo.
Mientras que los algoritmos de Machine Learning identifican imágenes a partir de un conjunto de datos que un programador ha seleccionado cuidadosamente y, sobre todo, estructurado, el Deep Learning imita las tareas del cerebro humano. Es decir, utiliza algoritmos que pueden procesar de forma autónoma una gran y desordenada cantidad de datos, identificando patrones comunes entre ellos y agrupándolos progresivamente. Esto supone, pues, una identificación iterativa y mucho más precisa de lo que se considera prohibido o inseguro.
En el contexto de la gestión de vehículos y multitudes, la video analítica suele usarse para:
Un ejemplo reciente de esto es nuestra aplicación para rastreo y seguimiento vehicular, vehicleDRX.
Otro aliado esencial de la seguridad pública es el reconocimiento facial. Sus sistemas más avanzados analizan el lenguaje corporal, las expresiones faciales y el movimiento para detectar comportamientos sospechosos y alertar sobre ellos. También crean mapas en 3D de los rostros que se vinculan simultáneamente a extensas bases de datos de sospechosos.
Por último, pero no menos importante, encontramos diferentes tipos de sistemas que pueden concentrar sus características de detección en un objeto específico y realizar acciones como:
En el mundo de la seguridad de los vehículos, encontramos IA autónoma como la de Algotive, que combina estos tipos de detección de objetos con algoritmos de análisis de video, proporcionando información básica sobre un coche (modelo, última ubicación) e incluso prediciendo sus posibles rutas.
Conoce más sobre los sistemas de videovigilancia en nuestro artículo completo aquí.
Las instituciones financieras deben proteger a sus clientes y su buena reputación de dos frentes decisivos: El fraude en los cajeros automáticos y los robos a mano armada. Al igual que en el caso de la seguridad pública, los bancos llevan años confiando en la videovigilancia para afrontar este reto. Pero ¿puede el análisis de video proporcionar una protección eficaz contra la creciente sofisticación de los robos en los bancos?
La respuesta está en la combinación de categorías como la detección de objetos y el reconocimiento facial. De este modo, los sistemas de seguridad bancaria limitan la ubicación de los cajeros automáticos e identifican sus principales componentes (lector de tarjetas, cajero automático, pantalla, etc.). Al mismo tiempo, integran una IA avanzada que no sólo realiza la identificación facial de los sospechosos, sino que aprende la diferencia entre la actividad normal y la actividad delictiva, tanto de los cajeros como de las personas: retirada de efectivo habitual frente a operación con retraso, clientes frente a personas que llevan armas o se mueven de forma sospechosa. Este tipo de fusión puede identificar el fraude o el uso violento de la fuerza, vigilar en tiempo real y emitir alertas instantáneas, entre otras ventajas que se traducen en una mayor confianza de los clientes y credibilidad para sus entidades financieras.
El análisis de video ha encontrado un mercado prometedor en los cambiantes sectores industriales de nuestro mundo globalizado. Las industrias alimentaria, química, agrícola, ganadera y manufacturera, por nombrar algunas, tienen dos objetivos comunes en los que la cooperación entre sistemas inteligentes y colaboradores es esencial: garantizar la seguridad y optimizar los procesos.
En cuanto a la seguridad, no sólo abarca la vigilancia de las actividades delictivas -también a través de las tecnologías que ya hemos revisado-, sino que se centra también en la protección de los trabajadores y las instalaciones. La seguridad del personal en las telas está garantizada por algoritmos de aprendizaje profundo que -diferenciando entre situaciones peligrosas y seguras- identifican tempranamente accidentes o incidentes y avisan de ellos. Otro gran avance preventivo es la implantación de sistemas de reconocimiento facial que detectan comportamientos o posturas inseguras y las asocian automáticamente a su posible accidente. La plataforma de videovigilancia SecurOS™ de ISS, por ejemplo, es capaz de monitorizar la estructura ósea de una persona para detectar comportamientos aceptados y prohibidos.
La optimización de tareas y logística es otro de los objetivos que las industrias ya relacionan con la analítica de video: al ubicar procesadores de última generación e IA en sus cámaras y drones, pueden agilizar la gestión de inventarios y supervisar el control de calidad. En esta línea, también pueden elegir el servicio más conveniente para proyectos concretos comparando el rendimiento y los resultados anteriores de diferentes proveedores.
El sector del retail no concentra los avances tecnológicos como la analítica de video en su personal -al menos no como prioridad- sino que hace zoom en el elemento clave del negocio: el cliente. Algoritmos de aprendizaje profundo, sistemas de reconocimiento facial y funciones de detección de objetos se fusionan para ofrecer información valiosa como:
Basándose en estos datos decisivos, algunas de las principales empresas minoristas del mundo -Walmart, The Home Depot, Costco, por citar algunas- ya saben cómo colocar su mercancía en lugares estratégicos que capten el interés del cliente.
El anterior resumen deja claro que las interacciones cotidianas de la analítica de video permiten abrir nuevas posibilidades para mejorar la sociedad. En el plano económico, su mercado global se valoró en 4.102,0 millones de dólares en 2019 y se prevé que alcance los 21.778,0 millones de dólares en 2027 gracias a los siguientes escenarios y tendencias:
¿Qué le espera a la analítica de video en los próximos años? Quizá la respuesta más segura sea que, ante los numerosos retos a los que se enfrentan nuestras sociedades, sus categorías seguirán actualizándose y tendrán una mayor presencia en nuevos sectores.
Además de sus innovaciones en los sectores de la seguridad pública, la banca, las operaciones y el comercio minorista, podemos esperar importantes aplicaciones en el ámbito de la sanidad. Dada la pandemia que estamos superando, el aprendizaje profundo y el reconocimiento facial pueden reforzar las medidas sanitarias y de higiene contra el COVID-19, como la detección de máscaras faciales y el distanciamiento social. También pueden ayudar a identificar los niveles de ocupación en los espacios públicos. En el ámbito de la ética, se espera que sus sistemas de video proporcionen soluciones más sólidas contra la ciberdelincuencia y oculten información sensible de las personas.
Sean cuales sean los retos o las nuevas incursiones, hay otra certeza: las posibilidades de reinvención de la analítica de video prometen ser tan ilimitadas como las ideas humanas. Si quieres saber más sobre las cámaras IP, las más usadas con video analítica, lee nuestro artículo completo aquí. Y conoce sobre nuestra suite de productos de video analítica, haz clic aquí.