Inicio » Blog » Los metadatos son clave en la evolución de la videovigilancia

Los metadatos son clave en la evolución de la videovigilancia

Fuente: cuadernosdeseguridad.com

No siempre somos conscientes de esto, pero hay decenas de cámaras que pueden captar nuestros movimientos todos los días. Según un análisis reciente de las ciudades más monitoreadas del mundo, hay 770 millones de cámaras de vigilancia en uso en todo el mundo. Para fines de 2021, se instalarán más de mil millones de cámaras de vigilancia en todo el mundo.

Si bien la videovigilancia es una herramienta que ha sido ampliamente utilizada, actualmente estamos viviendo un período crítico de cambio tecnológico en el mercado de la seguridad. La democratización de la inteligencia artificial y la disponibilidad de metadatos de análisis de imágenes están revolucionando el tablero de videovigilancia. Estos desarrollos son emocionantes tanto desde el punto de vista técnico como ético: en ambos aspectos, Europa se encuentra en una posición de liderazgo.

La evolución de las cámaras

Desde el uso militar hasta la democratización del uso doméstico, pasando por la videovigilancia en red como la conocemos hoy, el mercado no es nuevo y ha pasado por varias pequeñas revoluciones.

Inicialmente, solo era cuestión de colocar una cámara para grabar un espacio definido. El primer cambio importante es la aparición de cámaras IP o cámaras de red, que se conectan a través de Ethernet, de un simple sensor a una completa herramienta de cálculo. Fue en este momento, en la década de 2000, cuando el mercado de protección de video estaba en auge, y se desarrolló e implementó el primer algoritmo de inteligencia artificial en el sistema, permitiendo el análisis de transmisiones de video, y se creó la industria del análisis de imágenes a través de cámaras de seguridad.

Con la capacidad de analizar la cantidad de píxeles en movimiento en una imagen, por ejemplo, estos sistemas pueden detectar movimientos anormales en un video, comprender la presencia de personas y reportar información. La única desventaja es que la precisión de este análisis está limitada por el entorno donde se encuentra el sistema. Por ejemplo, lluvias intensas o vientos fuertes pueden producir falsas alarmas o incluso perder la intrusión por completo, lo que dificulta la detección.

Otro obstáculo para estas tecnologías es el costo de la infraestructura: para analizar videos y brindar resultados relevantes, se deben implementar servidores informáticos con gran potencia de cómputo. Estas no son las únicas quejas que se han detectado a lo largo de los años. Las cámaras de seguridad suelen ser criticadas porque traen otro problema operativo: todos estos videos recopilados deben ser procesados, lo que requiere una gran cantidad de recursos humanos, especialmente en los centros de seguridad urbana.

Pero esto no tiene en cuenta el reciente desarrollo de los sistemas de videovigilancia. Impulsados ​​por los avances en inteligencia artificial, los sistemas de videovigilancia se están volviendo ahora más eficientes y autónomos.

El “Deep Learning” y los metadatos: un salto en la videovigilancia

De hecho, cuanto más preciso sea el algoritmo, más proactiva será una cámara equipada con funciones de análisis de imágenes al enviar información a los usuarios del sistema de videovigilancia. La nueva generación de inteligencia artificial actual nos permite ir más allá y pre-analizar situaciones más precisas. Por ejemplo, en el caso de las ciudades, el nuevo algoritmo podrá llamar la atención del operador sobre multitudes o movimientos inusuales. Esto se puede hacer mediante el uso de un nuevo método para diseñar estos algoritmos de análisis de imágenes llamado aprendizaje profundo, que permite el uso de grandes cantidades de datos para “entrenar” la inteligencia artificial.

Cuando usamos todos estos datos para entrenar sistemas de inteligencia artificial, estos pueden reconocer diferentes formas: un hombre, una mujer, un gato, pero también colores, un hombre con camiseta roja y barba y un motociclista. Niño. Todos de esto se debe a algoritmos de aprendizaje profundo que pueden procesar datos exponenciales.

Además de esto, hay avances en la potencia informática y la miniaturización de procesadores, que ahora están directamente integrados en las cámaras de seguridad, lo que permite a los usuarios finales pagar el costo de implementar estas tecnologías.

Por lo tanto, los sistemas de videovigilancia actuales se han convertido en expertos en detección y reconocimiento de patrones. Basándose en lo que detectaron, crearon una metabase de datos que se puede autoampliar y permitir 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 (que está prohibido por el GDPR en Europa), sino optimizar el uso de la protección de video y hacerla proactiva y predictiva. Cámaras conectadas en el coche para evitar accidentes, ciudades inteligentes para optimizar el tráfico y limitar los accidentes, cámaras para detectar la microexpresión de los pacientes con ictus … los usos son ilimitados, y algunos se han hecho realidad.

Desde el principio, los sistemas de seguridad actuales están diseñados para ir más allá de la lógica de la protección. Para 2024, se estima que el 30% de las cámaras vendidas en el mercado podrán integrar el aprendizaje profundo. El análisis de imágenes basado en inteligencia artificial va en aumento, y es solo cuestión de tiempo; el tiempo necesario para implementar la infraestructura y crear aplicaciones de IA para cambiar positivamente nuestra sociedad.