En la actualidad, en la industria de seguridad electrónica existen varias soluciones de video analíticas avanzadas que permiten a través de un algoritmo en el video, activar un evento para que el operador reciba una señal de alerta e iniciar con el protocolo de respuesta correspondiente dependiendo de la misma.
Entre las analíticas de video avanzadas, presentamos por mencionar algunas: situaciones sospechosas de muchedumbre, merodeo, violación de áreas restringidas, robo a personas o de bienes, monitoreo de tráfico, mapa de calor, conteo de personas, seguimiento de escenas durante evento en diferentes cámaras.
También tenemos las analíticas de reconocimiento de placas y de rostros, las cuales permiten identificar y reconocer el objeto de placas y rostros respectivamente, para almacenarlo en una base de datos para su análisis y búsqueda.
Estos analíticos tienen características que optimizan las tareas de un centro de monitoreo, el cual permite transformar el video obtenido de una cámara en datos, y posteriormente en información para utilizarlos más allá que únicamente vigilar, a esto llamamos el término de inteligencia de negocios. Sin embargo, todos estos analíticos son algoritmos que tienen límites en base al diseño y que no aprenden de manera autónoma.
También tenemos las analíticas de reconocimiento de placas y de rostros, las cuales permiten identificar y reconocer el objeto de placas y rostros respectivamente, para almacenarlo en una base de datos para su análisis y búsqueda.
Estos analíticos tienen características que optimizan las tareas de un centro de monitoreo, el cual permite transformar el video obtenido de una cámara en datos, y posteriormente en información para utilizarlos más allá que únicamente vigilar, a esto llamamos el término de inteligencia de negocios. Sin embargo, todos estos analíticos son algoritmos que tienen límites en base al diseño y que no aprenden de manera autónoma.
En estos últimos años han estado revolucionando la inteligencia artificial y deep learning en la industria de videovigilancia, para solventar la necesidad de aprendizaje autónomo y determinar mejores alternativas.
El deep learning funciona como una red neuronal con millones de datos, con el fin de lograr patrones con la mayor cantidad de variables para comparar e identificar objetos, personas, movimiento, colores, conductas, lugares, etc.
El deep learning funciona como una red neuronal con millones de datos, con el fin de lograr patrones con la mayor cantidad de variables para comparar e identificar objetos, personas, movimiento, colores, conductas, lugares, etc.
Para esto, el deep learning trata de asemejarse al cerebro humano, potencializando las capacidades de retención y análisis en el menor tiempo, con un alto grado de precisión y adaptándose al entorno. Con esta inteligencia artifical se busca tener menos falsas alarmas, más confiabilidad, mayor aprendizaje y un control mas óptimo de los recursos de video.
En conclusión, ambos algoritmos, tanto analíticas avanzadas como el deep learning, tienen capacidades diferentes, pero definitivamente el deep learning revolucionará el como utilizamos nuestros recursos en los sistemas de videovigilancia.
Es por esto que los algoritmos están por encima de la detección de movimiento convencional, y es muy importante el concluir con aclarar que el deep learning es un sistema de análisis de video con autoaprendizaje de una manera profunda, donde se representa la verdadera inteligencia artificial por capas, tal como sucede con el cerebro.
Es por esto que los algoritmos están por encima de la detección de movimiento convencional, y es muy importante el concluir con aclarar que el deep learning es un sistema de análisis de video con autoaprendizaje de una manera profunda, donde se representa la verdadera inteligencia artificial por capas, tal como sucede con el cerebro.
 |
Ing. Aldo Cera
Product Manager | SYSCOM®
Mail: acera@syscom.mx
|
|---|