¿Qué ha ocurrido?
La videovigilancia está experimentando una transformación tecnológica fundamental. Durante décadas, la tarea principal de los sistemas de cámaras consistió en generar, transmitir y grabar la mejor imagen posible. Este enfoque está cambiando cada vez más: los sistemas modernos deben reconocer por sí mismos las situaciones relevantes, analizar la información visual directamente en la cámara y vincular distintos sensores entre sí. La cámara evoluciona así de ser un mero generador de imágenes a convertirse en un sensor inteligente dentro de una arquitectura de seguridad más amplia.
Los detalles
En el ámbito de las cámaras clásicas, el desarrollo técnico aún no ha concluido. El Dr.-Ing. Markus Müller, del Fraunhofer IOSB, departamento de Sistemas de Análisis de Vídeo, prevé nuevos avances en la resolución geométrica y radiométrica. Según su valoración, también los sensores de imagen térmica serán cada vez más potentes y económicos, lo que permitirá sistemas globales más eficaces. Es probable que en el futuro se utilicen con mayor frecuencia sistemas con dos o tres canales distintos, por ejemplo cámaras ópticas visibles combinadas con infrarrojo cercano e infrarrojo térmico. Esta tendencia ya puede observarse en el mercado: las cámaras multisensor se están extendiendo cada vez más, y la tecnología de baja luminosidad mejorada no solo ofrece mejores imágenes con poca iluminación, sino que también mejora las condiciones para una detección automática de objetos y eventos más fiable.
Edge computing e IA en la cámara
Paralelamente, la arquitectura de los sistemas está cambiando. En lugar de transmitir todos los flujos de vídeo de forma centralizada a un servidor, las cámaras asumen una parte cada vez mayor del procesamiento por sí mismas: el edge computing se considera una de las tendencias más importantes del sector. Las cámaras modernas pueden detectar personas o vehículos, clasificar objetos y generar metadatos antes de transmitir la información a un sistema de gestión de vídeo o a una plataforma en la nube.
Hasta dónde puede llegar la interpretación automática lo demuestra la investigación sobre reconocimiento de comportamiento del Fraunhofer IOSB. A partir de las personas detectadas se generan modelos digitales de esqueleto o puntos clave corporales (keypoints), y a continuación se analiza el comportamiento de movimiento. El sistema debe ser capaz de detectar, por ejemplo, golpes o patadas, y de alertar a un operador sobre una situación potencialmente relevante. Para ello no se requiere la identidad de la persona observada: un esqueleto digital no posee identidad, origen, color de piel ni género.
Fusión de sensores en la protección perimetral
Este desarrollo se manifiesta de forma especialmente clara en la protección perimetral. Las grandes áreas exteriores plantean altas exigencias en cuanto a alcance, fiabilidad de detección y prevención de falsas alarmas. Las cámaras visibles, la tecnología de imagen térmica, el radar y otros sensores de detección asumen cada vez más funciones diferenciadas dentro de un sistema conjunto. Un radar puede detectar un objeto en movimiento independientemente de la iluminación y determinar su posición, mientras que una cámara óptica o térmica se encarga de la verificación y la clasificación. El análisis de vídeo basado en IA distingue a continuación entre personas, vehículos o animales, y solo notifica los eventos relevantes a un centro de control.
Sin embargo, las escenas complejas siguen siendo especialmente difíciles. Según Müller, el análisis automático de vídeo en condiciones no controladas sigue enfrentándose a retos considerables. Los movimientos distintos, los fondos cambiantes, las oclusiones y la presencia simultánea de numerosos objetos dificultan una interpretación robusta. Por ello, el desarrollo futuro no se orientará exclusivamente hacia la IA: los enfoques híbridos, que combinan el procesamiento clásico de señales e imágenes con métodos neuronales, pueden ofrecer mejores resultados. Un cuello de botella central sigue siendo la disponibilidad de datos de entrenamiento adecuados y suficientemente amplios.
Nuevos principios de sensores
Además del análisis inteligente, nuevos principios de sensores podrían ampliar las posibilidades de la videovigilancia. Un ejemplo es el range-gated imaging o gated viewing: la escena se ilumina con pulsos láser muy breves, y la cámara solo se abre durante una ventana de tiempo definida con exactitud. Dado que se conoce el tiempo de recorrido de la luz, el sistema puede captar de forma selectiva la luz reflejada procedente de un rango de distancia determinado. La luz que es dispersada previamente por niebla, lluvia o nieve queda, en gran medida, fuera de la imagen relevante. En los sistemas multisensor, esta técnica se combina con cámaras día/noche y de imagen térmica. Los campos de aplicación van desde la vigilancia marítima y la protección de fronteras hasta la detección y el seguimiento de objetos y drones.
El Fraunhofer IOSB también investiga el gated viewing para condiciones de visibilidad deficiente. Mediante la selección temporal de los fotones que regresan, es posible suprimir reflejos molestos tanto en primer como en segundo plano, al tiempo que se obtiene información sobre la distancia. Otro complemento es el radar de ondas milimétricas, capaz de detectar objetos incluso en condiciones de oscuridad, humo o niebla, y de determinar su distancia y velocidad cuando los sistemas ópticos alcanzan sus límites.
Valoración
Para los futuros sistemas de seguridad se perfila, por tanto, no tanto el dominio de un único sensor, sino más bien la combinación de distintos principios físicos de medición. El próximo paso en el desarrollo de la videovigilancia no estará determinado, pues, por una sola tecnología: mejores sensores ópticos y térmicos, técnicas range-gated, radar, edge computing e IA avanzan en paralelo. A ello se suman métodos cada vez más potentes para la interpretación semántica de imágenes: el Fraunhofer IOSB trabaja ya también con modelos fundacionales (foundation models) y grandes modelos de lenguaje e imagen, capaces no solo de clasificar los contenidos visuales, sino de situarlos en un contexto semántico más amplio.
Este desarrollo transforma radicalmente la función de un sistema de vídeo. En el futuro, lo decisivo no será generar la mayor cantidad posible de imágenes, sino extraer de forma fiable, a partir de los datos de sensores disponibles, la información necesaria para una tarea de seguridad concreta. Para los operadores de tecnología de seguridad —ya sea en la protección de instalaciones, en la protección de puntos de riesgo como un cepillo de colecta o una caja fuerte de depósito, o en el marco de soluciones perimetrales más amplias— esto significa que la calidad de un sistema se mide cada vez más por su capacidad de evaluar situaciones, y ya no únicamente por la resolución o la calidad de imagen.
Consejos prácticos
- Al adquirir nuevos equipos, no fijarse solo en la resolución, sino también en la capacidad de multisensorización y procesamiento en el borde (edge), factores determinantes para la fiabilidad del reconocimiento automático.
- En proyectos de protección perimetral, conviene evaluar soluciones combinadas de radar, imagen térmica y cámara óptica para reducir las falsas alarmas y mejorar la detección en condiciones meteorológicas cambiantes.
- En entornos con visibilidad frecuentemente limitada (niebla, lluvia, nieve), los operadores deberían valorar la idoneidad de las técnicas range-gated o de gated viewing.
- Dado que las escenas complejas con numerosos objetos siguen representando un desafío para los sistemas de IA, la persona sigue siendo una instancia decisiva e imprescindible: los sistemas deberían concebirse como apoyo, no como sustituto totalmente automatizado de los operadores.
- En aplicaciones sensibles en materia de protección de datos, métodos como el reconocimiento de comportamiento basado en esqueletos o puntos clave pueden ser una opción, ya que no requieren identificar a la persona observada.
Perspectivas
La cámara se convierte cada vez más en parte de un sistema de sensores interconectado, capaz de reconocer y evaluar situaciones y de alertar de forma específica a las personas sobre eventos relevantes. Instituciones de investigación como el Fraunhofer IOSB impulsan activamente este desarrollo con trabajos sobre enfoques híbridos de IA, modelos fundacionales y nuevos principios de sensores. Para el sector de la seguridad, esto implica una transformación continua: pasar de la mera grabación de imágenes a sistemas integrados que combinan distintos principios físicos de medición y filtran de forma automatizada la información relevante, preservando al mismo tiempo la capacidad de decisión humana en situaciones críticas para la seguridad.
