Cómo añadir analítica de IA a cámaras de seguridad existentes

Casi todas las organizaciones que se preguntan cómo añadir IA a sus cámaras de seguridad ya tienen la respuesta que necesitan en una de tres opciones, y el error consiste en empezar por el software en lugar de por las instalaciones. Las cámaras que posees (su resolución a las distancias que importan, sus ángulos, su comportamiento con poca luz y dónde se pueden procesar sus flujos) determinan cuál de las tres vías está disponible para ti.

Esta guía abarca la auditoría de cámaras honesta que viene primero, y luego las tres vías: comprar una capa de analítica que se sitúa sobre tu sistema de gestión de vídeo existente, actualizar el VMS o las cámaras en sí, y alojar por cuenta propia modelos de detección en los flujos que ya tienes. La mayoría de los lectores deberían elegir una de las dos primeras. La tercera es una opción real para un conjunto específico de restricciones, y esta guía deja claro cuáles son.

Empieza por las instalaciones, no por el software#

Un proveedor de analíticas se conectará encantado a una cámara que no puede admitir la detección que deseas. Audita antes de evaluar.

• Píxeles en el objetivo, no megapíxeles. Una cámara 4K que cubre un patio grande puede poner menos píxeles en una persona a cuarenta metros que una cámara 1080p que cubre una puerta. Cada detección tiene una altura mínima en píxeles, y este es el motivo individual más común por el que una actualización decepciona.
• Ángulo. Las cámaras colocadas para seguridad suelen estar orientadas para ver rostros en un área amplia. Esa es una geometría casi pésima para el recuento y la lógica de zonas, donde las vistas cenitales superan con creces a las oblicuas.
• Comportamiento con poca luz y contraluz. Haz pruebas al atardecer, por la noche y a cualquier hora en que el sol apunte a la lente. La iluminación por infrarrojos cambia sustancialmente las características de la imagen, y un modelo evaluado únicamente con metraje diurno te sorprenderá.
• Velocidad de fotogramas y códec. Los flujos muy comprimidos y de baja velocidad de fotogramas pierden el detalle en el que confían los modelos. Comprueba lo que el grabador realmente almacena frente a lo que la cámara puede producir.
• Acceso al flujo. ¿Puedes obtener un segundo flujo RTSP por cámara sin degradar la grabación? Muchas cámaras admiten un subflujo a menor resolución, que a menudo es adecuado y mucho más barato de procesar.
• Capacidad y topología de red. La analítica continua en muchos flujos consume ancho de banda hacia un servidor central o requiere potencia de cálculo cerca de las cámaras. Esto decide la arquitectura más a menudo que la preferencia de software.
• Antigüedad de la cámara y estado de los parches. Las cámaras con credenciales predeterminadas en una red plana son un problema de seguridad antes de ser una oportunidad de analítica.

El resultado de esta auditoría suele ser una división: algunas cámaras son adecuadas para la detección de zonas y presencia, menos son aptas para una clasificación detallada, y un puñado necesita ser reubicada o reemplazada independientemente de la ruta.

Tres rutas#

Ruta 1: una capa de analítica sobre tu VMS existente#

Esta es la recomendación predeterminada. Estos productos existen específicamente para añadir capacidad de detección a las instalaciones de cámaras sin reemplazarlas, y para casos de uso de seguridad estándar son más rápidos y baratos que cualquier cosa que pudieras construir.

BriefCam. Una capa de analítica de contenido de vídeo más fuerte en la revisión rápida y búsqueda en metraje grabado, desplegable en las instalaciones (on-premise). Ideal para entornos con carga de trabajo pesada de investigación donde encontrar eventos en vídeo histórico es la tarea principal. Compensación: se sitúa encima de un VMS, añadiendo un componente en lugar de reemplazar uno.

IronYun / Vaidio. Una capa de analítica de IA diseñada para aportar detección a cámaras y plataformas VMS existentes, con un amplio catálogo de detecciones de seguridad. Ideal para organizaciones que desean más analítica sin tocar la infraestructura de grabación. Compensación: otro proveedor en la cadena de integración que probar y mantener.

Lumana. Centrado en añadir IA a las instalaciones de cámaras existentes, prestando atención a la ruta de actualización en lugar de asumir una instalación desde cero (greenfield). Ideal para equipos cuyo requisito explícito es conservar las cámaras actuales. Compensación: un participante más nuevo en relación con los proveedores de VMS establecidos.

Volt.ai. Orientado de forma similar a superponer IA sobre la infraestructura de vigilancia existente, con orientación de integración como parte visible de su oferta. Ideal para organizaciones que actualizan hardware de cámaras mixto. Compensación: al igual que con cualquier capa superpuesta, la calidad del resultado sigue dependiente de las cámaras subyacentes.

Lo que obtienes de los cuatro: detecciones estándar (presencia de personas y vehículos, cruce de líneas, intrusión en zonas, merodeo, objeto abandonado, densidad de multitudes, búsqueda basada en atributos en el metraje grabado) con soporte y alguien responsable de la precisión. Lo que no obtienes: una detección que no esté en el catálogo.

Una nota de alcance. Varios de estos productos comercializan la búsqueda de atributos en el metraje, y los proveedores difieren sustancialmente en si eso significa coincidir con atributos descriptivos como el color de la ropa o coincidir con identidades. Esas son capacidades materialmente diferentes con una exposición legal materialmente diferente, y vale la pena establecer cuál estás comprando y cuál deseas realmente. Restringir el alcance a la detección de atributos y eventos, en lugar de la identidad, es tanto una conversación de cumplimiento más sencilla como suficiente para la mayoría de los flujos de trabajo de seguridad.

Ruta 2: actualizar el VMS o las cámaras#

A veces, la respuesta honesta es que las instalaciones, y no la analítica, son la limitación. Si las cámaras son antiguas, están mal posicionadas, no se pueden parchear y graban a bajas velocidades de fotogramas, superponerles IA solo genera decepción.

Genetec Security Center. Vídeo unificado, control de acceso y ALPR con sólidas herramientas de ciberseguridad y privacidad, desplegable en las instalaciones. Ideal para grandes empresas e instalaciones del sector público que necesitan seguridad física unificada. Compensación: plataforma sustancial que requiere la experiencia correspondiente.

Milestone XProtect. Un VMS de plataforma abierta con un gran ecosistema de integración de terceros, por lo que la analítica se puede seleccionar independientemente de la capa de grabación. Ideal para organizaciones que quieren mantener abierta esa opción. Compensación: alguien debe encargarse del ensamblaje de la integración.

Avigilon Unity. Seguridad de vídeo en las instalaciones con analítica integrada y una estrecha integración entre cámara y software. Ideal para equipos que desean una pila coherente de un solo proveedor. Compensación: más sólida al adoptar sus propias cámaras.

Verkada. Cámaras gestionadas en la nube con analítica integrada y un fuerte énfasis en la facilidad de despliegue y gestión. Ideal para organizaciones distribuidas multisitio con TI local limitada. Compensación: arquitectura gestionada en la nube, que algunos requisitos de residencia de datos excluyen.

Rhombus. Gestionado en la nube de forma similar con analítica incluida, dirigido a un despliegue multisitio directo. Ideal para organizaciones de mercado medio que buscan un despliegue rápido. Compensación: como se indicó anteriormente, el modelo en nube es una limitación cuando el metraje debe permanecer local.

Eagle Eye Networks. Gestión de vídeo en la nube con un enfoque de API abierta y opciones de analítica. Ideal para organizaciones que desean gestión en la nube conservando la flexibilidad de integración. Compensación: arquitectura centrada en la nube.

Axis Camera Station. Gestión de vídeo sencilla en las instalaciones con cámaras Axis y analítica integrada en la cámara, con documentación de procedencia del hardware inusualmente detallada. Ideal para despliegues Axis de tamaño mediano. Compensación: menos adecuada para instalaciones multisitio muy grandes que las plataformas empresariales.

Si entra en juego un requisito de residencia de datos, aislamiento (air-gap) o restricción de contratación, eso reduce esta lista antes que cualquier otra cosa. Los marcos de cumplimiento que impulsan esas decisiones se tratan con más profundidad en nuestra guía sobre analítica de vídeo en las instalaciones para el cumplimiento de la seguridad.

Ruta 3: alojar modelos por cuenta propia en tus flujos existentes#

Esta es la ruta minoritaria, y es la correcta bajo condiciones específicas:

• La detección no está en ningún catálogo. Una pieza de equipo específica, una condición específica de la instalación, un estado de proceso, un producto en una línea. La analítica de seguridad genérica no se puede configurar en una clase novedosa. - El límite de inferencia es absoluto. No solo el almacenamiento. Ninguna imagen puede salir de la red para su análisis, ni siquiera a la capa en la nube de un proveedor. - Estás comercializando un producto. Si la analítica es una característica de algo que vendes, la licencia por canal no se ajusta al modelo de costes y eres un creador. - La licencia por canal no escala con tu recuento de flujos, y tienes capacidad de ingeniería para operar una alternativa. - Necesitas control del ciclo de vida del modelo, reentrenando con tu propio metraje a medida que cambia el sitio en lugar de esperar a los lanzamientos del proveedor.

Si ninguna de estas se aplica, toma la ruta 1.

La arquitectura#

Conserva el VMS. La grabación, la retención, el control de acceso y el registro de auditoría están resueltos y son relevantes para el cumplimiento. Consume flujos de él; no lo reemplaces.

Extrae flujos RTSP a tu propio servicio de inferencia. Prefiere el subflujo de la cámara donde la resolución lo permita. Cuesta mucho menos decodificar, y la decodificación es frecuentemente el verdadero cuello de botella en lugar de la inferencia.

Ejecuta detección y seguimiento. Los modelos Ultralytics YOLO (YOLOv8, YOLO11 y YOLO26) cubren las tareas relevantes: detección de personas, vehículos y objetos; seguimiento para el cruce de líneas y la lógica de zonas; estimación de postura para la postura y la detección de caídas; segmentación donde los límites importan más que las cajas. Exporta a ONNX o TensorRT para el hardware en el que estás desplegando.

Entrena con tu propio metraje. Un modelo general maneja bien a las personas y los vehículos. Tus cámaras, ángulos, clima e iluminación específicos deciden la precisión en producción, y los conjuntos de datos públicos no los representarán. Ultralytics Platform puede anotar el metraje del sitio con Smart Annotation basado en SAM y entrenar en el mismo flujo de trabajo, lo que importa cuando la alternativa es unir herramientas de anotación y entrenamiento.

Escribe los eventos de vuelta en el flujo de trabajo de seguridad. Las detecciones pertenecen al VMS o al sistema de gestión de alarmas que los operadores ya supervisan. Un panel independiente se convierte en algo independiente que nadie abre.

Resuelve las licencias antes de que el piloto pase a producción. Los modelos Ultralytics YOLO se ofrecen bajo AGPL-3.0, y los despliegues comerciales o propietarios generalmente requieren una licencia Ultralytics Enterprise, que también cubre el despliegue privado y el soporte avanzado. Resolver esto en la fase de diseño es mucho más barato que después de un despliegue.

Dimensionamiento del cálculo#

La inferencia continua a través de muchos flujos es un ejercicio de planificación de capacidad, y dos palancas dominan.

La primera es la velocidad de fotogramas. La mayoría de los eventos de seguridad no requieren cada fotograma. Configura la velocidad según el evento más corto que debas capturar (una persona cruzando una línea necesita mucho menos de 30 fps) y los requisitos de capacidad suelen disminuir sustancialmente.

La segunda es dónde se ejecuta la inferencia. Los dispositivos de borde (edge) cerca de las cámaras evitan la transmisión de vídeo a través de la red y mantienen el metraje local, que suele ser el objetivo. Un servidor GPU central es más fácil de operar y gestionar, pero concentra la demanda de ancho de banda. Las instalaciones mixtas suelen hacer ambas cosas: inferencia en el borde en sitios remotos y procesamiento central donde la red es buena.

Realiza pruebas comparativas (benchmarks) en tus propios flujos y hardware. Las cifras de rendimiento del modelo medidas en conjuntos de datos seleccionados no predicen lo que logra una canalización de decodificación más inferencia en tus cámaras.

Las falsas alarmas se resuelven por encima del modelo, no dentro de él#

El fallo más común de un sistema de construcción propia no es una mala precisión de detección. Es un volumen de alertas al que los operadores dejan de responder en dos semanas.

Las detecciones no son eventos. La capa que convierte las cajas en alertas es donde realmente se controla la tasa de falsas alarmas:

• Persistencia. Requiere que se establezca un seguimiento durante varios fotogramas antes de que cuente. Las detecciones de un solo fotograma son ruido.
• Geometría de zona en términos del mundo real. Un polígono dibujado en una imagen 2D no es un área en el suelo. Sin calibración de perspectiva, una persona muy por fuera de una zona de peligro puede parecer dentro de ella.
• Eliminación de rebotes (debouncing). Una persona merodeando en un umbral no debería generar eventos de cruce repetidos.
• Horarios y exenciones. Una carretilla elevadora en un pasillo a las 14:00 es normal y a las 2:00 no lo es. Codificar eso elimina una gran fracción de alertas.
• Niveles de escalado. No todas las detecciones merecen una alarma. La alerta en vivo, el resumen de turno y la tendencia semanal son tres resultados diferentes con tres requisitos de precisión diferentes.

Espera que esta capa tenga más código que la integración del modelo, y mide el sistema en falsas alarmas por turno en lugar de en precisión de detección frente a un conjunto de prueba. Las falsas alarmas por turno determinan si el sistema sigue encendido en tres meses.

Privacidad y alcance#

Añadir analítica a cámaras existentes cambia lo que esas cámaras hacen, y eso suele desencadenar obligaciones que la instalación original no tenía.

• Limitación de finalidad. Las cámaras instaladas por seguridad no deben convertirse sigilosamente en monitorización de productividad o comportamiento. En entornos de trabajo, esto es tanto un problema legal como un problema de confianza.
• Reevalúa, no heredes. Añadir análisis automatizado a metraje existente generalmente requiere una nueva evaluación de protección de datos y, en gran parte de la UE, consulta con el comité de empresa.
• Excluye la coincidencia de identidades. La detección de personas y vehículos, el cruce de líneas, la intrusión en zonas, el merodeo, la densidad de multitudes y el objeto abandonado funcionan con detecciones anónimas. Ultralytics no ofrece sus modelos para reconocimiento facial, y la coincidencia de identidades conlleva una exposición legal sustancialmente mayor sin mejorar ninguna de esas detecciones.
• Minimiza lo que retienes. Cuando los eventos y los recuentos responden a la pregunta, conserva eventos y recuentos.
• Registra la visualización y la exportación, no solo los cambios de configuración.
• Segmenta la red de cámaras. Una actualización es un buen momento para arreglar las redes planas y las credenciales predeterminadas.