Visión artificial para la ciencia forense: detección de pistas ocultas

Las investigaciones dependen en gran medida de las pruebas físicas recogidas en las escenas del crimen, y muchas de ellas son visuales. Tradicionalmente, la recopilación de estas pistas se hacía de forma manual: fotografiar la escena, dibujar planos, etiquetar objetos y confiar en el ojo experto del investigador para detectar detalles sutiles.

A lo largo de los años, herramientas como las cámaras térmicas y los escáneres de huellas dactilares han respaldado este trabajo y han desempeñado un papel clave en la resolución de delitos. Sin embargo, gracias a la IA y la visión artificial, las investigaciones están avanzando. Las máquinas pueden ayudar a analizar pruebas visuales con mayor rapidez y precisión, y a una escala mucho mayor.

En concreto, la visión artificial es una tecnología eficaz que permite a las máquinas ver y comprender imágenes y vídeos. Estos sistemas pueden procesar y analizar rápidamente grandes cantidades de datos visuales y ayudar a los investigadores a resolver delitos con mayor rapidez.

Las ventajas de las herramientas basadas en IA para las investigaciones han contribuido a que el mercado mundial de herramientas de análisis forense digital basadas en IA alcanzara un valor de 4.980 millones de dólares en 2025, y se prevé que llegue a los 17.700 millones de dólares en 2031.

Fig. 1. Mercado mundial de la informática forense digital basada en IA (fuente).

En este artículo, veremos cómo se puede utilizar la visión artificial en las investigaciones forenses y cómo puede ayudar a identificar, analizar e interpretar pruebas visuales.

El papel de la IA y la visión artificial en la ciencia forense#

La visión artificial permite a las máquinas interpretar información visual del mundo real y tomar decisiones a partir de esa comprensión. En concreto, en las ciencias forenses, la IA puede utilizarse para detectar elementos como armas o lesiones, seguir vehículos e incluso reconstruir modelos 3D de escenas del crimen de forma rápida y precisa.

Aunque las investigaciones forenses siguen basándose en la observación manual y los conocimientos especializados, este proceso puede llevar mucho tiempo y suele centrarse en un caso cada vez. Los modelos de visión artificial, como Ultralytics YOLO11, ofrecen un enfoque más rápido y escalable. Estos modelos pueden analizar escenas, identificar objetos clave y clasificar pruebas mediante tareas de IA visual como la detección de objetos y la clasificación de imágenes.

Por ejemplo, en lugar de revisar manualmente cientos de horas de grabaciones de vigilancia, un modelo de visión artificial puede analizar automáticamente las señales de vídeo para detectar actividades sospechosas, como movimientos inusuales, personas merodeando u objetos abandonados. Puede señalar periodos concretos y ubicaciones para que los investigadores los revisen, lo que reduce considerablemente el tiempo y el esfuerzo necesarios para encontrar pruebas pertinentes.

Aplicaciones de Vision AI en la ciencia forense#

La visión artificial está cambiando la forma en que los investigadores recopilan y estudian las pruebas visuales. Veamos con más detalle cómo se utiliza actualmente en el trabajo forense.

Análisis de grabaciones de vigilancia mediante visión artificial#

Una de las técnicas de visión artificial más habituales en la vigilancia es el seguimiento de objetos: seguir a personas, vehículos u objetos a lo largo de los fotogramas de un vídeo. En lugar de programarse manualmente para cada situación, estos sistemas aprenden de vídeos del mundo real y reconocen rápidamente cómo es un comportamiento «normal». Así pueden detectar automáticamente comportamientos inusuales, como alguien merodeando en una zona tranquila, un vehículo en una zona restringida o una bolsa sin vigilancia en un espacio público.

Esta tecnología puede ser útil durante las investigaciones. Por ejemplo, si un testigo dice que vio una camioneta roja en un cruce entre las 11:00 y las 13:00, la visión artificial puede analizar horas de grabaciones de CCTV, localizar todas las apariciones de una camioneta roja y evitar que los investigadores tengan que revisarlas manualmente. Al automatizar una tarea que antes llevaba horas o días, la visión artificial hace que tanto la supervisión en directo como la revisión de pruebas sean más rápidas, inteligentes y eficaces.

Fig. 2. Uso de Vision AI para analizar grabaciones de CCTV y seguir camionetas rojas (fuente).

Uso de la IA en las investigaciones sobre incendios forestales#

Tras los incidentes relacionados con incendios, el tiempo es crucial y las pruebas físicas suelen quedar dañadas o destruidas. Las tecnologías de visión artificial ayudan a cubrir esta carencia mediante el análisis de diversas fuentes de datos visuales, como imágenes por satélite, grabaciones de drones, CCTV e imágenes térmicas, para reconstruir la secuencia de los hechos.

Estas herramientas pueden detectar el origen de un incendio, identificar posibles acelerantes y seguir la actividad de personas o vehículos cerca del lugar. Al combinarse con bases de datos policiales e informes de incidentes, el sistema puede descubrir patrones en distintas regiones, como incendios repetidos en los mismos lugares, comportamientos sospechosos o incendios provocados de forma coordinada.

Un ejemplo real se encuentra en Nueva Gales del Sur, Australia, donde la policía utilizó una plataforma de visión artificial llamada Insights durante las investigaciones sobre los incendios forestales de 2019-2020. La plataforma analizó grabaciones de CCTV, datos geoespaciales e información ambiental, como la dirección del viento y los registros de impactos de rayos. También utilizó el reconocimiento de objetos para identificar elementos visuales pertinentes, como vehículos o equipos, en grandes cantidades de grabaciones de vigilancia.

Al superponer estos datos con la geolocalización de teléfonos móviles y mapas, los investigadores pudieron relacionar la actividad humana con incendios concretos y presentar visualmente los datos durante las investigaciones oficiales. Este método aceleró el proceso de investigación.

Fig. 3. Un investigador forense examina restos de un incendio (fuente).

Reconstrucción de una escena del crimen mediante visión artificial#

La reconstrucción 3D en ciencia forense combina tecnologías como la fotografía, el escaneo láser, LiDAR y la visión artificial para crear modelos detallados y a escala real de las escenas del crimen. Estas reconstrucciones ayudan a los investigadores a visualizar la ubicación de los objetos, los patrones de salpicaduras de sangre y las trayectorias de las balas con un nivel de precisión e interactividad que las fotografías 2D tradicionales no pueden ofrecer. Esta tecnología mejora el análisis y las presentaciones ante los tribunales al permitir recorridos virtuales y mediciones precisas.

Además de las investigaciones en curso, la reconstrucción 3D y la realidad virtual (VR) también están transformando la formación forense. En entornos académicos, los estudiantes pueden utilizar cascos de realidad virtual para explorar escenas del crimen simuladas, identificar pruebas y practicar técnicas como la toma de huellas dactilares y el análisis de salpicaduras de sangre. Este enfoque de aprendizaje inmersivo desarrolla competencias básicas de investigación en un entorno seguro y reproducible.

Fig. 4. Un estudiante examina la escena del crimen con un visor de VR (fuente).

Mejora de imágenes mediante Vision AI#

Un caso de hace 19 años en Kerala, India, se resolvió recientemente con ayuda de la mejora de imágenes mediante IA. Los investigadores volvieron a examinar fotografías antiguas de la época del delito y combinaron el procesamiento de imágenes con la inteligencia artificial para aclarar los rasgos faciales y generar retratos actualizados de los sospechosos. Una imagen mejorada se parecía mucho a una persona que aparecía en una foto de boda compartida en Internet, lo que finalmente permitió avanzar en el caso.

Este caso es un buen ejemplo de cómo las herramientas forenses modernas, en particular la integración de la IA con las técnicas tradicionales de mejora de imágenes, pueden ayudar a las fuerzas del orden a retomar y resolver investigaciones pendientes desde hace mucho tiempo. Al revelar detalles ocultos o identificar a personas que han cambiado significativamente con el paso del tiempo, estas tecnologías están demostrando ser herramientas muy valiosas en el campo de la informática forense digital.

Uso de la segmentación de instancias para extraer pruebas#

La segmentación de instancias es una tarea de visión artificial que puede identificar objetos individuales en una imagen y delimitar cada uno mediante una máscara detallada a nivel de píxel. Esto ayuda a los investigadores a aislar con precisión pruebas clave, incluso en entornos desordenados o complejos.

Imagina una escena del crimen en la que se vean varios rastros de pisadas o huellas de neumáticos superpuestas en tierra o nieve: la segmentación de instancias puede distinguir cada rastro y delimitarlo por separado. Así resulta más fácil analizar patrones de movimiento, recorridos de vehículos o trayectorias de sospechosos sin las distracciones del desorden del fondo.

Además del análisis de escenas, la segmentación de instancias también se está aplicando a imágenes forenses. En un estudio del Instituto de Medicina Forense de Zúrich, los investigadores utilizaron esta técnica para identificar distintos tipos de heridas. Entrenaron un modelo de visión con 1753 imágenes forenses que contenían 4666 heridas.

El modelo entrenado pudo detectar y clasificar siete tipos de lesiones, incluidas heridas de arma blanca y quemaduras. Demostró cómo la IA visual puede ayudar a los investigadores analizando con rapidez y precisión los patrones de las lesiones, ahorrando tiempo y mejorando la coherencia de las evaluaciones forenses de imágenes.

Reconocimiento automático de matrículas con Vision AI#

El reconocimiento automático de matrículas (ANPR), también llamado reconocimiento de matrículas (LPR), es una aplicación de visión artificial que permite detectar, leer y extraer automáticamente los números de matrícula de imágenes o grabaciones de vídeo. Para ello, se suelen utilizar modelos de visión artificial, como YOLO11, para detectar objetos y localizar la matrícula en un fotograma.

Una vez identificada la matrícula, se aplica el reconocimiento óptico de caracteres (OCR) para extraer los caracteres alfanuméricos. A continuación, esta información se puede contrastar con bases de datos para identificar al propietario del vehículo o seguir sus movimientos anteriores. El ANPR resulta especialmente útil en investigaciones relacionadas con desapariciones, robos de vehículos, infracciones de tráfico o accidentes con fuga.

Por ejemplo, en un caso de desaparición, las fuerzas del orden pueden introducir el número de matrícula en un sistema LPR. Si el vehículo aparece en una cámara de vigilancia, el sistema puede señalar automáticamente su ubicación para ayudar a los agentes a actuar con rapidez. LPR también desempeña un papel clave en casos de vehículos robados o accidentes con fuga, ya que permite un seguimiento rápido y preciso mediante redes de vigilancia integradas.

Fig. 5. Detección de matrículas con Ultralytics YOLO11 (fuente).

Ventajas e inconvenientes de usar la IA en la ciencia forense#

La IA y la visión artificial ofrecen varias ventajas clave que mejoran la eficiencia, la accesibilidad y la fiabilidad de las investigaciones forenses. Estas son algunas de las principales ventajas que debes tener en cuenta:

• Análisis a distancia: la visión artificial permite a los investigadores forenses examinar escenas del crimen y pruebas, como imágenes, vídeos y modelos 3D, desde cualquier lugar y sin estar presentes físicamente.
• Archivos a largo plazo: los datos procesados por los sistemas de visión pueden organizarse bien y ser fáciles de buscar. Si se necesitan en el futuro, pueden consultarse y volver a analizarse con modelos mejorados para revisar casos antiguos.
• Coherencia: a diferencia de las personas, que pueden interpretar la información visual de manera diferente según su experiencia, los modelos de visión artificial aplican las mismas reglas cada vez, lo que permite realizar análisis más coherentes y uniformes.

A pesar de su potencial, la visión artificial en la ciencia forense también plantea algunos retos que conviene tener presentes. Estos son algunos de los principales:

• Calidad de los datos de entrada: los modelos de visión dependen en gran medida de la calidad de los datos que reciben. Las soluciones de visión artificial pueden pasar por alto o interpretar mal detalles importantes si las imágenes están borrosas, mal iluminadas o tienen poca resolución. Una estrategia adecuada de aumento de datos durante el entrenamiento puede mitigar parcialmente este problema.
• Dificultades con datos no vistos: los modelos de visión artificial pueden tener dificultades cuando se encuentran con algo nuevo, como objetos inusuales o escenas del crimen distintas de los datos con los que se entrenaron. Esto está estrechamente relacionado con la deriva de datos.
• Retos legales: el uso de la visión artificial en investigaciones puede plantear cuestiones legales, como si las pruebas son admisibles en un juicio, hasta qué punto son privados los datos y cuán transparentes son las decisiones del sistema.

Conclusiones clave#

La visión artificial sigue evolucionando, pero ya está cambiando el funcionamiento de las ciencias forenses. Desde detectar y delimitar pequeñas pruebas mediante la segmentación de instancias hasta crear modelos 3D de escenas del crimen y mejorar imágenes, ayuda a los investigadores en todas las fases de su trabajo.

En el futuro, es probable que la visión artificial trabaje aún más estrechamente con la IA y el aprendizaje automático para detectar patrones con mayor rapidez y hacer mejores predicciones a partir de los datos de casos anteriores. A medida que la tecnología siga mejorando, seguirá ofreciendo nuevas y mejores formas de resolver delitos.

Únete a nuestra comunidad y consulta nuestro repositorio de GitHub para obtener más información sobre la visión artificial. Explora aplicaciones como la IA en la fabricación y la visión artificial en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencia y empieza hoy mismo a crear con visión artificial.