Visión por computador 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 buena parte de esas pruebas es visual. Tradicionalmente, recopilar estas pistas era un proceso manual: fotografiar la escena, dibujar croquis, etiquetar objetos y confiar en el ojo entrenado 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 desempeñado un papel clave en la resolución de delitos. Pero ahora, gracias a la IA y a la visión por computador, las investigaciones son cada vez más avanzadas. Las máquinas pueden ayudar a analizar pruebas visuales con mayor rapidez, precisión y a una escala mucho mayor.

En particular, la visión por computador es una tecnología de gran impacto que permite a las máquinas ver y comprender imágenes y vídeos. Estos sistemas pueden procesar y analizar rápidamente grandes cantidades de datos visuales, ayudando a los investigadores a resolver delitos con mayor rapidez.

Las ventajas de las herramientas basadas en IA en las investigaciones han hecho que el mercado mundial de herramientas de investigación forense digital basadas en IA alcanzara un valor de 4,98 mil millones de dólares en 2025, y se espera que llegue a 17,7 mil millones de dólares en 2031.

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

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

El papel de la IA y la visión por computador en las ciencias forenses#

La visión por computador permite a las máquinas interpretar información visual del mundo real y tomar decisiones basadas en esa comprensión. En concreto, en las ciencias forenses, la IA se puede utilizar para detectar elementos como armas o lesiones, seguir vehículos e incluso reconstruir modelos 3D de escenas del crimen con una velocidad y precisión impresionantes.

Aunque las investigaciones forenses siguen dependiendo de la observación manual y los conocimientos expertos, este proceso puede llevar mucho tiempo y suele centrarse en un solo caso cada vez. Los modelos de visión por computador, como Ultralytics YOLO11, ofrecen un enfoque más rápido y escalable. Estos modelos pueden explorar escenas, identificar objetos clave y clasificar pruebas mediante tareas de Vision AI, 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 por computador puede explorar automáticamente las transmisiones de vídeo para detectar actividades sospechosas, como movimientos inusuales, merodeo u objetos abandonados. Puede señalar periodos concretos y ubicaciones para que los investigadores los revisen, reduciendo considerablemente el tiempo y el esfuerzo necesarios para encontrar pruebas relevantes.

Aplicaciones de Vision AI en las ciencias forenses#

La visión por computador 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 por computador#

Una de las técnicas de visión por computador más utilizadas en vigilancia es el seguimiento de objetos: seguir a personas, vehículos u objetos a través de los fotogramas de un vídeo. En lugar de programarse manualmente para cada situación, estos sistemas aprenden de vídeos del mundo real y captan rápidamente qué se considera «normal». De este modo, pueden detectar automáticamente comportamientos inusuales, como alguien merodeando en una zona tranquila, un vehículo en una zona restringida o una bolsa desatendida en un espacio público.

Esta tecnología puede resultar 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 por computador puede explorar horas de grabaciones de CCTV, localizar cada aparición de una camioneta roja y evitar que los investigadores tengan que revisarlo todo manualmente. Al automatizar tareas que antes llevaban horas o días, la visión por computador 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 investigaciones de incendios forestales#

Tras incidentes relacionados con incendios, el tiempo es crucial y las pruebas físicas suelen verse comprometidas o quedar destruidas. Las tecnologías de visión por computador ayudan a cubrir esta carencia mediante el análisis de diversas fuentes de datos visuales, como imágenes por satélite, grabaciones de drones, CCTV y escaneos térmicos, para reconstruir la sucesión de los acontecimientos.

Estas herramientas pueden detectar el origen de un incendio, identificar posibles acelerantes y seguir la actividad de personas o vehículos cerca de la escena. Al combinarse con bases de datos policiales e informes de incidentes, el sistema puede descubrir patrones, como ubicaciones de incendios repetidas, comportamientos de sospechosos o incendios provocados coordinados, en distintas regiones.

Un ejemplo del mundo real procede de Nueva Gales del Sur, Australia, donde la policía utilizó una plataforma de visión por computador llamada Insights durante las investigaciones de los incendios forestales de 2019–2020. La plataforma analizó grabaciones de CCTV, datos geoespaciales y datos medioambientales, como la dirección del viento y los registros de rayos. También utilizó el reconocimiento de objetos para identificar elementos visuales relevantes, como vehículos o equipos, en grandes cantidades de grabaciones de vigilancia.

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

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

Reconstrucción de una escena del crimen mediante visión por computador#

La reconstrucción 3D en las ciencias forenses combina tecnologías como la fotografía, el escaneo láser, LiDAR y la visión por computador para crear modelos detallados y a escala real de escenas del crimen. Estas reconstrucciones ayudan a los investigadores a visualizar la colocación de 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 en los tribunales al permitir recorridos virtuales y mediciones precisas.

Más allá de las investigaciones activas, la reconstrucción 3D y la realidad virtual (VR) también están transformando la formación forense. En entornos académicos, los estudiantes pueden utilizar gafas de VR para explorar escenas del crimen simuladas, identificar pruebas y practicar técnicas como el escaneo de huellas dactilares y el análisis de salpicaduras de sangre. Este enfoque de aprendizaje inmersivo desarrolla habilidades de investigación fundamentales en un entorno seguro y repetible.

Fig. 4. Un estudiante observando la escena del crimen con unas gafas de VR (fuente).

Mejora de imágenes mediante Vision AI#

Recientemente, un caso de hace 19 años en Kerala (India) se resolvió con ayuda de la mejora de imágenes basada en IA. Los investigadores volvieron a examinar fotografías antiguas de la época del crimen y utilizaron una combinación de procesamiento de imágenes e inteligencia artificial para aclarar los rasgos faciales y generar representaciones actualizadas de los sospechosos. Una de las imágenes mejoradas se parecía mucho a una persona que aparecía en una fotografía de boda compartida en internet, lo que finalmente supuso un avance decisivo en el caso.

Este caso es un buen ejemplo de cómo las herramientas forenses modernas, especialmente la integración de la IA con la mejora de imágenes tradicional, pueden ayudar a las fuerzas del orden a reabrir 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 recursos muy valiosos en el ámbito de la investigación forense digital.

Uso de la segmentación de instancias para extraer pruebas#

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

Imagina una escena del crimen en la que se vean varios conjuntos de huellas o marcas de neumáticos superpuestas en tierra o nieve: la segmentación de instancias puede distinguir y delimitar cada una por separado. Esto facilita el análisis de patrones de movimiento, trayectorias de vehículos o recorridos 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 1.753 imágenes forenses que contenían 4.666 heridas.

El modelo entrenado pudo detectar y clasificar siete tipos de lesiones, incluidas heridas de arma blanca y quemaduras. Demostró cómo Vision AI puede ayudar a los investigadores a analizar patrones de lesiones de forma rápida y precisa, ahorrar tiempo y mejorar la coherencia en las evaluaciones de imágenes forenses.

Reconocimiento automático de matrículas mediante Vision AI#

El reconocimiento automático de matrículas (ANPR), o reconocimiento de matrículas (LPR), es una aplicación de visión por computador centrada en detectar, leer y extraer automáticamente los números de matrícula de imágenes o grabaciones de vídeo. Normalmente, esto implica utilizar modelos de visión por computador, como YOLO11, para la detección de objetos y localizar la matrícula dentro de un fotograma.

Una vez identificada la matrícula, se aplica el reconocimiento óptico de caracteres (OCR) para extraer los caracteres alfanuméricos. 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 personas desaparecidas, 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 de LPR. Si el vehículo aparece en una cámara de vigilancia, el sistema puede señalar automáticamente su ubicación, ayudando a los agentes a responder con rapidez. El LPR también desempeña un papel clave en casos como el de vehículos robados o accidentes con fuga, ya que proporciona un seguimiento rápido y preciso mediante redes de vigilancia integradas.

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

Ventajas e inconvenientes del uso de la IA en las ciencias forenses#

La IA y la visión por computador 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 remoto: La visión por computador permite a los investigadores forenses visualizar escenas del crimen y pruebas, como imágenes, vídeos y modelos 3D, desde cualquier lugar sin estar presentes físicamente.
• Archivos a largo plazo: Los datos procesados por los sistemas de visión pueden estar bien organizados y ser fáciles de buscar. Si es necesario en el futuro, se pueden volver a consultar y analizar con modelos mejorados en casos antiguos.
• Coherencia: A diferencia de los seres humanos, que pueden interpretar la información visual de forma diferente según su experiencia, los modelos de visión por computador aplican las mismas reglas cada vez, lo que da lugar a análisis más coherentes y uniformes.

A pesar de su potencial, la visión por computador en las ciencias forenses también presenta algunos retos que conviene tener en cuenta. Estos son algunos de los principales:

• Calidad de entrada: Los modelos de visión dependen en gran medida de la calidad de los datos que reciben. Las soluciones de visión por computador pueden pasar por alto o interpretar incorrectamente detalles importantes si las imágenes están borrosas, mal iluminadas o tienen baja resolución. Esto se puede mitigar aplicando la estrategia adecuada de aumento de datos.
• Dificultad con datos no vistos: Los modelos de visión por computador pueden tener dificultades cuando se encuentran con algo nuevo, como objetos inusuales o escenas del crimen diferentes de los datos con los que se entrenaron. Esto se conoce como «deriva».
• Retos legales: El uso de la visión por computador en investigaciones puede plantear cuestiones legales, como si las pruebas son admisibles ante un tribunal, hasta qué punto son privados los datos y cuán transparentes son las decisiones del sistema.

Conclusiones clave#

La visión por computador aún está evolucionando, pero ya está transformando el funcionamiento de las ciencias forenses. Desde detectar y delimitar pequeños elementos de prueba mediante la segmentación de instancias hasta crear modelos 3D de escenas del crimen y mejorar documentos, ayuda a los investigadores en todas las etapas de su trabajo.

En el futuro, es probable que la visión por computador trabaje aún más estrechamente con la IA y el aprendizaje automático para detectar patrones con mayor rapidez y realizar mejores predicciones utilizando datos de casos anteriores. A medida que la tecnología siga mejorando, continuará aportando nuevas y mejores formas de resolver delitos.

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