4 de julio de 2025
Explore el impacto de la visión por ordenador en la ciencia forense a la hora de identificar pruebas, analizar secuencias y acelerar las investigaciones criminales.
Las investigaciones dependen en gran medida de las pruebas físicas recogidas en el lugar del delito, y muchas de esas pruebas son visuales. Tradicionalmente, la recopilación de estas pistas se ha hecho manualmente: fotografiando la escena, dibujando planos, etiquetando objetos y confiando 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 apoyado esta labor y han desempeñado un papel fundamental en la resolución de delitos. Pero ahora, gracias a la IA y la visión por ordenador, las investigaciones son cada vez más avanzadas. Las máquinas pueden ayudar a analizar las pruebas visuales con mayor rapidez, precisión y a una escala mucho mayor.
En concreto, la visión por ordenador 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, lo que ayuda a los investigadores a resolver delitos con mayor rapidez.
Las ventajas de las herramientas impulsadas por IA en las investigaciones han empujado al mercado mundial de herramientas forenses digitales impulsadas por IA a valorarse en 4.980 millones de dólares en 2025 y se espera que alcance los 17.700 millones de dólares en 2031.
En este artículo, exploraremos cómo puede utilizarse la visión por ordenador en las investigaciones forenses y cómo puede ayudar a identificar, analizar e interpretar pruebas visuales.
La visión por ordenador permite a las máquinas interpretar la información visual del mundo real y tomar decisiones basadas en esa comprensión. Concretamente, en la ciencia forense, la IA puede utilizarse para detectar elementos como armas o lesiones, rastrear vehículos e incluso reconstruir modelos 3D de escenas del crimen con una rapidez y precisión impresionantes.
Aunque las investigaciones forenses siguen basándose en la observación manual y los conocimientos de expertos, este proceso puede llevar mucho tiempo y suele centrarse en un caso cada vez. Los modelos de visión por ordenador como Ultralytics YOLO11 ofrecen un enfoque más rápido y escalable. Estos modelos pueden escanear escenas, identificar objetos clave y clasificar pruebas mediante tareas de IA de visión 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 ordenador puede escanear automáticamente las secuencias de vídeo para detectar actividades sospechosas, como movimientos inusuales, merodeo o abandono de objetos. Puede señalar momentos y lugares específicos para que los revisen los investigadores, lo que reduce significativamente el tiempo y el esfuerzo necesarios para encontrar pruebas relevantes.
La visión por ordenador está cambiando la forma en que los investigadores recogen y estudian las pruebas visuales. A continuación, te mostramos cómo se utiliza en el trabajo forense actual.
Una de las técnicas de visión por ordenador más utilizadas en vigilancia es el seguimiento de objetos, es decir, el seguimiento de personas, vehículos u objetos a través de fotogramas de vídeo. En lugar de programarse manualmente para cada situación, estos sistemas aprenden de los vídeos del mundo real y captan rápidamente lo que es "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 ser útil durante las investigaciones. Por ejemplo, si un testigo dice que vio una furgoneta roja en un cruce entre las 11.00 y las 13.00 horas, la visión por ordenador puede escanear horas de grabaciones de CCTV, identificar todos los casos de una furgoneta roja y evitar que los investigadores tengan que revisarlo todo manualmente. Al automatizar lo que antes llevaba horas o días, la visión por ordenador hace que tanto la vigilancia en directo como la revisión de pruebas sean más rápidas, inteligentes y eficaces.
Tras un incendio, el tiempo es un factor crítico y las pruebas físicas a menudo se ven comprometidas o destruidas. Las tecnologías de visión por ordenador ayudan a llenar este vacío analizando diversas fuentes de datos visuales, como imágenes por satélite, grabaciones de drones, CCTV y escáneres térmicos, para reconstruir la secuencia de los hechos.
Estas herramientas pueden detectar el origen de un incendio, identificar posibles acelerantes y rastrear la actividad humana o de vehículos cerca del lugar de los hechos. Cuando se combina con bases de datos criminales e informes de incidentes, el sistema puede descubrir patrones, como ubicaciones repetidas de incendios, comportamientos sospechosos o incendios provocados coordinados, en distintas regiones.
Un ejemplo real procede de Nueva Gales del Sur (Australia), donde la policía utilizó una plataforma de visión por ordenador llamada Insights durante las investigaciones de los incendios forestales de 2019-2020. La plataforma analizó imágenes de CCTV, datos geoespaciales y datos ambientales, 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 imágenes de vigilancia.
Superponiendo estos datos a los de geolocalización de los teléfonos móviles y a los mapas, los investigadores pudieron vincular la actividad humana a incendios concretos y presentar visualmente estos datos durante las investigaciones oficiales. Este enfoque aceleró el proceso de investigación.
La reconstrucción 3D en medicina forense combina tecnologías como la fotografía, el escaneado láser, LiDAR y la visión por ordenador para crear modelos detallados 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 tradicionales en 2D no pueden ofrecer. Esta tecnología mejora el análisis y las presentaciones ante los tribunales, ya que permite realizar recorridos virtuales y mediciones precisas.
Más allá de las investigaciones activas, la reconstrucción en 3D y la realidad virtual (RV ) también están redefiniendo 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 el escaneo de huellas dactilares y el análisis de salpicaduras de sangre. Este enfoque de aprendizaje inmersivo desarrolla las principales habilidades de investigación en un entorno seguro y repetible.
Un caso ocurrido hace 19 años en Kerala (India) se resolvió recientemente con la ayuda de la mejora de imágenes mediante inteligencia artificial. Los investigadores revisaron 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 retratos actualizados de los sospechosos. Una de las imágenes mejoradas 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 la mejora tradicional de imágenes, pueden ayudar a las fuerzas del orden a revisar y resolver investigaciones pendientes desde hace mucho tiempo. Al revelar detalles ocultos o identificar a personas que han cambiado significativamente con el tiempo, estas tecnologías están demostrando ser poderosos activos en el campo de la investigación forense digital.
La segmentación de instancias es una tarea de visión por ordenador que puede identificar objetos individuales en una imagen y delinear cada uno de ellos con una máscara detallada a nivel de píxel. Esto ayuda a los investigadores a aislar con precisión las pruebas clave, incluso en entornos desordenados o complejos.
Supongamos que en la escena de un crimen hay varios juegos de pisadas o huellas de neumáticos superpuestas en la tierra o la nieve: la segmentación de instancias puede distinguir y delinear cada una de ellas por separado. Esto facilita el análisis de patrones de movimiento, recorridos de vehículos o trayectorias de sospechosos sin las distracciones del desorden del fondo.
Más allá del análisis de escenas, la segmentación de instancias también se está aplicando a las 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 en 1.753 imágenes forenses que contenían 4.666 heridas.
El modelo entrenado fue capaz de detectar y clasificar siete tipos de lesiones, incluidas heridas de arma blanca y quemaduras. Mostró cómo Vision AI puede ayudar a los investigadores analizando con rapidez y precisión patrones de lesiones, ahorrando tiempo y mejorando la coherencia de las evaluaciones forenses de imágenes.
El reconocimiento automático de matrículas (ANPR), o reconocimiento de matrículas (LPR), es una aplicación de visión por ordenador centrada en la detección, lectura y extracción automática de matrículas a partir de imágenes o secuencias de vídeo. Para ello se suelen utilizar modelos de visión por ordenador, como YOLO11, para la detección de objetos con el fin de 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. A continuación, esta información puede cotejarse con bases de datos para identificar al propietario del vehículo o rastrear sus movimientos anteriores. El ANPR es especialmente útil en investigaciones sobre personas desaparecidas, robos de vehículos, infracciones de tráfico o atropellos.
Por ejemplo, en el caso de una persona desaparecida, las fuerzas de seguridad 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, ayudando a los agentes a responder rápidamente. El LPR también desempeña un papel clave en casos como el robo de vehículos o los atropellos con fuga, ya que proporciona un seguimiento rápido y preciso a través de redes de vigilancia integradas.
La IA y la visión por ordenador ofrecen varias ventajas clave que mejoran la eficacia, accesibilidad y fiabilidad de las investigaciones forenses. Estas son algunas de las principales ventajas a tener en cuenta:
A pesar de su potencial, la visión por ordenador en el ámbito forense también conlleva algunos retos a tener en cuenta. He aquí algunos de los principales:
La visión por ordenador sigue evolucionando, pero ya está transformando el funcionamiento de la ciencia forense. Desde la detección y el contorno de pequeñas pruebas mediante la segmentación de instancias hasta la creación de modelos 3D de escenas del crimen y la mejora de documentos, ayuda a los investigadores en todas las fases de su trabajo.
En el futuro, es probable que la visión por ordenador trabaje aún más estrechamente con la IA y el aprendizaje automático para detectar patrones más rápidamente y hacer mejores predicciones utilizando datos de casos anteriores. A medida que la tecnología siga mejorando, seguirá aportando nuevas y mejores formas de resolver delitos.
Únase a nuestra comunidad y al repositorio de GitHub para obtener más información sobre la visión por ordenador. Explore aplicaciones como la IA en la fabricación y la visión por ordenador en la agricultura en nuestras páginas de soluciones. Echa un vistazo a nuestras opciones de licencia y empieza a construir con visión por computador hoy mismo.
.webp)