Cómo funcionan realmente el recuento de personas y la analítica de ocupación
Cómo funcionan el recuento de personas y la analítica de ocupación: comparación de métodos de visión basados en WiFi, ToF, térmicos y de cámara, los productos disponibles y cómo construirlo.
La mayoría de los proyectos de recuento de personas fallan antes de elegir cualquier sensor, porque "cuántas personas" son cuatro mediciones diferentes y los equipos especifican la incorrecta. Las entradas a lo largo del día, las personas presentes en este momento, el tiempo que permaneció cada una y cuántas esperan en una cola requieren diferentes tipos de detección, distinta ubicación y diferente precisión. Un sistema que cuenta las entradas con precisión puede reportar mal la ocupación, y un sistema ajustado para la ocupación puede pasar por alto por completo las entradas breves.
Esta guía separa esas mediciones, compara honestamente los métodos de detección (Wi-Fi y BLE, haces infrarrojos, tiempo de vuelo, térmicos, visión estéreo y basada en cámaras) y abarca tanto los productos que vale la pena comprar como la forma en que los equipos construyen su propio recuento basado en cámaras con los modelos de Ultralytics YOLO.
Cuatro mediciones, no una#
| Medición | Pregunta que responde | Qué necesita | Fallo común |
|---|---|---|---|
| Entradas / afluencia | ¿Cuántas personas entraron hoy? | Recuento direccional en cada entrada | Contar al personal, entregas y reentradas como visitantes |
| Ocupación | ¿Cuántas personas hay dentro ahora mismo? | Entradas y salidas de forma precisa, o detección de toda el área | Pequeños errores direccionales que se acumulan en una gran desviación a lo largo del día |
| Tiempo de permanencia | ¿Cuánto tiempo se quedaron las personas? | Rastreo de rutas sin identidad en todo el área | Perder rastros debido a la oclusión y luego contar doble un regreso |
| Longitud de la cola y espera | ¿Cuántas personas están esperando y durante cuánto tiempo? | Recuento basado en regiones más medición del tiempo | Definir dónde empieza una cola cuando no es una línea ordenada |
La ocupación es la que sorprende a los equipos. Derivarla a partir de las entradas menos las salidas significa que cada error de recuento se acumula: un pequeño error direccional, repetido en cada movimiento a través de la puerta, deja el recuento significativamente equivocado a la hora de cierre. Los sistemas que necesitan una ocupación fiable detectan directamente toda el área o restablecen el recuento ante una condición de vacío conocido, normalmente durante la noche.
Comparativa de métodos de detección#
| Método | Cómo funciona | Puntos fuertes | Límites | Perfil de privacidad |
|---|---|---|---|---|
| Wi-Fi / BLE | Detecta señales de dispositivos | Área amplia, sin instalación en el techo, económico donde ya existen puntos de acceso | Cuenta dispositivos, no personas; pasa por alto teléfonos apagados o con direcciones aleatorias; baja precisión | Sin imágenes; los identificadores de dispositivos siguen siendo datos personales en muchas normativas |
| Haz infrarrojo | Interrupción de haz a través de una puerta | Muy económico, sencillo, de bajo consumo | Sin dirección a menos que se empareje; grupos caminando hombro con hombro se cuentan como uno | Mínimo |
| Tiempo de vuelo (ToF) | Detección de profundidad cenital de una zona | Recuento direccional preciso, robusto ante la iluminación, funciona en la oscuridad | Cobertura estrecha fija por unidad; se necesitan más unidades para entradas anchas | Sin imágenes reconocibles |
| Térmico | Detecta firmas de calor corporal | Funciona en la oscuridad; intrínsecamente anónimo | Se degrada cuando la temperatura ambiente se acerca a la temperatura corporal; menor resolución | Fuerte: sin imágenes identificables |
| Visión estéreo | Dos lentes obtienen la profundidad | Buena precisión y filtrado de altura para excluir a niños o carritos | Mayor coste por unidad; requiere un montaje y calibración cuidadosos | Existen imágenes, pero normalmente se procesan localmente |
| Visión basada en cámaras | Modelos de detección y seguimiento en vídeo | Recuentos más contexto (colas, zonas, dirección, permanencia, clases de objetos) en cámaras que quizás ya poseas | Sensible a la iluminación, oclusión y ángulo de la cámara; requiere capacidad de cálculo | Máxima sensibilidad; requiere un diseño deliberado |
El verdadero compromiso es el contexto frente a la simplicidad. Un sensor ToF sobre una puerta realiza una tarea extremadamente bien y no te dice nada más. La visión basada en cámaras te ofrece dirección, zonas, permanencia, colas y clases de objetos a partir del mismo flujo, y asume a cambio los problemas de iluminación, oclusión y computación.
Para una sola entrada donde solo importan los accesos, el ToF cenital suele ser la mejor respuesta de ingeniería y la conversación sobre privacidad más sencilla. Para análisis multizona, colas o recuentos que deban combinarse con otras detecciones, la visión es el método que escala a la exigencia.
Qué degrada realmente un recuento#
Las cifras de precisión de los proveedores se citan bajo condiciones que rara vez se parecen a un despliegue real. Los factores que alteran la precisión en el mundo real:
- Grupos y personas caminando hombro con hombro. Dos personas codo con codo a través de una puerta ancha son el caso clásico de subrecuento. La anchura de la puerta en relación con la cobertura del sensor importa más que la precisión nominal del sensor.
- Oclusión. Carritos, paraguas, equipaje, expositores altos y multitudes densas ocultan a las personas ante cualquier método que requiera una vista despejada.
- Ángulo de la cámara. La perspectiva cenital es mucho más precisa que la oblicua para contar, porque las vistas oblicuas apilan a las personas unas detrás de otras. Una cámara de seguridad reutilizada con un ángulo poco pronunciado es el motivo más frecuente por el que un recuento por visión decepciona.
- Iluminación. Las entradas contrasusadas al amanecer y al atardecer son el caso más difícil para la visión, al igual que los suelos reflectantes y las puertas de cristal.
- Merodear en el umbral. Alguien de pie en una puerta hablando puede generar cruces repetidos si no existe una regla de persistencia.
- Quién cuenta como visitante. El personal, el personal de limpieza, las entregas y las personas de paso suelen ser la mayor fuente individual de discrepancia entre un sistema y una auditoría manual, y se trata de un problema de definición más que de detección.
- Recuento doble con múltiples cámaras. Los campos de visión superpuestos cuentan a la misma persona dos veces a menos que las zonas se definan como mutuamente excluyentes o los rastros se transfieran entre cámaras.
Implementes lo que implementes, valídalo frente a un recuento manual en tus peores condiciones: hora punta, peor iluminación, entrada más ancha. La precisión en esas condiciones es la cifra que importa.
Productos que vale la pena preseleccionar si vas a comprar#
Si el objetivo es informar sobre afluencia, paneles de ocupación o análisis de conversión minorista, estos son productos maduros y comprar suele ser la decisión acertada. Ultralytics no es una alternativa a ellos.
Xovis. Sensores cenitales de visión estéreo con alta precisión para el recuento en entradas, gestión de colas y análisis de zonas, ampliamente desplegados en aeropuertos y grandes comercios minoristas. Ideal para entornos donde la precisión del recuento es crucial para las operaciones. Desventaja: requiere hardware de sensores por área de cobertura, por lo que las entradas anchas o numerosas incrementan el coste.
V-Count. Recuento de personas y análisis orientados directamente al comercio minorista, con una capa de plataforma que abarca informes de afluencia, ocupación y conversión. Ideal para redes de tiendas multisitio que buscan informes listos para usar. Desventaja: los análisis de tipo minorista se adaptan de forma menos natural a entornos industriales o campus.
Density. Medición de ocupación centrada en el entorno de trabajo mediante sus propios sensores de profundidad anónimos, posicionados en torno a decisiones inmobiliarias y de utilización del espacio. Ideal para carteras corporativas que optimizan el espacio de oficinas. Desventaja: diseñado para cuestiones de espacios de trabajo en lugar de conversión minorista.
FootfallCam. Hardware de recuento combinado con análisis con una amplia cobertura minorista y una gran variedad de opciones de sensores. Ideal para minoristas que desean hardware yihad informes de un solo proveedor. Desventaja: la variedad de modelos requiere cuidado en la especificación.
RetailNext. Plataforma de análisis en tienda donde el recuento alimenta un producto más amplio de comercialización y comportamiento del comprador. Ideal para minoristas cuya pregunta clave es el rendimiento de la tienda, no solo el tráfico. Desventaja: el alcance de la plataforma va mucho más allá del recuento, con un precio acorde.
Sensormatic ShopperTrak. Recuento y evaluación comparativa de tráfico minorista con una larga trayectoria y datos de mercado sustanciales respaldándolo. Ideal para minoristas que valoran las referencias comparativas. Desventaja: orientación al comercio minorista empresarial.
Axis. Aplicaciones de recuento ejecutadas en cámaras Axis, útiles cuando ya existe una infraestructura de Axis y no es bienvenido el hardware adicional. Ideal para organizaciones estandarizadas en Axis. Desventaja: vinculado a ese ecosistema de cámaras.
Cisco Spaces. Información de ocupación y ubicación derivada de la infraestructura de red existente. Ideal para grandes campus que desean ocupación sin nuevos sensores. Desventaja: detección basada en dispositivos, con los límites de precisión que ello implica.
Construir un sistema de recuento basado en cámaras#
El recuento es uno de los desarrollos de visión más accesibles, por lo que suele ser un primer proyecto habitual. Vale la pena construirlo cuando el recuento es un componente de un sistema más grande (una máquina, un robot, una plataforma de sitio, un producto que envías), cuando el recuento debe combinarse con detecciones que ningún producto ofrece, o cuando las imágenes no pueden salir de las instalaciones.
El flujo de trabajo está más que consolidado.
Detectar personas por fotograma. Los modelos de Ultralytics YOLO (YOLOv8, YOLO11 y YOLO26) gestionan la detección de personas, y el mismo modelo puede detectar otras clases que te interesen en el mismo paso: vehículos, carritos, carretillas elevadoras.
Rastrear a través de fotogramas. El recuento requiere saber que la persona en el fotograma 200 es la misma del fotograma 199. Los modelos de Ultralytics admiten el seguimiento, el cual asigna identificadores persistentes sin identidad a lo largo de una secuencia, y la calidad del seguimiento a través de la oclusión determina la calidad del recuento mucho más que la precisión de la detección.
Definir la geometría de recuento. Una línea para el recuento direccional de entradas y salidas, o un polígono para la ocupación en una región. La dirección proviene de qué lado de la línea cruza un rastro. Cuando varias cámaras cubren áreas adyacentes, define zonas para que sean mutuamente excluyentes de modo que una persona nunca se cuente dos veces.
Añadir persistencia y supresión de rebotes. Exige que un rastro se establezca durante N fotogramas antes de que cuente, y evita que una persona merodeando en un umbral genere cruces repetidos. Esta capa, y no el modelo, es de donde proviene la mayor mejora de la precisión.
Elegir el destino de despliegue con antelación. La inferencia continua en varios flujos plantea un problema real de capacidad. La mayor parte del recuento no necesita todos los fotogramas: establece la frecuencia de fotogramas según la rapidez con la que alguien puede cruzar la línea, no según lo que la cámara pueda ofrecer. Los modelos de Ultralytics se exportan a formatos que incluyen ONNX y TensorRT para hardware de borde junto a la cámara, lo que también mantiene el vídeo de forma local.
Entrenar con tus propias imágenes. Un modelo general maneja bien a las personas; tu entrada específica al amanecer, con puertas de cristal y un suelo reflectante, es lo que decide la precisión en producción. La Plataforma de Ultralytics puede etiquetar esas imágenes con anotaciones inteligentes basadas en SAM y entrenar con ellas en el mismo flujo de trabajo.
Validar frente a recuentos manuales en la hora punta y con la peor iluminación, y volver a validar después de cualquier movimiento de la cámara.
Si el recuento se integra en un producto comercial o sistema propietario, ten en cuenta que los modelos de Ultralytics YOLO se ofrecen bajo la licencia AGPL-3.0 y dichos despliegues generalmente requieren una licencia Enterprise de Ultralytics, la cual también cubre el despliegue privado. Resuelve esto antes de que un piloto se convierta en una función lanzada al mercado.
Privacidad: el recuento no debe identificar a nadie#
El recuento es una de las pocas aplicaciones de cámaras que se puede diseñar para preservar verdaderamente la privacidad por defecto, y hacerlo elimina la mayoría de las objeciones antes de que se planteen.
Ningún método descrito aquí necesita identificar a los individuos. Las entradas, la ocupación, el tiempo de permanencia y la longitud de la cola funcionan con detecciones anónimas y rastros sin identidad que existen únicamente mientras la persona está en el fotograma. Ultralytics no ofrece sus modelos para reconocimiento facial, y añadir la identificación a un sistema de recuento incrementa sustancialmente la exposición legal sin mejorar ninguna de estas mediciones.
Opciones de diseño para mantenerlo así:
- Procesar localmente y conservar solo los recuentos. Si la salida es un número por intervalo, conserva el número y descarta los fotogramas. - No persistir los identificadores de rastro más allá del campo de visión. Un rastro que termina en el borde del fotograma debe terminar. Reidentificar a la misma persona a través de cámaras o de visitas es un sistema sustancialmente diferente con obligaciones sustancialmente diferentes. - Agregar por intervalos en lugar de registrar eventos individuales, cuando el caso de uso lo permita. - Avisar mediante carteles, y cuando el entorno sea un lugar de trabajo, consultar a los representantes de los trabajadores: un requisito en gran parte de la UE y una buena práctica en todas partes. - Preferir una detección intrínsecamente anónima cuando solo se necesite un recuento. Si el ToF o el sistema térmico responden a la pregunta, la conversación es más sencilla. - Documentar el propósito por cámara, lo que simplifica la evaluación de protección de datos.
Cabe destacar que "sin cámaras" no significa automáticamente "más privado". El recuento por Wi-Fi y BLE funciona a partir de identificadores de dispositivos, que son datos personales bajo el RGPD en muchas circunstancias, mientras que un sensor térmico que solo produce un recuento no procesa datos personales en absoluto. Juzga el método por lo que retiene, no por si incluye o no una lente.
Preguntas frecuentes
Para análisis de afluencia y conversión en tiendas: V-Count, RetailNext, ShopperTrak y FootfallCam. Para conteo de alta precisión en entradas y filas: Xovis. Para ocupación de espacios de trabajo y aprovechamiento del espacio: Density, o Cisco Spaces cuando la detección basada en red es suficiente. Para el conteo como componente de un sistema que estás creando, la visión basada en cámaras con los modelos de Ultralytics YOLO es la opción habitual.
La detección cenital, con tiempo de vuelo o visión estéreo, suele ser la más precisa para el conteo en entradas, porque una vista desde arriba elimina en gran medida la oclusión entre personas. Los enfoques de visión basados en cámaras alcanzan esa precisión cuando se montan en la parte superior y se degradan notablemente en ángulos oblicuos. El Wi-Fi y el BLE son los menos precisos, porque cuentan dispositivos en lugar de personas.
Depende casi por completo del ángulo de la cámara, la iluminación y la densidad de la multitud más que del modelo. Una cámara cenital con iluminación uniforme funciona de manera muy diferente a una cámara de seguridad reutilizada con un ángulo poco pronunciado sobre una entrada de vidrio a contra luz. Valida con un conteo manual en tu hora de mayor actividad en lugar de confiar en cualquier cifra publicada.
A menudo sí, con una salvedad: las cámaras colocadas para seguridad están anguladas para ver rostros y áreas amplias, lo que está cerca de ser la peor geometría para el conteo. Espera resultados adecuados para las tendencias de ocupación de zonas y resultados menos confiables para conteos de entradas precisos. Agregar una cámara cenital en la entrada suele superar el ajuste de un modelo para un mal ángulo.
No. Cada medición aquí (entradas, ocupación, permanencia, longitud de cola) funciona con detecciones de personas anónimas con seguimientos libres de identidad que existen solo mientras alguien está en el fotograma. Agregar identificación aumenta la exposición legal sin mejorar el conteo.
Cuenta las entradas y salidas de manera direccional y mantén un total acumulado, o detecta toda el área directamente. Lo primero es más económico y acumula errores a lo largo del día, por lo que necesita un reinicio periódico en una condición conocida como vacía. Lo segundo es más robusto, pero requiere cobertura de todo el espacio.
La mayoría de las veces se debe a la definición en lugar de a la detección: personal, entregas, personal de limpieza y personas que pasan sin detenerse. Acuerden qué cuenta como visitante antes de comparar números. Después de eso, las causas técnicas habituales son grupos que caminan hombro con hombro, oclusión y zonas de cámara superpuestas que duplican el conteo.
Compra, si el requisito es un informe de afluencia u ocupación. Los productos son maduros y el costo total de crear una capa de informes se subestima rutinariamente. Crea cuando el conteo sea un componente de un sistema más grande, cuando deba combinarse con detecciones que ningún producto ofrece, o cuando el video no pueda salir del sitio.
