Supervisión de seguridad en tiempo real con IA y Ultralytics YOLO11

Las tecnologías de videovigilancia inteligente desempeñan un papel fundamental en la protección de las personas, los bienes y las infraestructuras de todo el mundo. En el centro de estos esfuerzos están los sistemas de cámaras, que vigilan calles, aeropuertos, colegios, oficinas y espacios públicos las 24 horas del día. Con más de mil millones de cámaras de vigilancia en uso en todo el mundo, la cantidad de vídeo grabado crece más rápido que nunca.

Tradicionalmente, revisar estas grabaciones ha sido una tarea manual a cargo de operadores que escanean las pantallas en busca de posibles amenazas. Aunque este método puede funcionar en entornos pequeños, a gran escala resulta abrumador e ineficiente. Además, requiere mucho tiempo, lo que supone un gran inconveniente en entornos concurridos o con mucha actividad.

Hoy en día, los sistemas de videovigilancia empiezan a recurrir a soluciones de inteligencia artificial (AI) para obtener información en tiempo real y tomar decisiones más fundamentadas. Una parte fundamental de este avance es la visión artificial, una rama de la IA que permite a las máquinas interpretar datos visuales.

Los modelos de visión artificial como Ultralytics YOLO11 están diseñados para realizar diversas tareas de detección en imágenes y vídeos en tiempo real. Pueden detectar personas, seguir movimientos y reconocer comportamientos inusuales con rapidez y precisión. Incluso en entornos complejos, estos modelos permiten que los equipos de seguridad se mantengan alerta y reaccionen con rapidez.

En este artículo veremos cómo la visión artificial y modelos como Ultralytics YOLO11 pueden ayudar a cambiar la forma de gestionar la seguridad en distintos entornos. ¡Empezamos!

El papel de la visión artificial y la IA en los sistemas de seguridad pública#

El sector de la seguridad está adoptando rápidamente la visión artificial. Los sistemas inteligentes de videovigilancia que combinan visión artificial, computación en el borde (que procesa los datos localmente, cerca de su origen) y cámaras de circuito cerrado de televisión (CCTV) ya pueden analizar personas y vehículos en tiempo real, lo que ayuda a los equipos de seguridad a detectar amenazas con más eficacia. A medida que avanzan la IA y las tecnologías de cámara, el análisis de vídeo se acerca a la precisión humana en muchas tareas y está transformando la forma de proteger los espacios públicos.

Los sistemas de visión artificial pueden detectar objetos, seguir movimientos y reconocer patrones en vídeos. Esto significa que pueden identificar a personas, detectar comportamientos inusuales y supervisar la actividad a medida que se produce. Estas capacidades pueden hacer que los sistemas de vigilancia sean más avanzados y fiables tanto en espacios públicos como privados. Por ello, se prevé que el mercado de la videovigilancia con IA alcance los 12 460 millones de dólares en 2030.

Fig. 1. El papel de la visión artificial en los sistemas de seguridad. Imagen del autor.

Cómo puede Ultralytics YOLO11 hacer posibles sistemas de seguridad más inteligentes#

A continuación, veamos más de cerca Ultralytics YOLO11 y las funciones que lo convierten en una herramienta eficaz para el análisis de vídeo en tiempo real.

Basado en los últimos avances en IA y visión artificial, Ultralytics YOLO11 ofrece un procesamiento más rápido, mayor precisión y más flexibilidad para aplicaciones como los sistemas de seguridad basados en vídeo.

Al igual que los modelos YOLO anteriores, Ultralytics YOLO11 puede realizar complejas tareas de Vision AI, como la detección de objetos (localizar e identificar objetos), la segmentación de instancias (resaltar y delimitar objetos concretos en una imagen), el seguimiento de objetos (seguir objetos a lo largo del tiempo) y la estimación de poses (comprender cómo están colocados o se mueven los objetos).

YOLO11 también es mucho más eficiente que los modelos anteriores. Con un 22 % menos de parámetros que Ultralytics YOLOv8m, obtiene una precisión media promedio (mAP) mayor en el conjunto de datos COCO, lo que significa que YOLO11m detecta objetos con más precisión y utiliza menos recursos. Además, ofrece velocidades de procesamiento más altas, por lo que resulta idóneo para aplicaciones en tiempo real en las que la detección y la respuesta rápidas son fundamentales y cada milisegundo cuenta.

Fig. 2. YOLO11 supera a los modelos YOLO anteriores en varias pruebas de referencia.

Uso de Ultralytics YOLO11 y la visión artificial en aplicaciones de seguridad#

Ahora que sabemos mejor cómo funciona la visión artificial en los sistemas de seguridad y vigilancia, veamos algunas aplicaciones de seguridad del mundo real en las que Ultralytics YOLO11 puede desempeñar un papel clave.

Detección de intrusiones mediante visión artificial y Ultralytics YOLO11#

Mantener seguras las zonas restringidas es esencial para garantizar la seguridad y proteger los bienes. Ya se trate de una propiedad privada, un almacén o una instalación de transporte público, detectar accesos no autorizados puede prevenir incidentes graves.

Ultralytics YOLO11 puede ayudar a detectar intrusiones en tiempo real al identificar personas, vehículos u otros objetos en movimiento en las secuencias de vídeo. Dentro del campo de visión de la cámara, se pueden definir límites virtuales llamados geocercas. Cuando un objeto entra en una zona restringida, YOLO11 puede detectar la intrusión y activar una alerta o enviar los datos de detección a un sistema de seguridad integrado para que actúe.

Los objetos detectados se resaltan con cuadros delimitadores para indicar visualmente la actividad con claridad. Esto reduce la necesidad de supervisión humana continua y aumenta las posibilidades de detectar incidentes cuando se producen.

Este método también resulta útil en entornos de seguridad pública. Por ejemplo, las líneas amarillas de los andenes indican las zonas que los pasajeros no deben cruzar por motivos de seguridad. En esos casos, se puede utilizar Ultralytics YOLO11 para vigilar la línea límite y detectar cuándo alguien la cruza. El sistema puede cambiar entonces el color del cuadro delimitador para señalar un posible riesgo para la seguridad. Con capacidades como esta, YOLO11 permite detectar intrusiones de forma más ágil y fiable en entornos de alto riesgo.

Detección de objetos abandonados con Ultralytics YOLO11 en sistemas de vigilancia#

Una bolsa desatendida en un aeropuerto o una estación de tren concurridos puede generar rápidamente preocupación por la seguridad. En espacios públicos abarrotados, al personal de seguridad le resulta difícil detectar estos objetos con rapidez, especialmente durante turnos largos o en horas punta. Los retrasos en la detección pueden provocar alarmas innecesarias o riesgos para la seguridad.

Los modelos de visión artificial como Ultralytics YOLO11 pueden mejorar la vigilancia al detectar, segmentar y seguir objetos desatendidos en secuencias de vídeo en tiempo real. Si se identifica que una bolsa o un paquete permanece demasiado tiempo en el mismo lugar sin ninguna persona cerca, el sistema puede marcarlo como potencialmente abandonado. Este nivel adicional de análisis permite distinguir los objetos con mayor precisión y reduce la necesidad de observación humana constante, lo que facilita respuestas más rápidas y centradas.

Fig. 3. Uso de Ultralytics YOLO11 para detectar una maleta.

Recuento de entradas y salidas con modelos de IA como Ultralytics YOLO11#

Saber cuántas personas entran y salen de un espacio es fundamental tanto para la seguridad como para la eficiencia operativa. En lugares como centros comerciales, edificios de oficinas y estaciones de tren, esta información puede facilitar la gestión de grandes multitudes, la mejora de la distribución de los espacios y el buen funcionamiento de las operaciones diarias.

Antes de adoptar la visión artificial, el personal solía contar con contadores manuales o sensores sencillos en las puertas. Estos métodos funcionan, pero no son eficientes cuando hay grandes multitudes. Tampoco siempre son fiables en instalaciones con varias entradas y salidas.

La compatibilidad de Ultralytics YOLO11 con la detección y el seguimiento de objetos puede utilizarse para contar personas u objetos dentro de una región de interés definida. Puede ayudar a contar las entradas y salidas en tiempo real, incluso en espacios grandes o concurridos. Por ejemplo, las tiendas pueden utilizar este método para seguir el flujo de personas a través de varias entradas y ayudar a los responsables a ajustar la plantilla durante las horas punta.

Los datos precisos de entradas y salidas también pueden ayudar en la planificación a largo plazo. La información que proporcionan estos datos puede ayudar a los responsables a estudiar los patrones de afluencia a lo largo del tiempo, identificar las zonas más concurridas y decidir dónde colocar señales o reorganizar las entradas para mejorar la comodidad y la seguridad.

Fig. 4. Ejemplo de un contador de entradas y salidas en tiempo real con YOLO11.

Ventajas e inconvenientes de los sistemas de vigilancia basados en IA#

Estas son algunas de las principales ventajas de utilizar la visión artificial en sistemas de seguridad inteligentes:

• Rentabilidad a largo plazo: Aunque la configuración inicial puede ser costosa, los sistemas de IA pueden reducir los gastos a largo plazo relacionados con la plantilla, la formación y las ineficiencias operativas.
• Escalabilidad: Las soluciones de videovigilancia con IA se amplían fácilmente, por lo que son adecuadas tanto para una oficina pequeña como para una red de cámaras que cubra toda una ciudad.
• Fácil integración con la infraestructura existente: Muchos modelos de IA, incluido Ultralytics YOLO11, están diseñados para integrarse con los sistemas actuales de videovigilancia y seguridad, lo que minimiza las interrupciones.

A pesar de las numerosas ventajas de la vigilancia basada en IA, también hay algunas limitaciones que conviene tener en cuenta. Estos son algunos de los principales retos asociados a los sistemas de vigilancia inteligentes:

• Cuestiones éticas y de privacidad: Al utilizar visión artificial en espacios públicos, es importante abordar cuestiones relacionadas con el consentimiento, el almacenamiento de datos y el tratamiento de las grabaciones para garantizar el respeto a la privacidad.
• Dependencia de datos de entrenamiento de calidad: El rendimiento de los modelos de visión artificial depende en gran medida de conjuntos de datos diversos y seleccionados cuidadosamente. Los datos de entrenamiento deficientes o sesgados pueden dar lugar a detecciones inexactas, identificaciones erróneas o resultados discriminatorios.
• Factores ambientales: Las condiciones como la iluminación deficiente, el tiempo o los obstáculos visuales pueden afectar al rendimiento de la detección, especialmente en exteriores.

Conclusiones clave#

Ultralytics YOLO11 está mejorando las soluciones de seguridad en tiempo real al ayudar a detectar personas, objetos y actividades inusuales con mayor rapidez y precisión. Admite aplicaciones como la detección de intrusiones, el seguimiento de objetos y las alertas por merodeo, por lo que resulta útil en espacios públicos, lugares de trabajo y centros de transporte.

Al reducir la necesidad de supervisión manual constante, Ultralytics YOLO11 permite que los equipos de seguridad respondan con mayor rapidez y confianza. Su capacidad para analizar multitudes y contar personas demuestra cómo la IA visual está configurando el futuro de la seguridad. A medida que avance la tecnología, probablemente seguirá contribuyendo a crear sistemas de vigilancia más inteligentes y fiables.

Forma parte de nuestra comunidad y explora nuestro repositorio de GitHub para adentrarte en el mundo de la IA. Descubre las interesantes aplicaciones de la visión artificial en la automoción y la IA en la logística en nuestras páginas de soluciones. Echa un vistazo a nuestras opciones de licencia y empieza ya.