Vigilancia de seguridad en tiempo real con IA y Ultralytics YOLO11

Las tecnologías de vigilancia inteligente desempeñan un papel vital en la protección de personas, propiedades e infraestructuras en todo el mundo. En el centro de estos esfuerzos se encuentran los sistemas de cámaras, que vigilan calles, aeropuertos, escuelas, oficinas y espacios públicos las 24 horas del día. Con más de mil millones de cámaras de vigilancia en uso a nivel mundial, la cantidad de vídeo grabado crece más rápido que nunca.

Tradicionalmente, revisar estas grabaciones ha sido una tarea manual realizada por operadores humanos que escanean pantallas en busca de posibles amenazas. Aunque este enfoque funciona en entornos más pequeños, se vuelve abrumador e ineficiente a mayor escala. Además, requiere mucho tiempo, lo que supone un gran inconveniente en entornos concurridos o de ritmo rápido.

Hoy en día, los sistemas de videovigilancia están empezando a depender de soluciones de inteligencia artificial (IA) para proporcionar información en tiempo real y tomar decisiones más fundamentadas. Una parte clave de este progreso 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 manejar diversas tareas de detección de imágenes y vídeo en tiempo real. Pueden detectar individuos, seguir movimientos y detectar comportamientos inusuales con rapidez y precisión. Incluso en entornos complejos, estos modelos permiten a los equipos de seguridad mantenerse alerta y receptivos.

En este artículo, exploraremos cómo la visión artificial y modelos como YOLO11 pueden ayudar a cambiar la forma en que se gestiona la seguridad en diferentes entornos. ¡Empecemos!

Link to this sectionEl papel de la visión artificial y la IA en los sistemas de seguridad pública#

La industria de la seguridad está adoptando rápidamente la visión artificial. Los sistemas de vigilancia inteligentes que combinan visión artificial, computación de borde (que procesa los datos localmente, cerca de la fuente) y cámaras CCTV pueden analizar personas y vehículos en tiempo real, ayudando a los equipos de seguridad a detectar amenazas de forma más eficiente. A medida que las tecnologías de IA y de cámara siguen avanzando, el análisis de vídeo se vuelve casi tan preciso como el ojo humano, remodelando la forma en que salvaguardamos los espacios públicos.

Los sistemas de visión artificial pueden realizar tareas como detectar objetos, seguir movimientos y reconocer patrones en vídeos. Esto significa que pueden identificar personas, detectar comportamientos inusuales y controlar la actividad a medida que sucede. Estas capacidades pueden hacer que los sistemas de vigilancia sean más avanzados y fiables tanto en espacios públicos como privados. Como resultado, se espera que el mercado de la videovigilancia por IA crezca hasta los 12.460 millones de dólares en 2030.

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

Link to this sectionCómo Ultralytics YOLO11 puede permitir sistemas de seguridad más inteligentes#

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

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

Al igual que los modelos YOLO anteriores, YOLO11 puede manejar complejas tareas de visión por IA, como la detección de objetos (localizar e identificar objetos), la segmentación de instancias (resaltar y perfilar objetos específicos en una imagen), el seguimiento de objetos (seguir objetos a lo largo del tiempo) y la estimación de poses (entender cómo están posicionados o se mueven los objetos).

YOLO11 es también mucho más eficiente que los modelos anteriores. Con un 22% menos de parámetros que Ultralytics YOLOv8m, logra una precisión media media (mAP) superior en el conjunto de datos COCO, lo que significa que YOLO11m detecta objetos con mayor precisión utilizando menos recursos. Además, ofrece velocidades de procesamiento más rápidas, lo que lo hace muy adecuado para aplicaciones en tiempo real en las que la detección y respuesta rápidas son críticas y cada milisegundo cuenta.

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

Link to this sectionUso de YOLO11 y visión artificial para aplicaciones de seguridad#

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

Link to this sectionDetección de intrusiones mediante visión artificial y YOLO11#

Mantener seguras las zonas restringidas es esencial para garantizar la seguridad y proteger la propiedad. Ya sea un sitio privado, un almacén o una instalación de transporte público, detectar el acceso no autorizado puede evitar incidentes graves.

YOLO11 puede ayudar en la detección de intrusiones en tiempo real identificando personas, vehículos u otros objetos en movimiento a través de fuentes de vídeo. Dentro de la vista de la cámara, se pueden definir límites virtuales llamados geo-vallas. Cuando un objeto cruza hacia una zona restringida, YOLO11 puede detectar la intrusión y activar una alerta o pasar los datos de detección a un sistema de seguridad integrado para que tome medidas adicionales.

Los objetos detectados se resaltan con cuadros delimitadores, proporcionando una indicación visual clara de la actividad. Reduce la necesidad de una monitorización humana continua y aumenta las posibilidades de detectar los incidentes en el momento en que ocurren.

Este enfoque también es útil en entornos de seguridad pública. Por ejemplo, las líneas amarillas en los andenes de los trenes indican áreas que los pasajeros no deben cruzar por razones de seguridad. En tales escenarios, se puede utilizar YOLO11 para supervisar la línea límite y detectar cuando alguien la sobrepasa. El sistema puede entonces cambiar el color del cuadro delimitador para resaltar una posible preocupación de seguridad. Con capacidades como esta, YOLO11 permite una detección de intrusiones más receptiva y fiable en entornos de alto riesgo.

Link to this sectionDetección de objetos abandonados en vigilancia con YOLO11#

Una bolsa desatendida en un aeropuerto o estación de tren concurrida puede generar rápidamente preocupaciones de seguridad. En espacios públicos abarrotados, es difícil para el personal de seguridad detectar estos objetos rápidamente, especialmente durante turnos largos o en horas punta. Los retrasos en la detección pueden provocar pánico innecesario o riesgos de seguridad.

Los modelos de visión artificial como YOLO11 pueden ayudar a mejorar la vigilancia mediante la detección, segmentación y seguimiento de objetos desatendidos en transmisiones de vídeo en tiempo real. Si se identifica que una bolsa o paquete permanece estacionario en un lugar durante demasiado tiempo sin nadie cerca, el sistema puede marcarlo como potencialmente abandonado. Esta capa adicional de análisis puede distinguir los objetos con mayor precisión y reducir la necesidad de una observación humana constante, permitiendo respuestas más rápidas y centradas.

Fig 3. Uso de YOLO11 para detectar una maleta.

Link to this sectionRecuento de entradas y salidas con modelos de IA como YOLO11#

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

Antes de la adopción de la visión artificial, el conteo lo realizaba normalmente el personal mediante contadores manuales o sensores simples en la puerta. Estos métodos funcionan, pero no son eficientes ante grandes multitudes. Tampoco siempre son fiables cuando se trata de instalaciones con múltiples entradas y salidas.

La compatibilidad de YOLO11 con la detección y seguimiento de objetos se puede utilizar para contar personas u objetos dentro de una región de interés definida. Puede ayudar a contar entradas y salidas en tiempo real, incluso cuando se trata de espacios grandes o concurridos. Por ejemplo, las tiendas minoristas pueden utilizar este método para realizar un seguimiento del tráfico peatonal a través de múltiples puntos de entrada, ayudando a los gerentes a ajustar el personal durante las horas punta.

Los datos precisos de entrada y salida también pueden apoyar la planificación a largo plazo. La información obtenida a partir de dichos datos puede ayudar a los gerentes a estudiar los patrones de tráfico peatonal a lo largo del tiempo, haciendo posible que identifiquen zonas de alto tráfico y decidan dónde colocar carteles o reconfigurar las entradas para mejorar la comodidad y la seguridad.

Fig 4. Un ejemplo de un contador de entradas y salidas en tiempo real habilitado por YOLO11.

Link to this sectionPros y contras de los sistemas de vigilancia basados en IA#

Estos son algunos de los beneficios clave del uso de la visión artificial en sistemas de seguridad inteligentes:

• Eficiencia de costes a largo plazo: Aunque la configuración inicial puede ser costosa, los sistemas de IA pueden reducir los gastos a largo plazo relacionados con el personal, la formación y las ineficiencias operativas.
• Escalabilidad: Las soluciones de vigilancia con IA son fácilmente escalables, lo que las hace adecuadas para cualquier entorno, desde una pequeña oficina hasta una red de cámaras que cubra toda una ciudad.
• Fácil integración con la infraestructura existente: Muchos modelos de IA, incluido YOLO11, están diseñados para integrarse sin problemas con los sistemas de CCTV y seguridad actuales, minimizando las interrupciones.

A pesar de las diversas ventajas de la vigilancia por IA, también hay algunas limitaciones que conviene tener en cuenta. Estos son algunos desafíos clave asociados con los sistemas de vigilancia inteligentes:

• Preocupaciones éticas y de privacidad: Al utilizar la visión artificial en espacios públicos, es importante abordar las cuestiones relacionadas con el consentimiento, el almacenamiento de datos y cómo se manejan las grabaciones para garantizar que se respete 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 bien seleccionados. Unos datos de entrenamiento pobres o sesgados pueden dar lugar a una detección inexacta, una identificación errónea o resultados discriminatorios.
• Factores ambientales: Factores como la mala iluminación, el clima o las obstrucciones visuales pueden afectar al rendimiento de la detección, especialmente en exteriores.

Link to this sectionConclusiones clave#

YOLO11 está mejorando las soluciones de seguridad en tiempo real ayudando a detectar personas, objetos y actividades inusuales con mayor velocidad y precisión. Es compatible con aplicaciones como la detección de intrusiones, el seguimiento de objetos y las alertas de merodeo, lo que lo hace útil en áreas públicas, lugares de trabajo y centros de transporte.

Al reducir la necesidad de una monitorización manual constante, YOLO11 permite a los equipos de seguridad responder con mayor rapidez y confianza. Su capacidad para manejar el análisis de multitudes y el conteo de personas muestra cómo la visión por IA está dando forma al futuro de la seguridad. A medida que avance la tecnología, es probable que siga apoyando sistemas de vigilancia más inteligentes y fiables.

Forma parte de nuestra comunidad y explora nuestro repositorio en GitHub para sumergirte en el mundo de la IA. Explora 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 ahora!