Facial recognition video analytics is evolving. Trends in 2022

La analítica de vídeo es un software basado en inteligencia artificial. Detecta y reconoce rostros y otros objetos en flujos de video y extrae varios tipos de datos de ellos. El mercado global de análisis de video actualmente se estima en $ 5,9 mil millones y se espera que alcance los $ 14,9 mil millones para 2026, según MarketsandMarkets [1].

Más allá de la seguridad

Los sistemas de videovigilancia ya no se consideran solo como una herramienta de seguridad. Los nuevos casos de uso implican la incorporación de tecnologías de análisis de video en un hogar inteligente, una fábrica inteligente, un puerto marítimo inteligente o una ciudad inteligente para crear un entorno cómodo y seguro para todos, incluidas las personas discapacitadas.

Por ejemplo, si alguien tropieza y cae, y luego yace inerte en la calle, nuestros sistemas lo detectan y envían una alerta. Otro ejemplo, las cámaras de la ciudad recopilan datos de tráfico y usan esta información para identificar posibles áreas de peligro.

Por ejemplo, puede identificar un lugar donde los escolares a menudo cruzan la calle en un lugar determinado y luego introducir reductores de velocidad o camellones de seguridad para reducir la posibilidad de accidentes. En este caso no es necesario el reconocimiento facial, basta con detección de siluetas.

Los algoritmos se convierten en productos

Al principio de la historia de visión por computadora, los desarrolladores estaban construyendo sus algoritmos de análisis de video en entornos académicos utilizando datos sintéticos para enseñar y esencialmente programar algoritmos. Esto se llevó a cabo en el vacío, para evaluar comprensiblemente si la tecnología funcionaba. Como en todas las áreas de la informática, hemos recorrido un largo camino desde entonces. Hoy en día, el desarrollo de análisis de video se centra exclusivamente en el uso práctico. Por ejemplo, las empresas crean algoritmos diseñados para resolver desafíos de la vida real y luego lanzan software como un producto listo para usar. Un buen ejemplo de esto son las cajas de autoservicio que permiten a los clientes realizar pagos basados en el reconocimiento facial.

Hoy en día, esta creacion de productos es omnipresente y abarca desde la biometría hasta el reconocimiento de vehículos, el análisis de imágenes médicas y más. Incluso los investigadores académicos de hoy utilizan datos reales para enseñar sus algoritmos, centrándose en el uso práctico.

Concepto de producto todo en uno

Los primeros algoritmos de análisis de video se desarrollaron y utilizaron de forma aislada. El reconocimiento de rostros, automóviles y la respuesta a incidentes solo estaban disponibles en aplicaciones separadas. Hoy, sin embargo, los desarrolladores están combinando varios algoritmos en un paquete todo en uno con analíticos interconectados. Esto es en beneficio de los usuarios, ya que este efecto sinérgico permite nuevos casos de uso que antes eran inalcanzables.

El software actual suele incluir el reconocimiento de rostros, siluetas, automóviles y otros objetos. El reconocimiento de las acciones humanas también llegará pronto. Los usuarios pueden administrar todo tipo de “objetos” desde una sola interfaz de usuario, y todos los datos de los objetos se capturan desde las mismas cámaras.

Optimización de recursos

Entre los algoritmos de análisis de video, hay muchos que funcionan bien pero requieren grandes cantidades de recursos informáticos. Esto claramente no se adapta a todos los usuarios y, como resultado, la optimización es fundamental. Por ejemplo, el hardware para grandes implementaciones de análisis de video requiere inversiones significativas.

Como resultado, los desarrolladores están optimizando algoritmos para una operación rápida en hardware promedio para ayudar a los clientes a ahorrar costos. Cuanto menos recurso demanda un algoritmo, más clientes pueden adquirir la tecnología de análisis de video.

Los requisitos para la facilidad de uso de estas nuevas plataformas de análisis de video también están creciendo. Esto ha llevado al desarrollo de sistemas que son casi ¨plug and play¨. Los usuarios ya no necesitan gastar tiempo y recursos configurando sistemas, simplemente pueden abrir el producto, presionar algunos botones y la plataforma está en funcionamiento.

Predecir la agresión hoy es un mito

Si bien las principales áreas metropolitanas en general se están volviendo más seguras para vivir, ya sea Nueva York [2] o Moscú [3], recordaremos 2021 por algunos incidentes sorprendentes de violencia armada, tanto en las calles de la ciudad como dentro de las paredes de las instituciones educativas.

Decenas de personas murieron y resultaron heridas en un ataque contra una escuela en Kazan y una universidad en Perm. Esto condujo a un aumento significativo en el interés por el software que puede detectar armas y comportamiento agresivo, así como el software que también puede predecir la agresión.

Hoy ya es posible usar análisis de video para identificar armas y acciones peligrosas, como peleas y personas que caen en la calle. Esperamos que este software esté operativo en un contexto del mundo real, y con altos niveles de precisión, tan pronto como el próximo año.

Sin embargo, la inteligencia artificial aún no puede predecir la agresión, al menos mediante análisis de video. Tales algoritmos predictivos existen; están muy en desarrollo temprano. Todavía no son utilizables en la vida real debido a la gran cantidad de falsos positivos.

Fuentes:

1) www.marketsandmarkets.com/Market-Reports/intelligent-video-analytics-market-778.html
2) www.nytimes.com/2021/03/16/upshot/murder-rate-usa.html
3) www.tass.ru/obschestvo/8 984 151