Un equipo de investigadores de la Universidad de Sevilla ha diseñado un sistema de videovigilancia que detecta la presencia de armas en edificios, gracias a la elaboración de un banco de imágenes reales tomadas en simulacros realizados en la propia universidad y otras creadas por ordenador con motores de videojuegos para que la respuesta de la alerta ante la visualización de las armas sea más precisa y rápida.
El modelo resultante se basa en las llamadas técnicas de aprendizaje profundo. Se trata de una serie de algoritmos de aprendizaje automático que utiliza una arquitectura conocida como redes neuronales convolucionales profundas. Estos algoritmos y neuronas artificiales funcionan de una manera muy similar a la corteza visual humana. Es decir, tienen la capacidad de aprender y diferenciar automáticamente distintos objetos a partir de una gran cantidad de imágenes para luego hacer predicciones correctas sobre otras nuevas y retroalimentarse con la nueva información que generan.
Los expertos apuntan que la detección autónoma de armas en circuito cerrado de televisión tiene aplicación en el campo de la seguridad, la lucha contra el terrorismo y la mitigación de riesgos. Así, el modelo se propone como una mejora de los servicios de seguridad actuales para el control de ataques en distintos espacios de publica concurrencia como aeropuertos, estaciones o centros comerciales.
En la vigilancia con personas, son frecuentes los errores por la calidad de imágenes o la cantidad de información visual que manejan con varios monitores de visionado simultáneo, lo que puede dar lugar a la omisión de situaciones de peligro. Con la automatización de señales de alarma se consigue la detección en tan solo 90 milisegundos. De esta manera, el personal puede poner en marcha mucho antes los protocolos de seguridad ante un ataque.
Fuente: Fundación Descubre y Neural Networks
Sobre el autor