Científicos del grupo de investigación 'Video and Image Processing' (VIP) del Departamento de Arquitectura de Computadores de la Universidad de Málaga (UMA) han desarrollado un sistema inteligente de videovigilancia que detecta e identifica en tiempo real objetos y personas en espacios amplios. La novedad de este método es que puede prescindir de la supervisión directa del ojo humano en prácticamente todo el proceso y reforzar las tareas de vigilancia y control. Para demostrar su eficacia, los expertos han probado este modelo en un aeropuerto europeo como escenario real. Según ha informado la Junta, otro aspecto clave de este estudio, que cuenta con financiación de la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, del Ministerio de Educación y Formación Profesional y de la Universidad de Málaga, es la adaptación del sistema a un dispositivo informático de bajo consumo , es decir, a un procesador de datos más pequeño que los convencionales que requiere poca energía para su funcionamiento. En la actualidad, los sistemas automáticos de videovigilancia suelen implementar técnicas de detección de objetos como fase inicial antes de realizar tareas más complejas. Requieren la supervisión constante por parte de una persona o un equipo humano para corroborar que el etiquetado e identificación de los elementos se hace de forma correcta. «Estos modelos se construyen mediante un enfoque de aprendizaje supervisado, donde las imágenes de las clases de objetos, junto con su etiquetado, deben estar disponibles antes del entrenamiento», ha explicado a la Fundación Descubre la investigadora de la Universidad de Málaga y autora principal del estudio, Paula Ruiz Barroso. Esta supervisión humana exige largos periodos de tiempo , así como recursos materiales y humanos. El sistema empleado en este estudio permite «identificar el movimiento de objetos grandes, como aviones, camiones de bomberos, entre otros, y al mismo tiempo detectar la presencia de otros más pequeños, como trenes de equipaje, personal trabajador, coches y furgonetas de mantenimiento, entre otros, requiriendo una supervisión humana mínima en comparación con los enfoques supervisados», ha explicado Ruiz. Con este sistema, los expertos proporcionaron al modelo imágenes grabadas en una plataforma de estacionamiento real , es decir, un área donde los aviones estacionan para cargar pasajeros y equipaje. Para calcular el tiempo estimado de procesamiento de los datos que llega a visualizar, trabajaron en la optimización del proceso para que detectara objetos con mayor celeridad. «Hemos reducido los tiempos , pasando de 7,4 segundos por fotograma, ya que es un intervalo muy lento, a 0,2 segundos por fotograma», ha indicado la responsable del estudio. Durante las pruebas, emplearon modelos de referencia que posteriormente fueron optimizados con el fin de evaluar su impacto en el consumo de energía y el tiempo de inferencia, lo que significa el intervalo temporal que necesita la inteligencia artificial después de haber aprendido datos nuevos en poder tomar decisiones. Los resultados de este estudio, titulado 'Real-time unsupervised video object detection on the edge' y publicado en la revista Future Generation Computer Systems, demuestran la precisión y eficiencia de este sistema, especialmente con elementos pequeños en áreas amplias como pueden ser las personas. Hasta ahora, debido a la alta complejidad computacional de los modelos de identificación convencionales, su procesamiento debía ejecutarse en aceleradores montados en servidores, o lo que es lo mismo, procesadores informáticos de gran capacidad para cumplir con los requisitos de rendimiento. En este trabajo, los expertos emplearon un dispositivo que permite ahorrar tiempo de cálculo y energía en estas tareas de identificación . «Además de reducir los tiempos de trabajo y el gasto de energía, el procesador garantiza la privacidad de los datos con los que trabaja porque no es necesario que se envíen a la nube», ha añadido Ruiz. Finalmente, otra de las ventajas de este procesador es su bajo consumo energético . «Hemos conseguido que disminuya el gasto energético que emplea para su funcionamiento. En concreto, hemos logrado reducirlo de 9,6 julios a 0,4 julios, que equivale a un consumo 24 veces inferior al que tendría una bombilla LED de 10 W», ha concluido la investigadora de la Universidad de Málaga.
