Un bolso desatendido es un problema por el lugar donde se encuentra. En un patio vacío, casi cualquier cosa destaca; en un vestíbulo en hora pico, el mismo bolso es uno entre miles de objetos. Para ese caso se diseñó este módulo.
El módulo
La detección de objetos abandonados es una regla de ObjectTrack Pro. El módulo utiliza un proceso neuronal de dos etapas, no un detector de movimiento. Una primera red convolucional marca objetos de clases conocidas en fotogramas muestreados y los sigue entre ellos; una segunda determina la clase de cada objeto. El resultado se contrasta con las reglas dibujadas para esa cámara. Bolso abandonado es una de ellas, junto a personas en una vía férrea y las funciones perimetrales que ahora tienen su propia página.
La multitud es la parte difícil y el objetivo de diseño documentado. La guía del producto indica expresamente que el módulo funciona en condiciones exteriores desfavorables y entre multitudes, donde no lo hace un detector basado en movimiento. Un andén a las 08:15 es un conjunto móvil de equipaje que parece abandonado por uno o dos segundos. La regla utiliza la permanencia del objeto en una región dibujada, con un tamaño mínimo y un filtro de proximidad que evita señalar una maleta mientras su dueño está a su lado.
Los espacios públicos son donde aporta valor. La guía identifica nodos de transporte y otros espacios públicos como su entorno. Sus despliegues en producción coinciden: el Metro de Londres, donde detecta equipaje abandonado junto a personas que caen a las vías y aglomeraciones peligrosas al borde del andén; y el Aeropuerto de Dublín, donde cubre terminales y puertas con el flujo completo de pasajeros.
Lo que no cubre el catálogo entrenado puede cubrirlo una frase. StreamVLM™ agrega detectores definidos mediante instrucciones para objetos y condiciones sin un módulo disponible, como un recipiente específico, un equipo o una molestia local, sin conjunto de datos ni ciclo de entrenamiento. StreamVLM está disponible en versión beta en determinadas instancias.
La regla
Todo lo siguiente se dibuja o ingresa por cámara en los ajustes del módulo y se modifica sin desconectar nada. No hay que volver a entrenar un modelo para todo el sitio cuando se reorganiza un vestíbulo.
La parte del encuadre que se analizará, dibujada como un polígono editable vértice por vértice. También se indica si la cámara mira la escena desde arriba o de lado. Por defecto abarca todo el fotograma, algo casi nunca adecuado en un vestíbulo.
La clase del detector. El evento se genera por bolsos, maletas y objetos comparables dejados en la región, no por cualquier objeto que deja de moverse.
Ignorar bolsos a menos de suprime la alerta mientras una persona está junto a su maleta. La zona de exclusión es el cuadro delimitador del bolso ampliado según el factor de filtrado configurado. Un factor de 2 produce un cuadro rojo del doble de tamaño que el amarillo.
Volver a considerar abandonado después de N minutos determina cuánto tiempo un evento cubre el mismo objeto en el mismo lugar. Así, un bolso que permanece una hora no genera una hora de alertas. Es un intervalo de repetición, no el tiempo hasta la alarma: IREX no publica un umbral de permanencia.
Un bolso o una persona debe ocupar al menos 1.024 píxeles, es decir, 32 × 32, para ser candidato. Los vehículos requieren 2.025, es decir, 45 × 45. Esta cifra determina hasta dónde llega una cámara a lo largo del andén.
Almacena las trayectorias de personas y vehículos en la escena para buscarlas después en el reproductor. Se activa por cámara y convierte una alerta estática en una línea de investigación.
Después de la alerta
Una alerta de objeto abandonado responde “qué” y “dónde”. La investigación necesita “quién”, y la plataforma llega a ello por etapas. Los recorridos guardados conservan las trayectorias de quienes pasaron por la escena, consultables en el reproductor. Permiten reproducir el acercamiento al bolso y localizar en el fotograma a quien lo dejó. Nada de eso es automático: el módulo reporta un objeto y un operador revisa el recorrido hacia atrás.
Un vestíbulo rara vez ofrece un rostro visible. La reidentificación de personas sigue a alguien de cámara en cámara por su apariencia: ropa, accesorios y color del cabello o sombrero. ObjectTrack Pro también puede calcular un descriptor de silueta humana para cada persona del encuadre, que permite buscarla por silueta cuando no se distingue nada más. Ambos son cotejos de apariencia, no identificación: indican que es la misma persona, no quién es.
Ver reidentificación de personas →Cuando el operador confirma a la persona, el seguimiento multicámara de objetos la sigue por la red sobre el mapa y los planos de interiores, hacia adelante y atrás desde la alerta. Así se investiga tanto de dónde vino como adónde fue. Cada paso aplica las mismas reglas de Case ID y auditoría que cualquier búsqueda: la base legal se registra antes de ejecutar la consulta, y el operador queda identificado en el registro.
Vea el seguimiento multicámara de objetos →En la sala de control
Los eventos se filtran por cámara y regla del módulo en un monitor de alarmas con nombre. Así, “Objeto abandonado” de las cámaras del vestíbulo se convierte en un espacio de trabajo con su protocolo de respuesta escrito en la descripción. Las notificaciones se activan por monitor y llegan a los equipos de respuesta mediante la mensajería segura Sover, con fotograma, cámara, ubicación y enlace de reproducción.
Ver alertas en tiempo real y evidencia →El nombre asignado a la regla se convierte en el nombre del evento. Una búsqueda posterior por ese nombre devuelve todas las alertas de objetos desatendidos de la red en un período. Junto con los recorridos guardados, permite reconstruir una mañana durante la revisión del incidente sin recorrer manualmente las grabaciones.
Ver Ask IREX y búsqueda de video →Cualquier monitor de alarmas puede enviar sus eventos, con fotogramas, a cualquier sistema accesible por HTTP. Así, una alerta de objeto desatendido activa un flujo de megafonía, un sistema de control de estación o un puesto de incidentes existente. La API REST cubre listas, monitores y usuarios en las mismas condiciones.
Requisitos
Dónde funciona
Los objetos desatendidos son un problema de espacios públicos. El módulo se aplica a sectores donde muchas personas desconocidas entre sí y su equipaje atraviesan espacios que nadie controla individualmente.
Andenes, vestíbulos e intercambiadores, incluido el despliegue del Metro de Londres, donde el equipaje desatendido se detecta junto a intrusiones en vías y aglomeraciones al borde del andén.
Más información →Terminales y puertas con el flujo completo de pasajeros, donde una alerta de bolso desatendido compite con miles de bolsos acompañados.
Más información →Cruces e instalaciones de inspección, donde un objeto dejado en una fila se gestiona junto a listas de búsqueda y funciones de vehículos en la misma red.
Más información →Centrales eléctricas, terminales petroleras, oleoductos e instalaciones de gas ejecutan detección de objetos desatendidos junto a intrusión perimetral y fuego y humo.
Más información →Flujos de entrada, vestíbulos y tribunas, donde la propia multitud hace difícil ver un bolso abandonado y necesario encontrarlo.
Más información →Edificios públicos e instalaciones federales, donde el vestíbulo y la fila exterior son los espacios expuestos.
Más información →El espacio concurrido es el caso de diseño y la diferencia documentada frente al módulo basado en movimiento. La regla se basa en la permanencia del objeto dentro de una región dibujada, no en el movimiento sobre un encuadre vacío. Usa un tamaño mínimo y un filtro de proximidad ajustados por cámara. La ubicación determina el resultado: se requieren más de 50 píxeles por metro en la región relevante.
No por sí solo, y ningún detector debería afirmarlo. La plataforma ofrece el camino hacia la respuesta. Los recorridos guardados conservan las trayectorias de quienes pasaron por la escena para reproducir el acercamiento. La reidentificación sigue por apariencia a una persona entre cámaras cuando el rostro no es visible. Después, el seguimiento multicámara reconstruye su ruta hacia adelante y atrás en el tiempo. Un operador confirma la identificación bajo un Case ID; la plataforma no atribuye la propiedad por sí sola.
IREX no publica un umbral de permanencia para este módulo y no vamos a inventarlo. Lo documentado y configurable es el intervalo de reactivación, “volver a considerar abandonado después de N minutos”. Controla con qué frecuencia el mismo objeto en el mismo lugar genera un nuevo evento. También está el filtro de proximidad, que suprime la alerta mientras alguien permanece junto al objeto. El comportamiento efectivo se ajusta con sus cámaras durante el piloto.
IREX desarrolló analítica de seguridad especializada para ferrocarriles, metros y transporte aéreo. Compiló datos específicos de estos incidentes raros con organismos de transporte y mediante entornos 3D sintéticos. Eso permitió una detección fiable en las condiciones visuales de estaciones subterráneas. IREX no publica el tamaño del conjunto ni cifras de precisión por módulo: la precisión se evalúa con sus transmisiones durante el piloto y las cifras medidas se incorporan al contrato.
Para eso está StreamVLM™. Una instrucción en lenguaje natural se convierte en un detector activo en las cámaras elegidas, sin conjunto de datos ni ciclo de entrenamiento. Cubre los objetos y condiciones específicos de cada sitio. Varios detectores definidos mediante instrucciones pueden funcionar en la misma cámara que el módulo entrenado. Está disponible en versión beta en determinadas instancias.
No. ObjectTrack Pro está documentado solo para cámaras fijas; los videos cargados desde móviles y las grabaciones de drones quedan expresamente fuera del alcance de este módulo. Los videos cargados se analizan mediante Galería, pero con otro conjunto de módulos.
Funciona por sí solo y alerta a una persona. Las detecciones son señales que un humano debe verificar: ninguna respuesta se ejecuta de forma autónoma. La verificación y la decisión quedan registradas bajo el mismo Case ID que la detección.
Siga explorando
El vestíbulo en hora pico es la prueba honesta de este módulo. Apúntelo al caso más difícil y evalúelo allí, no en un andén vacío.
