Personas de Interés: Cómo Convertir Fotografías en Imágenes Faciales

Personas de Interés: Cómo Convertir Fotografías en Imágenes Faciales

Cómo los registros de personas buscadas y desaparecidas se convierten en un conjunto de datos limpio y listo para las cámaras, y cómo Case ID mantiene cada búsqueda vinculada a un motivo lícito.

Cuando una persona desaparece, las primeras horas son las más importantes. Pero en la analítica de video con IA para la seguridad pública, una búsqueda es tan buena como los datos que la respaldan: una foto nítida, una descripción precisa, un número de expediente y un mecanismo para enviar esta información a quienes pueden actuar. En seguridad pública, estos datos suelen provenir de los lugares donde más se necesitan: los registros de personas desaparecidas y las bases de datos de delincuentes buscados.

Sin embargo, reunir estas imágenes no es tan simple como descargar archivos. Los registros llegan como escaneos de documentos de identidad, retratos hablados, capturas de pantalla, impresiones en blanco y negro, fotos familiares e imágenes con progresión de edad. Convertir esta mezcla en un conjunto de datos confiable exige filtrado, etiquetado y un criterio cuidadoso.

Empezar con registros públicos

Un conjunto de datos eficaz parte de registros con autoridad: reunir imágenes de bases de datos, entre ellas los registros de personas buscadas y desaparecidas. Estos registros se comparten por canales policiales seguros y están sujetos a las leyes de protección de datos y a la normativa legal.

Este enfoque da como resultado una amplia colección de registros que abarca a delincuentes buscados y personas desaparecidas de todas las edades. Pero también plantea un desafío importante: los datos son muy desiguales.

Muchos registros, sobre todo los de personas buscadas, suelen contener una sola imagen: una única foto de ficha policial, un retrato hablado o el escaneo de un documento. Esto puede bastar para un investigador humano, pero no es suficiente para construir y probar sistemas de coincidencia. Además, incluso estas imágenes únicas suelen ser de mala calidad, estar duplicadas en distintos registros o estar incrustadas en documentos de identidad y capturas de pantalla.

Ilustración del escaneo de un pasaporte con una foto rayada y parcialmente tapada, y datos personales borrosos.

Las herramientas de IA ayudan a detectar rostros y a recortarlos en un formato uniforme para su posterior comparación, separando las imágenes faciales reales de los diseños de documentos, las capturas de pantalla, los escaneos de baja resolución y el desorden del fondo.

Las descripciones importan tanto como las fotos. En las redes de cámaras del mundo real, una persona puede no mirar a la cámara, llevar mascarilla o haber cambiado de aspecto. Atributos como la ropa, el cabello o las bolsas pueden respaldar la búsqueda de personas desaparecidas cuando el rostro no es visible.

Descartar los rostros equivocados

Los registros de niños desaparecidos traen otro problema: las imágenes con progresión de edad. Son estimaciones intencionales de cómo podría verse un niño desaparecido años más tarde. Son valiosas para los llamados públicos, pero no son fotografías reales y, por lo tanto, no sirven en conjuntos de datos destinados a comparar rostros.

Las fotos familiares generan más complicaciones. El registro de un padre o madre desaparecido puede incluir una foto con sus hijos. Si estos niños también están desaparecidos, cada uno suele tener su propia entrada en la base de datos, pero la misma foto familiar puede aparecer en todas.

Las herramientas de IA ayudan a separar al sujeto principal de sus familiares y de otras personas que aparecen en el mismo encuadre. Tras eliminar los duplicados, los rostros irrelevantes y las imágenes inutilizables, el conjunto de datos final contiene un grupo mucho más uniforme de personas de interés y sus fotografías.

Ilustración de una foto familiar con una mujer que sostiene a un niño, una mujer mayor y un hombre mayor de pie frente a una casa.

Preparar los datos para las cámaras

Las grabaciones de vigilancia reales rara vez se parecen a una foto limpia de una base de datos. Los recortes de rostros obtenidos de CCTV pueden ampliarse con aumento de datos para simular cómo cambian las imágenes cuando se imprimen, escanean, redimensionan, inclinan o fotografían desde una pantalla. Pero no toda imagen aumentada es apta para el fin previsto. El desenfoque intenso, el ruido y la distorsión a veces vuelven irreconocibles los rostros, y esas imágenes se descartan, lo que deja un conjunto de datos más pequeño, con una variación más realista y un mayor valor práctico para la IA ética en la seguridad pública.

Los retratos hablados, o identikits, son la parte más difícil. Para entrenar un sistema que relacione un retrato hablado con una foto, se necesitan ejemplos emparejados: una foto real y el identikit de la misma persona. Pero los identikits suelen crearse precisamente porque no existe una foto utilizable. Encontrar pares verificados de forma manual podría arrojar solo un número limitado de ejemplos.

Los modelos de IA generativa son una posible solución. Pero hasta ahora tienden a producir bocetos genéricos a lápiz en lugar de identikits creados con software forense especializado, porque a los modelos simplemente les falta este tipo de entrenamiento.

Imágenes emparejadas: una fotografía realista de una persona como fuente de datos, junto al retrato hablado forense correspondiente como resultado emparejado.

Conectar el conjunto de datos con la acción

El reconocimiento facial se vuelve valioso cuando puede activar la respuesta correcta. Construir un conjunto de datos de personas buscadas y desaparecidas consiste, en última instancia, en acortar la distancia entre un reporte y una respuesta. Para la analítica de video con IA en seguridad pública, cada imagen debe mostrar a la persona correcta, reflejar una apariencia real y ser utilizable en las condiciones en que realmente se realizan las búsquedas.

Una vez que se agregan los casos autorizados, una red de cámaras o una plataforma de búsqueda puede comparar los avistamientos entrantes con la lista de vigilancia precargada. Si hay una posible coincidencia, el sistema alerta a los equipos de respuesta designados con la ubicación de la cámara, el fotograma de la imagen y el número de expediente, lo que permite que un operador humano la verifique.

IREX integra la privacidad en su estructura

Los datos de personas desaparecidas y buscadas son sensibles. La plataforma IREX limita el acceso estrictamente a los usuarios autorizados, y cada búsqueda o acción sobre la lista de vigilancia debe estar vinculada a un motivo lícito, como un expediente policial, una orden judicial o un reporte de persona desaparecida.

IREX exige un Case ID obligatorio antes de realizar acciones sensibles para la privacidad y restringe el reconocimiento facial exclusivamente a personas registradas previamente.

Todos los Artículos del Blog

¿Prefiere hablarlo?

Converse con un especialista en seguridad pública de IREX sobre su entorno de cámaras, el despliegue y los requisitos de cumplimiento.

Solicitar una Demostración

Indíquenos aproximadamente cuántas cámaras opera, dónde deben permanecer los datos y las tres o cuatro cosas que más necesita detectar. Prepararemos una demostración con sus propias grabaciones.

Si el formulario no está disponible, escriba a [email protected].

Preguntas Frecuentes

¿IREX funciona con nuestras cámaras actuales?

Sí. Reutilizar sus cámaras es el modelo habitual de despliegue. IREX incorpora IA en la red que ya opera, desde un sitio hasta una ciudad o un país, sin un programa de reemplazo.

¿Conservamos la propiedad de los datos?

Sí. El cliente conserva la propiedad y el control del 100% de sus datos. IREX no posee ni accede al video, eventos, registros o planos del cliente.