La Evolución del Detector de Objetos Desatendidos
El detector de objetos desatendidos es el módulo de analítica de video más utilizado en espacios públicos como aeropuertos, estaciones de tren, centros comerciales e infraestructura crítica. El detector genera alertas en tiempo real sobre equipaje abandonado y obstáculos en las vías férreas y en las salidas de emergencia.
Gen 1: modelado de fondo (antes de la era de la IA) Nuestro primer módulo de analítica de video para detectar objetos desatendidos utiliza dos modelos de textura de fondo de los cuadros del video de entrada. Los dos modelos de textura se actualizan a velocidades diferentes. El modelo lento contiene el cuadro de video promedio antes de que aparezca el objeto. El modelo rápido corresponde al cuadro promedio después de que aparece el objeto, mientras filtra los objetos en movimiento, como personas y vehículos. Los objetos desatendidos se localizan analizando la diferencia entre los dos modelos. El detector Gen 1 tenía una aplicación limitada en zonas estériles sin cambios frecuentes de iluminación. Generaba demasiadas falsas alertas en escenas interiores concurridas o en cualquier entorno exterior.
Gen 2: modelado de fondo con un clasificador de fragmentos basado en IA (2018-2019) Gen 2 incorpora un clasificador binario basado en una red neuronal convolucional (CNN) para analizar los fragmentos de imagen encontrados por el detector Gen 1. Entrenamos la CNN con decenas de miles de imágenes de «objetivo» y de «ruido». Como resultado, el número de falsas alertas se redujo más de 10 veces. Sin embargo, tanto los detectores Gen 1 como Gen 2 sufren de un tiempo de respuesta variable: debido al modelo de fondo, los objetos de alto contraste generan alertas mucho más rápido que los de bajo contraste. No es posible garantizar un plazo de respuesta posterior a la aparición del objeto. Además, los modelos de fondo de Gen 1 y Gen 2 no eran estables en escenas muy concurridas, donde se ven más personas que superficie de piso.
Gen 3: detector de objetos desatendidos nativo basado en IA (2020 - actualidad) Nuestro detector Gen 3 no usa modelos de fondo. Una CNN procesa el cuadro de video completo para detectar objetos conocidos, como bolsas y cajas, sin personas cerca. Hemos utilizado cientos de miles de imágenes en el conjunto de datos de entrenamiento. El detector puede generar falsas alarmas aisladas en señalizaciones de piso y botes de basura, pero las detecciones repetidas se suprimen. A diferencia de Gen 1 y Gen 2, el nuevo detector puede operar en un entorno muy concurrido y puede ajustarse a diferentes intervalos de respuesta (p. ej., 30 segundos). El detector Gen 3 se utiliza actualmente a escala de producción en más de 10 000 cámaras de algunos de los metros más grandes del mundo.