{"id":3604,"date":"2021-12-03T02:23:38","date_gmt":"2021-12-03T02:23:38","guid":{"rendered":"https:\/\/lincecomercial.com\/?p=3604"},"modified":"2025-01-16T15:33:08","modified_gmt":"2025-01-16T20:33:08","slug":"inteligencia-artificial-el-video-como-catalizador-del-big-bang-digital","status":"publish","type":"post","link":"https:\/\/lincecomercial.com\/TestEnvironment\/inteligencia-artificial-el-video-como-catalizador-del-big-bang-digital\/","title":{"rendered":"Inteligencia Artificial: El video como catalizador del Big Bang Digital"},"content":{"rendered":"

El t\u00e9rmino Inteligencia Artificial<\/strong> (IA)<\/strong> no es nuevo, y la primera vez que se utiliz\u00f3 fue en 1956 por el profesor John McCarthy \u00a0<\/strong>y que a su vez fundo los laboratorios de IA en las universidades<\/em> de MIT y Stanford<\/strong>. Sin embargo si hace 10 a\u00f1os alguien hubiera mencionado en una sala de juntas el \u00a0t\u00e9rmino \u201cInteligencia Artificial\u201d, es muy probable que las personas all\u00ed presenten hubieran asociado el t\u00e9rmino con series o pel\u00edculas de ciencia ficci\u00f3n como Star Trek<\/strong> o Terminator <\/strong>\u00a0y \u00a0le hubieran restado importancia al tema.\u00a0 En los \u00faltimos a\u00f1os venimos escuchando \u00a0hablar de Inteligencia Artificial de manera repetitiva al punto de convertirse en\u00a0 palabras claves \u00a0en\u00a0 los motores de b\u00fasqueda como Google y que \u00a0se presenta como un atributo destacado \u00a0asociado por ejemplo a dispositivos de consumo masivo \u00a0como los tel\u00e9fonos m\u00f3viles, los televisores, los asistentes de voz o en super computadoras como el doctor Watson de IBM <\/strong>y recientemente en la industria de la seguridad electr\u00f3nica, en los sistemas de video vigilancia; dado que las c\u00e1maras han venido pasando de ser simples dispositivos generadores de im\u00e1genes a convertirse en poderosos sensores inteligentes\u00a0 que pueden procesar im\u00e1genes bien sea en el borde o en un servidor central y que proveer\u00e1n informaci\u00f3n valiosa para los usuarios.<\/p>

Si bien en los \u00faltimos a\u00f1os hemos visto el boom \u00a0de la Inteligencia Artificial, han sido b\u00e1sicamente dos fuerzas las que han impulsado esta explosi\u00f3n acelerada en casi todos los \u00e1mbitos de nuestra sociedad.<\/p>

\"\"\u00a0Big Data:<\/strong>\u00a0<\/p>

Alrededor de 2015, gracias al internet y las redes sociales, una gran cantidad de datos empezaron a estar disponibles. Result\u00f3 que todos esos videos de gatos disponibles en Youtube<\/strong> eran fant\u00e1sticos para entrenar una IA basado en redes neuronales,<\/strong> en reconocimiento de im\u00e1genes e identificaci\u00f3n de escenas (Ver fig.1). \u00a0Lo mismo ocurri\u00f3 con todos los likes<\/em> \u00a0de Facebook<\/strong> y las b\u00fasquedas en Google <\/strong>cuyos algoritmos basados en IA<\/strong> nos ha demostrado su gran capacidad de predecir nuestros gustos y preferencias e incluso sugerirnos productos, servicios aun cuando el proceso de escritura tenga errores. El exceso de datos ha llevado a una investigaci\u00f3n intensificada sobre las formas en que se pueden procesar, analizar y actuar y es all\u00ed donde radica verdadero poder de la IA<\/strong>, en su capacidad para encontrar conexiones ocultas entre bits oscuros de informaci\u00f3n, conexiones que ning\u00fan ser humano notar\u00eda jam\u00e1s.<\/p>

\"\"\r\n
Fig. 1 Tomado de la Revista en l\u00ednea Quanta Magazine.<\/figcaption>\r\n<\/figure>

\"\" GPU\u00b4s<\/strong>\u00a0<\/p>

Al mismo tiempo que todo este conjunto de datos provenientes de an\u00e1lisis de videos en YouTube,<\/strong> redes sociales, motores de b\u00fasqueda, estaban disponibles, las unidades de procesamiento gr\u00e1fico (GPU\u2019s) empezaron a inundar el mercado de los semiconductores gracias a su bajo costo y su incre\u00edble capacidad de procesamiento de im\u00e1genes. Las GPU\u2019s<\/strong> ejecutan gr\u00e1ficos complicados como los que se encuentran en los video juegos, una industria que viene en un acelerado crecimiento frente a otros segmentos de la industria digital del entretenimiento (ver fig.2) y que a su vez tambi\u00e9n han impulsado la Inteligencia Artificial<\/strong> y su explosi\u00f3n exponencial que podr\u00edamos considerar como\u00a0 el Big Bang<\/strong> \u00a0digital impulsado por el video y la gran cantidad de datos que se pueden analizar y procesar simult\u00e1neamente gracias a\u00a0 estas GPU\u2019s<\/strong> y sus algoritmos de Inteligencia Artificial.<\/p>

\"\"\r\n
Fig. 2 Tomado del portal Statista – El sector de los videojuegos, el de mayores ingresos.<\/figcaption>\r\n<\/figure>

El gigante de las GPU\u2019s NVIDIA Corp. \u00a0que ha sido fuerte en el mercado de los video juegos y el hardware de gr\u00e1ficos desde hace varios a\u00f1os, viene impulsando la Inteligencia Artificial con mucha fuerza hasta el punto que para finales del 2020\u00a0 NVIDIA Corp. ten\u00eda una participaci\u00f3n del 80.6% de los ingresos globales en el mercado de procesadores de inteligencia artificial que para finales del 2020 representaban cerca de $3.2 Billones de USD, siendo proveedor actual de varios de los fabricantes de soluciones en el mercado de la video vigilancia como AXIS COMMUNICATIONS, BCD VIDEO, DAHUA, HANWHA, MILESTONE o desarrolladores de software basado en IA como Agent VI Y NEURAL LABS donde estas poderosas GPU\u2019s pueden analizar im\u00e1genes provenientes de las c\u00e1maras \u00a0para m\u00faltiples aplicaciones como seguridad ciudadana, infraestructura cr\u00edtica, retail, an\u00e1lisis de tr\u00e1fico, seguridad en campus universitarios, aeropuertos, parqueaderos y mucho m\u00e1s.<\/p>

\"\" El video como el catalizador del Big Bang digital:<\/strong><\/p>

El video es el catalizador del Big Bang Digital<\/strong>, que hemos visto en los \u00faltimos a\u00f1os debido a la gran cantidad de informaci\u00f3n que pueden procesarse y analizarse \u00a0gracias a la combinaci\u00f3n de GPU\u2019s<\/strong> e<\/strong> Inteligencia Artificial<\/strong>. Solo YouTube ten\u00eda cerca de 2.000 millones de usuarios en todo el mundo para finales del 2020 y se sub\u00edan un promedio de 500 horas de videos cada minuto seg\u00fan datos del portal statista.com <\/a>\u00a0\u00a0y para finales del 2021 tendremos cera de 1000 millones de c\u00e1maras de video vigilancia en funcionamiento en todo el mundo seg\u00fan IHS Markit<\/a>.<\/p>

En los sistemas de video vigilancia las c\u00e1maras est\u00e1n pasando de ser simples dispositivos generadores de im\u00e1genes a convertirse en poderosos sensores inteligentes de imagen que pueden procesar im\u00e1genes bien sea en el borde o en un servidor central y que proveer\u00e1n informaci\u00f3n valiosa para los usuarios donde el video y sus metadatos, se puedan utilizar en m\u00faltiples aplicaciones. Los sistemas de video vigilancia basados en IA<\/strong> , permiten procesar grandes cantidades de im\u00e1genes r\u00e1pidamente sin cansarse nunca a diferencia de lo que puede hacer un operador de video vigilancia; sin embargo ser\u00eda un mal entendido pensar que las soluciones de IA <\/strong>reemplazar\u00e1n \u00a0el operador humano, pues la verdadera fortaleza radica en una combinaci\u00f3n realista \u00a0donde la IA <\/strong>\u00a0sea una herramienta para aumentar su eficiencia o lo que algunos autores han denominado, como Inteligencia Aumentada<\/strong>, refiri\u00e9ndose justamente al concepto de que el uso de la IA como una herramienta para ampliar las capacidades del hombre; ayud\u00e1ndolo a ser m\u00e1s r\u00e1pidos e inteligentes en las tareas que realiza.<\/p>

Para ilustrar la comprensi\u00f3n de la Inteligencia Aumentada<\/strong> a trav\u00e9s de la inteligencia artificial, podemos citar ejemplos concretos como:<\/p>

\"\"Detecci\u00f3n de intrusi\u00f3n:<\/strong>\u00a0Diferenciaci\u00f3n de humanos vs animales, arboles u otros objetos.<\/p>

\"\" An\u00e1lisis de tr\u00e1fico: <\/strong>Detecci\u00f3n de placas y clasificaci\u00f3n de veh\u00edculos por marcas, colores, categor\u00eda del veh\u00edculo.<\/p>

\"\" Identificaci\u00f3n de personas<\/strong>: Reconocimiento facial, clasificaci\u00f3n por edad, genero, color de la ropa.<\/p>

Aclaremos lo conceptos de la IA<\/strong><\/p>

La Inteligencia Artificial <\/strong>es un concepto asociado con las maquinas que pueden resolver tareas complejas que normalmente requieren la inteligencia humana, a su vez tiene dos subconjuntos que definen los alcances de las tecnolog\u00edas de IA <\/strong>que vemos disponibles en los sistemas de video vigilancia actuales y que dado que son t\u00e9rminos que vamos a escuchar com\u00fanmente en esta Mega tendencia<\/strong><\/a>; es importante poder diferenciar ambos conceptos:<\/p>

\"\"\u00a0Machine Learning<\/strong><\/p>

Los algoritmos de machine learning<\/em> (ML) son algoritmos matem\u00e1ticos<\/strong> que permiten a las m\u00e1quinas aprender imitando la forma en la que aprendemos los humanos<\/strong>. El ML es b\u00e1sicamente una forma de conseguir inteligencia artificial<\/strong>.<\/p>

\"\"\r\n
Fig. 3 Ilustraci\u00f3n de Inteligencia Artificial basada en algoritmos de Machine Learning.<\/figcaption>\r\n<\/figure>

En concreto para las aplicaciones de video vigilancia, podr\u00edamos ilustrar basado en la imagen de la fig.3, \u00a0con la habilidad de un sistema de video de reconocer personas\u00a0 u objetos como veh\u00edculos y diferenciarlos de otros elementos como animales, cambios de luz o movimientos de \u00e1rboles, que en los sistemas tradicionales generan una gran cantidad de falsas alarmas y grabaci\u00f3n de eventos que no son relevantes para el operador, ocupando m\u00e1s espacio en el disco duro y haciendo m\u00e1s dif\u00edcil la labor del operador al momento de buscar un evento. Al contrario un sistema de video basado en un algoritmo de ML, permite poder reconocer movimientos ocasionados por personas <\/strong>y\/o veh\u00edculos<\/strong> permitiendo hacer una b\u00fasqueda m\u00e1s r\u00e1pida, optimizar el disco duro y poder usar los metadatos de las im\u00e1genes para an\u00e1lisis de tendencias posteriormente.<\/p>

\"\" Deep Learning:<\/strong><\/p>

El deep learning<\/em> (DL) o aprendizaje profundo<\/strong> forma parte del aprendizaje autom\u00e1tico. De hecho, se puede describir como la nueva evoluci\u00f3n del machine learning<\/em><\/strong>. Se trata de un algoritmo autom\u00e1tico que imita la percepci\u00f3n humana inspirada en nuestro cerebro y la conexi\u00f3n entre neuronas. El DL es la t\u00e9cnica que m\u00e1s se acerca a la forma en la que aprendemos los humanos<\/strong>.<\/p>

La mayor\u00eda de los m\u00e9todos de deep learning<\/em> usan arquitectura de redes neuronales<\/strong>. Es por eso por lo que a menudo se conoce al deep learning<\/em> como \u201credes neuronales profundas<\/strong>\u201d o \u201cdeep neural networks<\/strong><\/em>\u201d, se le conoce como \u201cdeep<\/em>\u201d en referencia a las capas que tienen estas redes neuronales.<\/p>

\"\"\r\n
Fig. 4 Ilustraci\u00f3n de Inteligencia Artificial basada en algoritmos de Deep Learning.<\/figcaption>\r\n<\/figure>

En concreto, para las aplicaciones de video vigilancia, podr\u00edamos ilustrar basado en la imagen de la fig.4, que una aplicaci\u00f3n de un sistema de video con DL\u00a0 adem\u00e1s de diferenciar en una escena entre personas y veh\u00edculos, puede darnos informaci\u00f3n m\u00e1s en detalle sobre estos como por ejemplo diferencia si un veh\u00edculo se puede clasificar como un carro, bus, camino, moto o en el caso de las personas, clasificarlas por atributos como edad, genero, accesorios de vestir y muchos m\u00e1s criterios que hacen la b\u00fasqueda m\u00e1s amigable para el operador y puedan generar reportes posteriores para el an\u00e1lisis del mismo.<\/p>

El mercado de la Inteligencia Artificial en el sector de la video vigilancia de la mano de Lince Comercial<\/strong><\/strong><\/p>

En Lince Comercial<\/strong> hemos entendido que la IA es una tendencia que viene transformando el mercado de la video vigilancia que para el 2019 represento el 56%<\/strong> de las ventas del negocio de productos de seguridad electr\u00f3nica (fuente www.memooricom<\/a> ) y es por esto que a continuaci\u00f3n describimos un breve resumen de la propuesta de cada uno de nuestros partners<\/em>\u00a0 en t\u00e9rminos de sus ofertas de IA.<\/p>

AXIS COMMUNICATIONS:<\/strong> AXIS Object Analytics viene preinstalado en c\u00e1maras de red de Axis compatibles y ofrece vigilancia inteligente sin coste adicional. Mediante algoritmos inteligentes, elimina la mayor\u00eda de las fuentes de costosas falsas alarmas, como vegetaci\u00f3n movida por el viento, objetos peque\u00f1os en movimiento o las sombras que se mueven r\u00e1pidamente sobre el suelo.<\/p>

\"\"\r\n
Fig. 5 Ilustraci\u00f3n de las funciones de clasificaci\u00f3n y detecci\u00f3n de objetos basadas en IA \u2013 AXIS Object Analytics.<\/figcaption>\r\n<\/figure>

BCD VIDEO:<\/strong><\/p>

Con su l\u00ednea de productos VSS<\/strong> (Video Storage Solutions<\/em>) BCD Video<\/strong> cre\u00f3 en el 2019 una l\u00ednea de\u00a0 dispositivos de video de alto rendimiento,\u00a0 predise\u00f1ados \u00a0para soportar la exigente carga de trabajo que representan en t\u00e9rminos de velocidad de escritura, manejo de altos vol\u00famenes de datos y an\u00e1lisis de datos de video mediante poderosas GPU\u2019s tipo NVIDIA TESLA T4.\u00a0 Estos dispositivos tales como servidores de grabaci\u00f3n, estaciones de trabajo y servidores de an\u00e1lisis de video, pueden soportar las aplicaciones de partners<\/em> de Lince Comercial tales como AXIS, MILESTONE, AGENT VI<\/p>

\"\"\r\n
Fig. 5 Ilustraci\u00f3n de las l\u00edneas de servidores de grabaci\u00f3n de VSS en versi\u00f3n de montaje tipo RACK o tipo torre.<\/figcaption>\r\n<\/figure>

DAHUA TECHNOLOGY:<\/strong><\/p>

Con sus dos l\u00edneas de productos WizSense<\/strong> y WizMi<\/strong>nd, DAHUA simplifica el proceso de selecci\u00f3n de sus productos basados en Inteligencia Artificial. En el caso de WiZsense<\/strong> se trata de un potente chip de IA y un algoritmo de aprendizaje profundo<\/strong> permite a los clientes centrarse en los seres humanos y los veh\u00edculos sin tener en cuenta datos irrelevantes como mascotas, animales, escombros y condiciones clim\u00e1ticas externas. En el caso de WizeMin<\/strong>, se trata de una l\u00ednea de gama alta basada en un potente chip de IA y algoritmos de aprendizaje profundo proporciona soluciones integrales orientadas a las personas que incluyen protecci\u00f3n de privacidad, metadatos de video humanos, conteo de personas, mapas de calor y muchas m\u00e1s funciones.<\/p>

\"\"\r\n
Fig. 6 Ilustraci\u00f3n de la funci\u00f3n SMD 3.0 de la tecnolog\u00eda Wizsense de DAHUA TECNOLOGY enfocada en diferencia humanos y veh\u00edculos.<\/figcaption>\r\n<\/figure>

HANWHA TECHWIN:<\/strong><\/p>

A trav\u00e9s de la serie Wisenet P\/X, <\/strong>\u00a0Hanwha Techwin<\/strong> \u00a0incluye funciones de IA, tales como detecci\u00f3n de personas, veh\u00edculos, reconocimiento de placas; as\u00ed como poder diferencia atributos en personas tales como color de la ropa, si la persona lleva gafas, edad, g\u00e9nero y en el caso de veh\u00edculos, tipo de veh\u00edculo , color y placa.<\/p>

\"\"\r\n
Fig. 7 Ilustraci\u00f3n sobre la compatibilidad de las c\u00e1maras de inteligencia artificial de la serie Wisenet P con el software de gesti\u00f3n de v\u00eddeo (VMS) Wisenet SSM.<\/figcaption>\r\n<\/figure>

MILESTONE SYSTEMS:<\/strong><\/p>

Bajo su concepto de plataforma abierta, Milestone Systems <\/strong>\u00a0est\u00e1 desempe\u00f1ando un papel de liderazgo permitiendo que toda su comunidad de socios puedan conectar sus tecnolog\u00edas basadas en IA al VMS de Milestone.<\/p>

\"\"\r\n
Fig. 8 Ejemplo de Plugin de reconocimiento facial Dahua para Milestone VMS.<\/figcaption>\r\n<\/figure>

NEURAL LABS:<\/strong><\/p>

Con sus aplicaciones basadas en redes neuronales, Neural Labs ofrece una variedad de soluciones de AI aplicadas a control de acceso, peajes, estacionamiento, log\u00edstica, tr\u00e1fico y movilidad.<\/p>

\"\"\r\n
Fig. 9 Software de reconocimiento vehicular Neural Server, combina tecnolog\u00eda neuronal e inteligencia artificial, para desarrollar anal\u00edticas de tr\u00e1fico de manera eficiente y r\u00e1pida en cualquier escenario.<\/figcaption>\r\n<\/figure>

Agent VI<\/strong><\/p>

A trav\u00e9s de su l\u00ednea de productos innoVi<\/strong>, Agent VI proporciona una suite<\/em> de productos Innovi Remote Guarding<\/strong>, Investigation<\/strong>, Entrerprise,<\/strong> proporcionando un amplio conjunto de capacidades de an\u00e1lisis de video sofisticadas como la detecci\u00f3n en tiempo real de eventos de inter\u00e9s, b\u00fasqueda r\u00e1pida, an\u00e1lisis de video grabador, extracci\u00f3n de datos estad\u00edsticos; disponible en versi\u00f3n de en la nube SaaS o como software local.<\/p>

innoVi\u2122 se basa en una arquitectura IoT de 5 niveles:<\/p>

Sensores (c\u00e1maras), Dispositivos inteligentes en el borde \u2013 innoVi EdgeTM, Red, Middleware- innoVi CoreTM, usando aplicaciones frontales \u2013 innoVi PortalTM o aplicaciones de terceros<\/p>

\"\"\r\n
Fig. 10 Arquitectura de funcionamiento de InnoVi\u2122.<\/figcaption>\r\n<\/figure>

En qu\u00e9 segmentos\u00a0 tendr\u00e1\u00a0 mayor impacto la IA.<\/strong><\/p>

En el avance de la IA en la industria de la video vigilancia, est\u00e1n involucrados tanto los fabricantes de productos de borde como las c\u00e1maras como AXIS,DAHUA y HANWHA , los fabricantes de grabadores, VMS, y Anal\u00edticas como MILESTONE, AGENT VI y los fabricantes de GPU\u2019s como NVIDIA y su propuesta NVIDIA Metr\u00f3polis<\/strong><\/a>, que habilita un conjunto de herramientas de desarrollo que le permite a otros fabricantes aprovechar el poder de la IA proveniente del procesamiento de im\u00e1genes de video en aplicaciones tales como:<\/p>