一个国际项目正在为大城市开发智能视频监控系统

HuSIMS项目的主要目标, 瓦拉多利德大学参与其中, 是克服现有视频监控解决方案的局限性，并创建一个能够提高大城市公共场所安全的平台.

在拥有数百万人口的城市部署视频监控系统是一项复杂的挑战. 除了摄像机和基础设施的成本，还需要考虑人工操作员的成本, 因为需要大量人员来监控每个摄像头的情况. 为了利用信息通信技术在这方面提供的可能性, 以色列的十个实体, 土耳其, Corea y España, entre ellas la Universidad de Valladolid como única universidad participante, han iniciado el proyecto HuSIMS. El trabajo forma parte de la iniciativa Eureka-Celtic de la Comisión Europea, cuyo objetivo es fomentar la I+D colaborativa para incrementar la competitividad en materia de telecomunicaciones.

Javier Aguiar, coordinador del Grupo CIT (Comunication and Information Technologies) de la Universidad de Valladolid, ha precisado que el proyecto HuSIMS pretende diseñar una red de cámaras de videovigilancia capaz de identificar de forma inteligente cuándo en la imagen se está dando una situación de emergencia, desde un accidente de tráfico a un incendio. “Se trata de sistemas de monitorización y videovigilancia con redes de sensores masivas para controlar grandes áreas metropolitanas de forma inteligente, 也就是说, sin la necesidad de que un operador humano esté constantemente monitorizando lo que sucede en las cámaras”, 已指出.

这边走, se podrían controlar miles de cámaras con pocos operadores, ya que éstos solo recibirían alertas ante situaciones anómalas. “Las cámaras ni siquiera toman las imágenes, sino que las modelizan a través de modelos matemáticos, y esos parámetros que van capturando (la posición, tamaño o velocidad de los objetos), al ser datos, ocupan mucho menos ancho de banda, con lo cual reduces también el coste de transmisión, porque son cámaras inalámbricas que mandan toda la información a una unidad central”, detalla. 所以, 鸭子, se reducen también los costes de las cámaras. En el proyecto participan dos empresas israelíes punteras en este tipo de dispositivos, “cámaras que, al ser inalámbricas, evitan gastos de infraestructuras y que, al no procesar directamente la información, sino que la envían a una unidad centralizada, permiten un bajo coste”.

Entrenamiento

Tal y como ha explicado Javier Aguiar, estos sistemas de videovigilancia basados en inteligencia artificial requieren de un tiempo de “entrenamiento” para distinguir los comportamientos anómalos de los que no lo son. “Una vez que preparas a los sistemas el operador ya no tiene que estar al tanto de las cámaras, solo de las alarmas que generan”, recuerda, una información muy útil para los equipos de emergencia.

En estos momentos los investigadores están realizando pruebas en torno a diferentes situaciones anómalas, como accidentes de tráfico. “Una vez que entrenamos a las cámaras para que sepan qué es lo que están vigilando, en este caso la seguridad vial, luego es relativamente sencillo a través de modelos matemáticos saber si lo que sucede es normal o si los parámetros tomados se salen de lo previsto, como por ejemplo un coche circulando en dirección contraria”, ha subrayado Aguiar, quien ha apuntado que se trata de utilizar la inteligencia artificial “en un campo en el que aún no se había aplicado”.

El hecho de poner “adaptar” la videovigilancia a diferentes situaciones supone, a juicio del experto, un importante valor añadido. “Una de las cosas más potentes de estas nuevas tecnologías es que el núcleo es común y se puede aplicar a distintos usos, por lo que trabajamos también en temas de vandalismo o medio ambientales”, resalta. En este último campo, se están empleando cámaras satélite para el control de incendios forestales. “Lo único que hay que hacer es cambiar las reglas de la inteligencia artificial para que te detecte unos casos anómalos u otros”.

近年来，欧盟委员会对这一研究方向的关注不断增加，以防止恐怖主义案件的发生. 从这个意义上说, 阿吉亚尔表示，已有安全公司对该项目的成果表示出兴趣, 该项目将以...结束 2013.

异常模式检测

巴利亚多利德大学在该项目框架下开展的工作集中在, 据CIT小组协调员称, 人工智能部分. “一旦摄像头捕捉并建模信息, 他们会将物体的参数传给我们. Nosotros trabajamos en la parte de inteligencia artificial para detectar esas situaciones o patrones anómalos dentro de los que nos están pasando las cámaras”, 已指出.

Para implementar este comportamiento inteligente, una de las estrategias que se utiliza es el análisis semántico. Un primer análisis de los objetos en movimiento y sus trayectorias en la señal de video permite identificar entidades con sentido como calzadas, aceras, 门, peatones o vehículos. En una segunda etapa se incorporan estos objetos a un modelo de conocimiento semántico y se caracteriza el comportamiento normal y anómalo de estos actores. Esto permite al sistema operar a un nivel de abstracción similar al del conocimiento humano, como explican los investigadores, 那些希望明年能有系统的首个演示者的人.