{"id":15931,"date":"2025-11-10T13:53:45","date_gmt":"2025-11-10T16:53:45","guid":{"rendered":"https:\/\/infoseguridadit.com\/electronica\/?p=15931"},"modified":"2025-11-10T14:55:14","modified_gmt":"2025-11-10T17:55:14","slug":"inteligencia-artificial-21","status":"publish","type":"post","link":"https:\/\/infoseguridadit.com\/electronica\/2025\/11\/10\/inteligencia-artificial-21\/","title":{"rendered":"Inteligencia Artificial y Visi\u00f3n por Computadora: la nueva anal\u00edtica de video para seguridad electr\u00f3nica"},"content":{"rendered":"
\n
\"\"<\/a><\/figure>\n<\/div>\n\n\n

Inteligencia Artificial: la anal\u00edtica de video basada en ella est\u00e1 redefiniendo el papel de la videovigilancia: ya no se trata solo de observar, sino de interpretar en tiempo real el comportamiento humano y el contexto visual. Desde AureaIA, el desarrollador y CEO Nahuel Longo presenta un proyecto que combina MediaPipe, OpenCV y procesamiento matricial tridimensional para lograr una lectura inteligente del entorno sin necesidad de hardware especializado.<\/p>\n\n\n\n

Del video pasivo al an\u00e1lisis cognitivo<\/strong><\/h4>\n\n\n\n

El sistema desarrollado implementa un m\u00f3dulo de visi\u00f3n artificial capaz de interpretar el movimiento y la orientaci\u00f3n facial de un operador o visitante. Su objetivo es ofrecer datos procesables al ecosistema de seguridad electr\u00f3nica, ya sea para control de acceso, monitoreo conductual o activaci\u00f3n de alertas autom\u00e1ticas.<\/p>\n\n\n\n

A partir de la captura de video en tiempo real, el sistema genera un modelo 3D de puntos faciales (face mesh) que permite calcular direcci\u00f3n, confianza y din\u00e1mica de atenci\u00f3n. En palabras de Longo, \u201cla c\u00e1mara deja de ser un sensor pasivo para transformarse en un analista visual que entiende lo que ve\u201d.<\/p>\n\n\n\n

\"inteligencia<\/a><\/figure>\n\n\n\n

Tecnolog\u00eda en detalle con inteligencia artificial<\/strong><\/h4>\n\n\n\n

Desarrollado en Python 3.10 sobre Visual Studio Code, el proyecto utiliza un conjunto de bibliotecas especializadas:<\/p>\n\n\n\n

OpenCV (cv2): captura y procesamiento de frames desde c\u00e1maras IP o webcams.<\/p>\n\n\n\n

NumPy: operaciones vectoriales sobre matrices de profundidad.<\/p>\n\n\n\n

MediaPipe: modelo de detecci\u00f3n facial con m\u00e1s de 468 puntos de referencia.<\/p>\n\n\n\n

Threading \/ Queue: control de concurrencia para mantener fluidez en el stream.<\/p>\n\n\n\n

Typing \/ Optional \/ Tuple: tipado est\u00e1tico para asegurar estabilidad del c\u00f3digo.<\/p>\n\n\n\n

Aunque el modelo de MediaPipe est\u00e1 entrenado por Google, AureaIA lo reentren\u00f3 localmente para adaptarlo a entornos de monitoreo reales, mejorando los par\u00e1metros de confianza y direcci\u00f3n de mirada bajo distintas condiciones lum\u00ednicas.<\/p>\n\n\n\n

C\u00f3mo funciona<\/strong><\/p>\n\n\n\n

Captura: OpenCV recibe el stream en vivo.<\/p>\n\n\n\n

Detecci\u00f3n: MediaPipe identifica los puntos faciales en cada frame.<\/p>\n\n\n\n

Vectorizaci\u00f3n: se construye una matriz 3D del rostro.<\/p>\n\n\n\n

Inferencia: mediante \u00e1ngulos Euler se determina hacia d\u00f3nde mira el sujeto.<\/p>\n\n\n\n

Salida anal\u00edtica: los resultados (por ejemplo, DIRECCI\u00d3N: DERECHA \u2013 Confianza: 70%) pueden exportarse v\u00eda API o MQTT a sistemas VMS.<\/p>\n\n\n\n

\n