Investigadores de la UGR crean un sistema pionero que detecta pistolas en vídeos a tiempo real

Investigadores de la UGR crean un sistema pionero que detecta pistolas en vídeos a tiempo real


Investigadores de la Universidad de Granada (UGR) han diseñado un sistema informático, basado en novedosas técnicas de inteligencia artificial, que permite detectar por vídeo automáticamente en tiempo real, tanto en interiores como en exteriores, la presencia de pistolas. Un algoritmo que podría ayudar a mejorar la seguridad en aeropuertos y otras zonas de videovigilancia, así como contenidos violentos de redes sociales como Facebook, YouTube o Twitter.

Este trabajo ha sido desarrollado por Francisco Herrera Triguero, Roberto Olmos y Siham Tabik, investigadores del departamento de Ciencias de la Computación e Inteligencia Artificial de la UGR. Una invención que le ha valido para ser seleccionado como uno de los 5 trabajos más destacados de la semana a nivel mundial en el ámbito de la tecnología de la revista electrónica del Instituto Tecnológico de Massachusetts (MIT, por sus siglas en inglés), así como el Premio de Excelencia en Innovación Tecnológica Fujitsu-UGR en noviembre del año pasado, por el trabajo de fin de máster (TFM) presentado por Roberto Olmos.

Un modelo con capacidad de aprendizaje

Se trata de un modelo ‘deep learning’ (aprendizaje profundo), que le permite aprender y perfeccionar su funcionamiento a partir de su entrenamiento con una colección amplia de ejemplos, emulando el sistema nervioso en la conexión de neuronas y utilizando algoritmos sofisticados de optimización para aprender las conexiones entre neuronas artificiales.

Sistema de detección de pistolas de la UGRModelos como este “han supuesto un gran avance en la detección, reconocimiento y clasificación de objetos en el campo de la visión computacional durante los últimos cinco años”, explicó Siham Tabik, que en la actualidad disfruta de un contrato Ramón y Cajal dentro del Programa Estatal de Promoción del Talento y su Empleabilidad en I+D+i.

La eficacia de tal sistema ha sido probada en vídeos de baja calidad de YouTube y con películas como ‘PulpFiction’, ‘Misión Imposible’ o ‘James Bond’, logrando una efectividad de más del 96,5 por ciento. Cuando en la imagen aparece el arma, el sistema avisa y establece una alerta por medio de un recuadro que indica el lugar exacto en el que esta se encuentra.

Su buen funcionamiento no es el único aliciente de este sistema, y es que su instalación puede llevarse a cabo en cualquier área en donde sea posible establecer cámaras de vídeo pues, tal y como explica el catedrático Francisco Herrera, “se puede combinar de forma muy sencilla con una alarma directa, y puede ser implementado de forma poco costosa utilizando cámaras de vídeo y un ordenador con capacidades medianamente altas”.

Hasta la fecha, ningún trabajo científico publicado, patente o producto comercial ha tratado el problema de detección de pistolas en vídeos en tiempo real usando ‘deep learning’, según afirman sus responsables. En consecuencia, este trabajo es completamente pionero a nivel mundial, lo que ha hecho que varias las empresas ya se hayan interesado por dicha nueva tecnología.

Sistemas anteriores

Los principales sistemas de detección de armas están basados en detectar metales, y se encuentran en aeropuertos y en eventos públicos en lugares cerrados. Pese a la ventaja de poder descubrir un arma de fuego, aunque esta se encuentre oculta, impidiendo que sea usada, presentan muchos inconvenientes.

Los principales puntos negativos es que solo controlan el paso por un punto concreto, requieren la presencia constante de un operador humano y generan cuellos de botella cuando hay mucho flujo de personas, siendo incapaz de diferenciar entre otros objetos metálicos de uso cotidiano. Todo ello sin tener en cuenta que pueden tratarse de pistolas no metálicas, pues con las técnicas de impresión 3D esto ya es una realidad.

Es por todo ello que este novedoso sistema sirve de gran utilidad como complemento a todos ellos.


Compartir

Time limit is exhausted. Please reload CAPTCHA.

Su email no será mostrado en los comentarios. Los campos requeridos son marcados con *