El mundo empresarial ha logrado hacer más eficientes sus procesos de funcionamiento y gestión, en gran parte gracias a la oportuna implementación de sistemas de seguridad como la video vigilancia, el control de accesos y alarmas ante incidentes.
Sin embargo, puede darse el caso de una falsa alarma, lo cual puede generar pérdidas de tiempo, y también recursos económicos y humanos. Es por ello que la compañía Hikvision ha desarrollado la tecnología Deep Learning, una gran respuesta a cómo reducir falsas alarmas.
La tecnología Deep Learning se basa en sistemas de video vigilancia, aplicando tres funciones básicas que optimizan los esquemas de seguridad. Dichas funciones son el mapa de calor, para detectar sitios de alto tránsito de personas; la contabilización de individuos, para llevar un adecuado registro de las personas que ingresan a una instalación; y la detección de filas, para controlar la formación de aglomeraciones.
Mapa de calor
La función de mapa de calor integrada a la tecnología Deep Learning, desarrollada por Hikvision, se utiliza para efectuar un monitoreo constante sobre el tráfico de personas en un lugar específico, calculando también la intensidad de dicho tráfico. De este modo, la incógnita de cómo reducir falsas alarmas se reduce considerablemente.
El mapa de calor incorpora una interfaz gráfica con colores, la cual facilita el análisis de la permanencia de un individuo en una instalación, así como también lapsos de espera y patrones de tránsito.
Esta función resulta sumamente útil en sitios como tiendas, supermercados, farmacias, centros comerciales, entre otros, contribuyendo en la ubicación de productos de acuerdo al tráfico de personas, analizando sectores de gran atracción o zonas desoladas, lo que resulta de gran ayuda para muchas empresas en términos comerciales.
Contabilización de individuos
La pregunta acerca de cómo reducir falsas alarmas parte de la premisa según la cual dichas emisiones de alerta son generadas principalmente por intrusiones. En consecuencia, el rastreo e identificación de personas tiene un carácter crucial.
A raíz de eso, la tecnología Deep Learning ha incluido una función de contabilización de personas, insertada en cámaras de lente doble, y destinada a llevar un registro estadístico de alta precisión acerca de la cantidad y flujo de personas que transitan dentro un espacio.
Para evitar errores de funcionamiento, Deep Learning presenta una funcionalidad inteligente en la que el sistema logra mejorar automáticamente, según la cantidad y la calidad de los datos que procesa, y por este motivo, logra diferenciar con gran fidelidad a los seres humanos de otros objetos en el rango de observación de las cámaras, evitando alertar por falsas incidencias.
Detección de filas
La tecnología Deep Learning también contribuye en cómo reducir falsas alarmas mediante una innovadora y muy práctica función de detección de filas, que permite gestionar de manera eficiente y discreta los volúmenes de personas agrupadas en un mismo punto de una instalación.
Al momento de detectar la formación de una fila muy extensa, se tiene en cuenta el riesgo que representa una aglomeración o tumulto de personas, no solo porque ese momento puede ser aprovechado para cometer una intrusión o hurto, sino porque entorpece la gestión de emergencias y desastres. De esta forma, la detección de filas permite reducir los tiempos de espera en lugares como los puntos de caja de un establecimiento comercial.