Raquel Dosil | Investigadora
Una encuesta de IBM del año 2010 revela datos preocupantes sobre el tráfico en las ciudades, como por ejemplo, que un tercio de todo el tráfico que circula por las principales ciudades del mundo corresponde a vehículos que están buscando aparcamiento. Es solo un ejemplo de las serias dificultades a las que se enfrentan las grandes ciudades a la hora de gestionar sus servicios y recursos. Estos problemas están empujando a las administraciones locales a adoptar medidas que permitan mejorar la habitabilidad y eficiencia de las ciudades y facilitar su gestión, dando lugar a lo que se ha dado en llamar la ciudad inteligente o Smart City.
Una de las estrategias para conseguir ciudades más eficientes consiste en capturar datos pormenorizados sobre lo que sucede en cada momento en toda la ciudad, para analizarla y extraer información de alto nivel que sirva de apoyo a la toma de decisiones y el control de procesos. Siguiendo con el ejemplo de la movilidad urbana, si se dispone de información de detalle sobre el tráfico en una ciudad, se pueden extraer conclusiones relevantes para mejorar sentidos de circulación, señalización de vías, planificación de nuevas vías, etc.
En este sentido, las tecnologías de análisis de vídeo en tiempo real se muestran como una fuente de información idónea. Por un lado, el vídeo proporciona información que un operador humano puede interpretar de forma directa, lo que permite monitorizar áreas muy amplias. Por otro lado, las secuencias de temporales de imágenes contienen una gran cantidad de información en comparación con otros tipos de sensores, que puede extraerse de forma automática mediante software de análisis inteligente de vídeo. Así, incorporando los algoritmos adecuados, una misma cámara de vídeo puede convertirse en sensores muy diversos: sensores de movimiento, de luminosidad, de detección de distintos tipos de objetos –como vehículos o personas–, o de detección de eventos, –como infracciones de tráfico o accidentes.
No obstante, a día de hoy, la implantación de las tecnologías de análisis de vídeo inteligente en aplicaciones para la Smart City se enfrenta a importantes retos: • Escalabilidad: elevado consumo de recursos de red, procesamiento, almacenamiento y energía. • Fiabilidad: sensibilidad a variaciones en las condiciones de captura de las imágenes y a la variabilidad intrínseca del mundo real observado. • Facilidad de despliegue: requiere configuración de dispositivos, protocolos de streaming, y especialmente algoritmos de procesado. • Velocidad: elevado coste computacional. • Privacidad: debe respetar la Ley de Protección de Datos de Carácter Personal.
A pesar de estos desafíos, Gradiant apuesta por el uso del vídeo como fuente de información versátil para aplicaciones dentro la Smart City. Para ello, trabajamos en líneas de investigación orientadas a garantizar la viabilidad del uso del vídeo como sistema de captura de datos escalable, fiable, usable, rápido y confidencial. Estas líneas de investigación se pueden englobar en dos grandes grupos.
El primero está orientado a la optimización del consumo de recursos de red, e incluye el uso de estándares de compresión, la optimización del dimensionamiento de redes de cámaras y la configuración y priorización adaptativos de los flujos de vídeo, basándose en información de contexto de la red. El segundo grupo está centrado en la obtención de algoritmos de análisis de vídeo eficientes, robustos, autoconfigurables y que garanticen la privacidad de los ciudadanos, e incluye técnicas de paralelización y descentralización del procesamiento, calibración automática, cifrado de regiones con información sensible y algoritmos de detección robustos ante la variabilidad de las imágenes.
Gradiant dispone ya de un prototipo de un sistema de análisis de vídeo en tiempo real para redes de vídeo IP. Este prototipo ha sido integrado recientemente en una plataforma piloto de gestión de Smart City, desplegada en un entorno realista en la ciudad de Barcelona. Actualmente se encuentra en fase de pruebas.
