Nuevo sistema de seguridad con IA para detectar personas armadas y con comportamientos agresivos

Sistema de detección.

Un grupo de investigadores compuesto por la Universidad de Castilla-La Mancha y la Universidad de Sevilla ha diseñado un sistema avanzado de seguridad basado en la inteligencia artificial (IA) capaz de detectar de inmediato la presencia de individuos armados y con comportamientos agresivos, para evitar tiroteos en lugares públicos y privados.

El sistema utiliza la tecnología deep learning para analizar las poses de las personas e identificar cuáles están armadas y con comportamientos agresivos.

Este sistema se enmarca en el proyecto Detección Automática de Individuos Armados (DISARM) y ha sido financiado por la Agencia Estatal de Investigación (AEI) dentro de la convocatoria Pruebas de Concepto 2021 con fondos del Plan de Recuperación, Transformación y Resiliencia de la Unión Europea.

Una prueba de concepto es un estado de maduración de una tecnología o conocimiento donde, por primera vez, se estudia su viabilidad en el mercado, más allá de un resultado científico. Por tanto, su ejecución sirve para acelerar la transferencia de conocimiento y los resultados generados en proyectos de investigación a un nivel competitivo.

Análisis de los vídeos e imágenes de los CCTV

La innovación principal del proyecto DISARM radica en su capacidad para mejorar significativamente la detección de personas armadas y comportamientos agresivos en circuitos cerrados de televisión (CCTV) mediante videovigilancia. Basado en la tecnología deep learning, el sistema analiza las poses de las personas para identificar aquellas que representen una amenaza en entornos públicos y privados.

Los productos generados en DISARM ya están disponibles en el mercado y diversas empresas de sectores de seguridad, visión por computador y robótica los han adquirido o han mostrado interés en comprarlos con el fin de aplicarlos a sus sistemas. El equipo investigador también dispone ya de datasets (base compleja de datos) que permiten entrenar los modelos de una manera fiable y precisa.

 
 
Patrocinio Plata
Patrocinio Bronce
Salir de la versión móvil