En los últimos años, el número de dispositivos conectados en el extremo de las redes privadas y públicas ha crecido anualmente, pasando de poco menos de 9000 millones en 2019 a unos 29 000 millones estimados para el año 2030. 

Muchos de estos dispositivos, incluidas las cámaras de vigilancia, también se han convertido en potentes dispositivos informáticos. Esto ha dado como resultado la capacidad de llevar a cabo un mayor nivel de procesamiento dentro de los propios dispositivos periféricos, algo que se ha establecido como computación en el extremo. 

Para una red de videovigilancia, en pocas palabras, la IA en el extremo significa que se puede llevar a cabo más acciones en las propias cámaras, en gran medida a través de analíticas más avanzadas.  

La IA habilita a las cámaras para comprender una escena y categorizar detalles importantes en tiempo real. Esta capacidad para detectar, clasificar, contar y realizar un seguimiento de objetos como personas y vehículos con gran precisión y detalle constituye la base para obtener información y tomar acciones basadas en los datos capturados. Estos conocimientos reducirán la carga de la entrada humana necesaria para analizar los datos y tomar decisiones. 

La analítica en el extremo basada en IA identificará el movimiento como un vehículo, clasificará su tipo, si ha entrado en una zona restringida o peligrosa, si hay personas cercanas en situación de peligro y muchos otros elementos. Esta información ofrece a los operadores datos mucho más procesables y reduce en gran medida los falsos positivos.  

Por ejemplo, las analíticas de IA en el extremo podrían identificar objetos en una autopista (podría distinguir rápidamente estos objetos de las sombras, lo que a menudo ha supuesto un reto) y alertar automáticamente a los controladores mediante avisos. Pero la capacidad adicional aportada por la IA para distinguir entre un ser humano y un vehículo puede ayudar a definir el nivel de gravedad de la advertencia emitida a los controladores. 

En lo que puede parecer algo parecido a un giro «meta», las analíticas de IA en el extremo se están utilizando ahora para respaldar la precisión, ya que no hay degradación de los datos. Una ventaja clave de la analítica en el extremo es que el análisis se realiza en las grabaciones de vídeo de la más alta calidad, lo más cerca posible de la fuente.

Como su nombre indica, una nueva categoría de analítica de IA en el extremo -análisis del estado de la imagen- supervisará continuamente la calidad de la imagen capturada por las cámaras de vigilancia y avisará a los operadores cuando caiga por debajo del umbral requerido para que otras analíticas de IA en el extremo se puedan aplicar de un modo más eficaz a la escena. 

Está claro que la IA en el extremo está aportando valor a los casos de uso tradicionales para seguridad y protección, permitiendo a los equipos de intervención rápida y al personal de seguridad reaccionar de una forma más rápida y adecuada. Además, los datos detallados y los metadatos de las analíticas de IA en el extremo están mejorando la eficiencia operativa en varios sectores.

• Los planificadores urbanos utilizan datos para impulsar «gemelos digitales» de entornos urbanos, para probar mejoras en los diseños, la gestión del tráfico y el control del ruido con el fin de mejorar la calidad de vida de los ciudadanos. 
  
• Las empresas están utilizando analíticas para gestionar mejor el uso de la energía dentro de los edificios, lo que genera un impacto medioambiental positivo.  
  
• En campos como la sanidad, la educación, el comercio minorista y más allá, la IA en el extremo en las cámaras de vigilancia está mejorando la prestación de servicios y los resultados para pacientes, estudiantes y clientes.  

Incluso en estos casos, solo estamos rascando la superficie del potencial de la IA en el extremo.

Conoce más sobre nuestro catálogo de soluciones de analítica.