Los seres humanos han tenido necesidades las cuales han tenido que satisfacer de diferentes maneras desde la procreación hasta un lugar seguro en el cual se pueda habitar y vivir, conforme fue pasando el tiempo nos vimos en la necesidad de hallar métodos para salvaguardar la integridad de los habitantes, como el de uno mismo, de esta manera tuvimos que buscar alternativas para prevenir incidentes en nuestras vidas, y por ello surgieron los sistemas de seguridad pero en la actualidad estamos pasando por diferentes adversidades que nos ha impedido avanzar y unos de los problemas más frecuentes son la delincuencia, corrupción, violencia entre otras situaciones, las cuales son un obstáculo que tenemos que superar de diferentes maneras. Desgraciadamente cada vez aumenta el índice de estos actos, no solo en la sociedad si no también dentro de las instituciones educativas, de esta manera tenemos que tomar medidas para contrarrestar dichas amenazas para que no tienten con la integridad de los alumnos, docentes y todo el personal que labore dentro de dicho lugar, de esta manera surgió la idea de controlar la seguridad por medio de un sistema de seguridad el cual va ser un circuito cerrado de video vigilancia.
Esperando tener resultados óptimos a partir de la implementación del sistema de video vigilancia dentro de las aulas, pasillos, escaleras, explanada, estacionamiento, en los pórticos del patio exterior, entre otros lugares que concurren los alumnos como el personal. Cabe aclarar que este proyecto consiste en el montaje y puesta en marcha del sistema de video vigilancia para la mejora de las instalaciones del Centro de Estudios Científicos y Tecnológicos “Cuauhtémoc”.
- Objetivo
- General
El objetivo de este proyecto es el control y visualización de las instalaciones del Centro de Estudios Científicos y Tecnológicos “Cuauhtémoc” así como en sus interiores de las aulas para un mejor manejo de los alumnos como docentes, creando un mejor ambiente de trabajo y estudio para toda persona que ingrese a estas instalaciones. De esta manera lograremos un gran avance dentro del Instituto Politécnico Nacional; esto nos permitirá múltiples opciones de visualización y control, esto implica tener que automatizar el control de acceso y el circuito cerrado de video vigilancia para que trabajen en conjunto.
- Específicos
- Instalar y poner en marcha un sistema de seguridad en base a la video vigilancia para proporcionar al alumnado y docentes, un ambiente más seguro para el desarrollo de las habilidades cognitivas y deportivas.
- Desarrollar un sistema de video vigilancia, consiente del montaje para poner en marcha para un mejor control de las instalaciones.
- Cubrir las necesidades básicas como la seguridad de todo aquel que ingrese a las instalaciones del CECyT No. 7 “Cuauhtémoc”.
- Conseguir información de los componentes que se van a utilizar en el sistema y que han de ajustarse a las necesidades de la aplicación.
- Crear un sistema de seguridad el cual este supervisado por las máximas autoridades del instituto politécnico nacional para un óptimo desempeño de los alumnos.
Vigilar las instalaciones del CECyT No. 7 “Cuauhtémoc” para que no haya un mal uso de estas, a través del sistema de video vigilancia
Actualmente las instituciones necesitan de un control para monitorear tanto a los alumnos como a cada uno de los departamentos o academias que lo conforman. Es por esta razón que se ven obligados a implementar sistemas de seguridad tales como un circuito cerrado de video vigilancia. Estos sistemas están conformados por cámaras de grabación, internas o externas, diurnas o nocturnas, así también como de iluminación y captación infrarroja para lugares en los cuales es necesario un nivel de seguridad.
En el mercado existen diferentes tipos de cámaras de los cuales se pueden elegir la más adecuada, dependiendo de la arquitectura del edificio, la calidad y nivel de seguridad deseados y de las posibilidades de control. Estos últimos pueden ser encendido y apagado, mecanismos de posición de cámara, acercamiento grabadores de señal, etc. Para poder controlar cada una de estas características, es necesario un programa computacional, lo cual no es muy común encontrar en el mercado ya que estos programas están sujetos a limitantes y características propias de las cámaras de video vigilancia o a un fabricante de cámaras en especial.
Dentro del Centro de Estudios Científicos Y Tecnológicos “Cuauhtémoc” se ha detectado, daños al mobiliario académico, corrupción por parte del alumnado y docentes, uso indebido de las instalaciones por parte del alumnado, extravíos de mobiliario escolar, además de la detección de situaciones donde la seguridad del personal docente y alumnado exponen su integridad al no hacer un uso adecuado de los equipos de protección personal (epp) al realizar prácticas o durante la demostración de herramientas, prototipos y en el mantenimiento de os talleres; entonces se determinó que es necesario un sistema de vigilancia que les proporcione las ventajas necesarias para detectar la fuente de estas pedidas y daños a la institución. Las ventajas que proporciona el sistema de video vigilancia son un fácil manejo de las videograbaciones, avisos de movimiento en la institución en horas que no son laborables por medio de correo electrónico, las cámaras graban cuando detectan que hay movimiento y lo más importante poder revisar las grabaciones solo al personal autorizado. (SISTEMAS DE VIDEO VIGILANCIA)
Los sistemas de vigilancia de última generación se enfrentan a multitud de dificultades y problemas en cada una de las etapas. Debido a que actualmente se considera que muchos de estos problemas no han sido resueltos, los sistemas de vigilancia de tercera generación no han alcanzado el nivel de madurez suficiente para consolidarse en el mercado. De hecho, muchas de las instituciones que deciden implantar un sistema de seguridad optan por soluciones más básicas pero que aseguran ciertas garantías de éxito. En esta sección nos centraremos en los principales problemas que se presentan en las capas de modelado de entornos reales e interpretación de escenas (análisis de eventos y conductas), por su relación directa con la temática principal del trabajo actual.
El primer problema surge de la necesidad de ofrecer respuestas en un tiempo cercano al real, es decir, un sistema de vigilancia no puede tardar demasiado tiempo en activar las alarmas desde que ocurrieron los sucesos anómalos (lo ideal es que el sistema tuviera capacidad para prevenir estos sucesos). Este problema no sólo afecta a la capa de interpretación de escenas, sino que también al resto. Recordemos que las capas estaban interrelacionadas y que cada una de ellas necesitaba el resultado del trabajo llevado a cabo por la capa subyacente, por tanto, el tiempo global será la suma de todos los tiempos invertidos en cada una de las capas. Muchos de los algoritmos propuestos en la literatura ofrecen grandes resultados en el proceso de interpretación de escenas reales, sin embargo, invierten demasiado tiempo en la obtención de los resultados. Por otro lado, existen algoritmos que ofrecen peores resultados pero, en cambio, ofrecen sus respuestas en menor tiempo. Por tanto, a partir de este problema surge la necesidad de buscar un equilibrio entre fiabilidad y tiempo de respuesta.
Un segundo problema es el hecho de que gran parte de las personas encargadas de diseñar un sistema de seguridad optan por representar situaciones anormales muy concretas. El problema de esta aproximación es que muchas de las situaciones anormales que pueden suceder en un entorno son imprevisibles, por tanto, cuando sucede una situación anómala que no ha sido definida a priori el sistema es incapaz de responder ante ésta.
Otra de las grandes dificultades a las que se enfrentan estos tipos de sistemas es la construcción de las bases de conocimiento donde se modela el entorno observado. Normalmente expertos en el dominio son los encargados de llevar a cabo esta tarea tediosa y nada trivial. El inconveniente es que desde que se implanta el sistema hasta que éste ofrece una fiabilidad alta, los expertos deben ampliar y modificar sobre la base de conocimiento. Por tanto, para poder eliminar esta dependencia es necesario dotar al sistema de capacidad para ampliar y modificar su base de conocimiento, es decir, reemplazar en la medida de lo posible al experto humano. En este contexto, los algoritmos de aprendizaje automáticos y semi-automáticos son una alternativa interesante para solucionar este problema.
El cuarto problema guarda relación con la escalabilidad de los sistemas propuestos para analizar los comportamientos en los entornos observados. La mayoría de estos sistemas se centran en el estudio de un concepto (velocidad, trayectorias, localizaciones, etc) de una forma muy específica, de tal forma que dificulta la adición de un nuevo concepto al análisis. Además, este análisis suele ser el mismo para todas las clases de objetos y no varía en el tiempo. Por esta razón, sería interesante proponer arquitecturas flexibles que faciliten la inclusión de nuevos conceptos y permitan establecer diferentes configuraciones para el análisis acorde al tipo de objeto. Por ejemplo, para los vehículos en un parking se analizarían las velocidades y trayectorias, sin embargo, para las personas en una habitación interior quizás resulte más interesante estudiar únicamente las trayectorias. Este tipo de arquitecturas también ofrecerían una solución al primer problema, es decir, dependiendo de las condiciones y necesidades de cada lugar se puede optar por una configuración menos pesada para obtener resultados con mayor rapidez (cuanto menor sea el número de conceptos analizados menor será el tiempo necesario para obtener los resultados).
Todo esto está relacionado con la fusión de información procedente de multitud de sensores. Uno de los aspectos más interesantes en la fusión de información es la posibilidad de indicar al sistema artificial que partes de la información que procede de varios sensores se refieren a un mismo objeto. De esta forma se podría reforzar el proceso de razonamiento, eliminar parte del ruido procedente de las capas inferiores y eliminar problemas como la oclusión. (Jiménez)
Caso de estudio: definición de trayectorias normales
El motivo por el cual se ha decido estudiar las trayectorias es, principalmente, porque cualquier objeto con capacidad de movimiento suele tener un objetivo dentro del entorno y para alcanzar dicho objetivo es necesario dirigirse hacia un lugar determinado. Por esta razón, el análisis de trayectorias puede resultar interesante para la detección de posibles anomalías. En esta sección, se definirá el concepto trayectoria normal junto con su normalidad, tanto para peatones como para vehículos. Dicho escenario es capturado por una cámara situada en el grupo de investigación ORETO de la Universidad de Castilla-La Mancha.
En este caso concreto, el problema de la vigilancia se define como la interpretación y el análisis del entorno mostrado en la siguiente figura y percibido por una cámara . A su vez el entorno observado se define de acuerdo a su ecuación, donde:
- V es el conjunto de variables utilizadas para definir las trayectorias normales y analizar la normalidad.
Para poner en práctica el modelo conceptual propuesto en este trabajo, se ha implementado un prototipo de sistema de vigilancia inteligente (denominado OCULUS), que permite el análisis de normalidad en función de diferentes conceptos.
En la capa inferior o capa perceptual se encuentran los sensores encargados de percibir el entorno y de enviar la información a las capas superiores. Si algo caracteriza a la información que procede directamente de los sensores es que ésta posee un alto grado de incertidumbre y vaguedad, aspecto que debe tener en cuenta la capa intermedia a la hora de intentar interpretar lo que ocurre. Además, la información de bajo nivel no siempre se envía como tal a las capas superiores, sino que podría ser tratada mediante diferentes algoritmos. Por ejemplo, en el caso del vídeo se ejecutan algoritmos de segmentación y de tracking.
Por otra parte, la capa conceptual o capa intermedia es la encargada de realizar la interpretación de comportamientos y eventos que suceden en el entorno. A partir de la información que procede de la capa inferior, se construye el conjunto de variables (V) y el dominio de definición de cada una de ellas (DDV ), que serán utilizadas por los componentes de normalidad para analizar lo que ocurre en cada instante de tiempo. Llamamos componentes de normalidad a aquellos componentes software independientes que analizan la normalidad de acuerdo a un concepto ci, por tanto, por cada concepto ci existirá un componente de normalidad. Cuando hablamos de componentes software independiente nos referimos a que cada uno de ellos puede tener su propio núcleo de razonamiento y estar implementado con tecnologías diferentes (esto es posible gracias al uso de un middleware).
Entre las grandes ventajas de este planteamiento podemos destacar dos de ellas:
- El sistema es fácilmente extensible. Si queremos ampliar el análisis de normalidad basta con definir un nuevo concepto y construir su correspondiente componente de normalidad.
- El sistema es de naturaleza distribuida. Gracias al uso del middleware y la descomposición en componentes independientes, cada uno de ellos puede estar localizado en una máquina diferente. Esta característica es vital en un sistema de seguridad, ya que al no ser un sistema centralizado éste podrá seguir funcionando correctamente aunque alguna de las partes quede dañada. Además, recordemos que otro de los requisitos fundamentales era ofrecer respuestas en un tiempo cercano al real, por lo que el hecho de disponer de varios núcleos de procesamiento hace más factible la consecución de este objetivo.
Actualmente, el sistema OCULUS cuenta con un componente de normalidad para analizar las trayectorias que siguen los objetos en el entorno observado. La formalización del concepto trayectoria normal y su normalidad se ha llevado a cabo mediante el formalismo presentado en este trabajo y el uso del lenguaje CLIPS. Además, no sólo se utiliza el lenguaje para la representación del conocimiento, sino que también su potente motor de inferencia para realizar el proceso de análisis e interpretación.
Para finalizar la descripción de la capa intermedia, es donde se encuentran los módulos de análisis de anormalidades, el análisis global de normalidad y el módulo de predicción. El primero de ellos se ejecuta en paralelo con el análisis de normalidad, es decir, se intentan buscar correspondencias entre las conductas actuales y las conductas anormales más comunes que han sido definidas. Por otra parte, el segundo módulo analiza un análisis global de normalidad en función de los resultados ofrecidos por cada componente de normalidad (la situación actual será normal siempre y cuando cada uno de los componentes indique normalidad). El último de los módulos (módulo de predicción) es el encargado de intentar anticiparse a futuros sucesos. Este módulo juega un papel vital, ya que en un sistema de seguridad no sólo es importante determinar qué es lo que ha ocurrido sino que también intentar evitar aquellos sucesos que puedan ser perjudiciales para el entorno. Es importante recalcar que estos últimos módulos no han sido implementados aún y su creación forma parte de las líneas de trabajo futuro.
Finalmente, la última capa es la encargada de realizar la gestión de crisis y tomar las decisiones en función de los análisis realizados por la capa subyacente. Como entrada podría recibir la identificación de una o varias situaciones anormales reconocidas, análisis de normalidad negativo porque no se ha cumplido la normalidad de algún concepto y ninguna situación anormal reconocida, o bien, todas las situaciones reconocidas como normales. Además de estas entradas, la capa superior también tiene en cuenta las predicciones para tomar las decisiones.
El comportamiento de un objeto siempre es clasificado como normal o anormal independientemente del número de trayectorias que esté siguiendo (recordemos que los comportamientos normales suelen variar de una clase de objeto a otra). Normalmente, las condiciones de iluminación, sombras, oclusiones y la perspectiva suelen ser las principales causas de clasificaciones incorrectas en el análisis de vídeo.
Para reconocer las trayectorias que realizan los objetos es necesario determinar en cada momento la zona o el área donde se encuentran. En este contexto, tanto la altura de la cámara como el ángulo son dos factores claves para determinar la ubicación de un objeto (ambos determinan la perspectiva). Al igual que sucede con la clasificación de los objetos, la localización incorrecta repercute directamente en los resultados finales, ya que el sistema interpretará trayectorias que realmente no están ocurriendo. (Jiménez)
Con la implementación de un sistema de video vigilancia experimental fue posible detectar situaciones en las que el personal docente y alumnado se exponen alarmantemente a sufrir algún tipo de daño al hacer uso inapropiado de los equipos de seguridad, por la ausencia de los mismos o por laborar en situaciones y ambientes desordenados.
Se ha elaborado un estudio del arte sobre los sistemas de vigilancia donde ha quedado de manifiesto la evolución desde los primeros sistemas más rudimentarios de circuito cerrado CCTV, hasta los sistemas de tercera generación distribuidos formados por multitud de tipos de sensores y con capacidad para interpretar lo que sucede en el entorno observado por dichos sensores. Son éstos últimos, conocidos también como sistemas cognitivos de seguridad avanzados o de tercera generación, los que se encuentran aún en fase de investigación y no han alcanzado un nivel de madurez aceptable. Además, con el objetivo de ofrecer un enfoque general y poner en contexto el trabajo de investigación, se han analizado las diferentes etapas que suelen formar parte de un sistema de este tipo y se han descrito algunos de los trabajos más importantes en cada una de ellas.
Todavía existe una fuerte dependencia entre las capas de un sistema cognitivo donde el resultado obtenido por cada una de las capas sirve como entrada para la capa inmediatamente superior, es decir, el éxito o fracaso en los resultados obtenidos por las capas inferiores repercute directamente en el trabajo de las capas superiores. Esta dependencia es uno de los principales motivos por los cuales la mayoría de investigadores optan por elegir las capas inferiores para centrar sus trabajos y son pocos los que deciden simular los datos ofrecidos por las capas inferiores para trabajar directamente en las superiores. De hecho, el nivel de madurez y número de trabajos propuestos en las capas inferiores es mucho mayor, y actualmente existen algoritmos muy eficientes para el tratamiento de señales, procesamiento de vídeo, segmentación, tracking, etc. No ocurre así con las capas superiores donde no abundan los trabajos orientados a la seguridad para representar y analizar comportamientos complejos. Por este motivo se ha decido centrar el trabajo de investigación en el modelado de entornos reales y el análisis de comportamientos en entornos observados, simulando y obteniendo de forma manual los datos que deben ofrecer las capas de bajo nivel.
En concreto, en el presente trabajo queda todavía en desarrollo por lo que si se intenta hacer una estimación económica todavía quedaría a la deriva ya que faltan varios factores por investigar, estos factores son el desarrollo y obtención de un sistema para las instalaciones del plantel las cuales se pretendan ser las más óptimas para nuestras necesidades por lo que se ha propuesto un modelo para representar y formalizar la normalidad de un entorno. Este modelo permite definir varios conceptos de un entorno (velocidad, trayectorias, tamaño, etc), la normalidad de éstos de forma general en base a una serie de restricciones, la normalidad de cada concepto en un entorno concreto con instanciaciones de estas restricciones, y la normalidad de los objetos en ese entorno en base a los conceptos definidos.
- http://itzamna.bnct.ipn.mx/dspace/bitstream/123456789/11622/1/3.pdf
- http://e-archivo.uc3m.es/bitstream/handle/10016/10587/PFC_FranciscoJavier_Briceno_Sanz.pdf?sequence=1
- http://www.axis.com/files/whitepaper/wp_retail_smarter_way_31882_es_0804_lo.pdf
- http://repository.javeriana.edu.co/bitstream/10554/1385/1/MoraMarinoDavidLeonardo2010.pdf
- http://www.documentalistaenredado.net/contenido/mod_vig_cast.pdf
- http://www.esi.uclm.es/www/jalbusac/doc/masteralbusac.pdf
Papers relacionados
