¿Qué pasaría si una cámara de seguridad no sólo pudiera capturar video, sino también entender lo que está sucediendo, distinguiendo entre actividades normales y comportamientos potencialmente peligrosos en tiempo real? Investigadores de la Facultad de Ingeniería y Ciencias Aplicadas de la Universidad de Virginia han creado ese futuro con su último avance: se puede instalar un analizador de video inteligente impulsado por inteligencia artificial que detecta acciones humanas en secuencias de video con una precisión e inteligencia sin precedentes.
El sistema, llamado Red de Transformadores Espaciotemporales Semánticos y Conscientes del Movimiento (SMAST), mejorará los sistemas de vigilancia y permitirá un seguimiento del movimiento más avanzado en la atención médica y mejorará la forma en que los vehículos autónomos navegan en entornos complejos. La mejora de la seguridad pública promete beneficios sociales de amplio alcance. .
“Esta tecnología de IA abre la puerta a la detección de acciones en tiempo real en algunos de los entornos más exigentes”, afirmó Scott T. Acton, profesor y presidente del Departamento de Ingeniería Eléctrica e Informática e investigador principal del proyecto. “Este es el tipo de desarrollo que puede ayudar a prevenir accidentes, mejorar los diagnósticos e incluso salvar vidas”.
Innovación impulsada por IA para análisis de vídeo complejos
Entonces, ¿cómo funciona? En esencia, SMAST funciona con inteligencia artificial. El sistema se basa en dos componentes clave para detectar y comprender el comportamiento humano complejo. El primero es un modelo de atención selectiva con múltiples funciones, que ayuda a la IA a centrarse en las partes más importantes de una escena, como una persona o un objeto, mientras ignora detalles irrelevantes. Hace que sea más preciso saber lo que está sucediendo, como por ejemplo. reconocer a un lanzador de pelota en lugar de mover el brazo de alguien.
Otra característica clave es un algoritmo de codificación posicional 2D sensible al movimiento, que ayuda a la IA a rastrear cómo se mueven los objetos a lo largo del tiempo. Imagínese ver un video en el que las personas cambian constantemente de posición: esta herramienta ayuda a la IA a recordar esos movimientos y comprender cómo se relacionan entre sí. Al integrar estas funciones, SMAST puede reconocer con precisión operaciones complejas en tiempo real, lo que las hace más eficientes en escenarios de alto riesgo, como monitoreo, diagnóstico de atención médica o conducción autónoma.
SMAST redefine cómo las máquinas detectan e interpretan las acciones humanas. Los sistemas existentes luchan con secuencias de vídeo contiguas, caóticas y sin editar, a las que a menudo les falta el contexto de los acontecimientos. Pero el diseño innovador de SMAST le permite capturar las relaciones dinámicas entre personas y objetos con una precisión notable, impulsado por componentes de inteligencia artificial que le permiten aprender y adaptarse a los datos.
Estableciendo nuevos estándares en tecnología de detección de acciones
Este salto tecnológico significa que los sistemas de IA pueden identificar acciones como un corredor cruzando la calle, un médico realizando un procedimiento preciso o un riesgo de seguridad en un lugar concurrido. SMAST ya ha superado a las soluciones avanzadas en estándares académicos clave, incluidos AVA, UCF101-24 y EPIC-Kitchens, estableciendo nuevos estándares de precisión y eficiencia.
“El impacto social podría ser enorme”, afirmó Matthew Corbin, investigador postdoctoral asociado que trabaja en el proyecto en el laboratorio de Acton. “Estamos entusiasmados de ver cómo esta tecnología de IA puede transformar las industrias, haciendo que los sistemas basados en video sean más inteligentes y capaces de comprender en tiempo real”.
Esta investigación se basa en el trabajo publicado en el artículo “Una red transformadora espaciotemporal semántica y consciente del movimiento para la detección de acciones”. Transacciones IEEE sobre análisis de patrones e inteligencia artificial. Los autores del artículo son Matthew Corbin, Peter Youngs y Scott T. Acton de la Universidad de Virginia.
Este proyecto fue apoyado por la Fundación Nacional de Ciencias (NSF) bajo la subvención 2000487 y la subvención 2322993.
