He visto demasiados proyectos de seguridad fracasar porque la cámara no podía distinguir una bicicleta de un peatón. Los vehículos no motorizados se mueven de manera diferente, y la mayoría de los sistemas PTZ básicos simplemente no pueden seguirles el ritmo.
Sí, nuestro grado industrial Cámaras PTZ con IA1 admiten plenamente el reconocimiento inteligente, el seguimiento clasificado y el análisis de trayectorias para vehículos no motorizados como bicicletas, bicicletas eléctricas y patinetes. El modelo de aprendizaje profundo los trata como una clase de objeto separada con un comportamiento de movimiento único, lo que permite una captura precisa de la trayectoria y alertas en tiempo real.
Cámara PTZ con IA rastreando vehículos no motorizados
A continuación, le explicaré las capacidades exactas que ofrece nuestro sistema. Responderé a las preguntas más comunes que recibimos de integradores y gerentes de proyectos que necesitan rastrear el tráfico no motorizado en parques, granjas, almacenes y áreas urbanas.
Índice
¿Puede la PTZ seguir a una persona sospechosa en un patinete a través de una zona de parque concurrida?
Los parques concurridos son una pesadilla para las cámaras PTZ tradicionales. Gente paseando perros, niños corriendo, corredores cruzándose. He visto sistemas perder un objetivo de patinete en segundos porque el algoritmo no podía separarlo de la multitud.
Nuestra cámara PTZ utiliza un modelo de detección de objetos combinado que se fija en el ciclista más el vehículo como un único objetivo unificado. Incluso en entornos de parques concurridos con docenas de objetos en movimiento, el sistema mantiene un seguimiento estable prediciendo el vector de movimiento del patinete y filtrando el ruido de los peatones.
Cámara PTZ siguiendo patinete en parque concurrido
Cómo el Sistema Maneja Escenas Concurridas
El desafío principal en un escenario de parque es la densidad de objetos. Puede haber 30 o 40 personas en el cuadro a la vez. Una cámara básica de detección de movimiento saltaría entre objetivos o perdería el patinete por completo. Nuestro firmware resuelve esto con un enfoque en capas.
Primero, el clasificador de IA se ejecuta en cada objeto detectado en el cuadro. Asigna a cada uno una categoría: peatón, bicicleta, bicicleta eléctrica, patinete o vehículo. Esto ocurre en tiempo real en el borde, no en la nube. No hay retraso de ida y vuelta.
Segundo, una vez que selecciona un objetivo (o el sistema lo selecciona automáticamente según sus reglas), el rastreador utiliza lo que llamamos predicción de vector de movimiento2. Observa la velocidad y dirección del patinete en los últimos fotogramas. Luego calcula dónde estará el patinete en los próximos 200 milisegundos. El motor de paneo-inclinación comienza a moverse antes de que el patinete llegue allí.
Por qué la detección de “objetos combinados” es importante
Aquí hay un problema que he visto en muchos sitios de trabajo. Un conductor se baja del patinete y empieza a empujarlo. Un rastreador básico ve ahora dos objetos separados: una persona y un vehículo. No sabe cuál seguir. A veces cambia completamente de ID.
Nuestro algoritmo trata al conductor y al vehículo como un solo objeto combinado. Cuando el conductor se baja, el sistema mantiene ambos en el encuadre y mantiene el mismo ID de seguimiento3. Sin cambio de ID. Sin objetivo perdido.
Parámetros clave de seguimiento para despliegues en parques
| Parámetro | Valor | Por qué es importante |
|---|---|---|
| Objetos rastreados máximos | 30 simultáneos | Maneja escenas de parques concurridos sin perder objetivos. |
| Tiempo de readquisición | < 2 segundos | Si un árbol bloquea brevemente la vista, el sistema vuelve a encontrar el objetivo rápidamente. |
| Velocidad de seguimiento | Panorámica de hasta 200°/seg | Se mantiene al día con patinetes que se mueven a 25 km/h a través del campo de visión. |
| Retención de ID | Mantiene a través de oclusiones | El ID del objetivo sigue siendo el mismo incluso después de un bloqueo temporal. |
El papel del 4G en la monitorización remota de parques
Muchas instalaciones de parques no tienen internet por cable. Nuestro módulo 4G LTE4 envía alertas y clips de vídeo cortos a su teléfono o VMS en segundos. El seguimiento se ejecuta localmente en la cámara. No necesita la red para seguir al objetivo. La red solo se utiliza para notificaciones y visualización remota.
¿Registrará el sistema el “Historial de Trayectoria” de una bicicleta para su revisión forense posterior al evento?
Después de un incidente, la primera pregunta siempre es: “¿De dónde vinieron y adónde fueron?”. He tenido clientes que perdieron reclamaciones de seguros porque sus cámaras antiguas no tenían forma de mostrar la ruta de una bicicleta a través de la propiedad.
Sí, el sistema registra el historial de rutas completas para cada vehículo no motorizado rastreado. Puede reproducir la trayectoria en una superposición de mapa, exportar datos estructurados referenciados por GPS y usar mapas de calor para identificar patrones de viaje repetidos durante días o semanas.
Reproducción del historial de rutas del seguimiento de bicicletas
Cómo se registra el historial de rutas
Cada vez que el rastreador de IA se fija en un vehículo no motorizado, comienza a registrar datos de posición. Esto incluye las coordenadas de píxeles del objeto en el fotograma, la posición de paneo-inclinación-zoom correspondiente de la cámara y una marca de tiempo precisa hasta el milisegundo.
Estos datos se almacenan localmente en la tarjeta SD de la cámara o se envían a su NVR. Cuando necesite revisarlos más tarde, abra la interfaz de reproducción y vea la ruta de la bicicleta dibujada como una línea en el fotograma de video. Puede desplazarse hacia adelante y hacia atrás en el tiempo.
Exportación de datos estructurados
Para trabajo forense5, un clip de video por sí solo no siempre es suficiente. Nuestro sistema exporta los datos de ruta como un archivo estructurado6. Esto significa que obtiene una tabla de marcas de tiempo, coordenadas y valores de velocidad. Puede importar esto a su propio software de análisis o entregarlo a las fuerzas del orden.
Análisis de mapas de calor para patrones a largo plazo
La función de mapa de calor es donde esto se vuelve realmente útil para los clientes B2B. Digamos que administra un complejo de almacenes. Durante 30 días, el sistema recopila todas las rutas de bicicletas y bicicletas eléctricas que cruzan su propiedad. Luego genera un mapa de calor7 que muestra las rutas más comunes.
Esto le dice cosas como:
- ¿Los repartidores cortan por una zona restringida todas las mañanas?
- ¿Hay un hueco en la línea de su cerca que las personas en bicicleta usan regularmente?
- ¿Ciertas rutas solo aparecen por la noche?
Flujo de trabajo de revisión forense
Aquí está el flujo de trabajo típico que recomiendo a nuestros socios integradores:
- Ocurre un incidente. Recibe una alerta o un informe.
- Abre el NVR y busca por tipo de objeto: “bicicleta” o “bicicleta eléctrica”.”
- Establece la ventana de tiempo. El sistema muestra todas las trayectorias rastreadas durante ese período.
- Selecciona la trayectoria relevante y exporta el clip de video más el archivo de datos.
- Entregas ambos a tu cliente o a las fuerzas del orden.
Todo este proceso lleva minutos, no horas. No necesitas revisar manualmente 24 horas de metraje.
Especificaciones de datos de trayectoria
| Característica | Detalle | Beneficio |
|---|---|---|
| Formato de almacenamiento | Exportación JSON / CSV | Fácil de importar a cualquier herramienta de análisis. |
| Período de retención | Hasta 90 días en el NVR | Cubre la mayoría de los plazos de investigación. |
| Generación de mapa de calor | Diario / Semanal / Mensual | Muestra patrones de comportamiento a largo plazo. |
| Filtros de búsqueda | Tipo de objeto, hora, zona | Encuentra el evento exacto en segundos. |
| Sistema de coordenadas | Posición PTZ + mapa de píxeles | Permite la reconstrucción espacial de la trayectoria. |
¿Cómo distingue el rastreador entre un carril bici y una pasarela peatonal?
Esta es una pregunta que me hacen casi todos los urbanistas y gerentes de seguridad de campus. No solo quieren rastrear objetos. Quieren que el sistema entienda dónde deberían y no deberían estar esos objetos.
El sistema utiliza el mapeo de zonas definido por el usuario combinado con la clasificación de objetos. Usted dibuja zonas en la vista en vivo de la cámara y asigna reglas a cada zona. Si una bicicleta entra en una zona solo para peatones, o un peatón camina por un sendero para bicicletas, la cámara activa una alerta específica según el tipo de infracción.
Mapeo de zonas para sendero de bicicletas vs. pasarela peatonal
Motor de reglas basado en zonas
La interfaz web de la cámara le permite dibujar polígonos directamente en la transmisión de video en vivo. Cada polígono se convierte en una zona con nombre. Luego, asigna reglas a esa zona. Por ejemplo:
- Zona A (Sendero para bicicletas): Permite bicicletas y bicicletas eléctricas. Alerta si un peatón permanece más de 10 segundos.
- Zona B (Pasarela peatonal): Permite peatones. Alerta inmediatamente si entra cualquier vehículo no motorizado.
- Zona C (Sendero compartido): Permite ambos. Sin alertas para el tráfico normal. Alerta solo si la velocidad excede un umbral.
Esta lógica de zonas se ejecuta completamente en el procesador de la cámara. No necesita un servidor ni una conexión a la nube para tomar decisiones.
Cómo funciona la clasificación en el borde
El modelo de IA que se ejecuta en la cámara de nuestra NPU (Unidad de Procesamiento Neuronal)8 clasifica cada objeto en movimiento en una de varias categorías. Para vehículos no motorizados, analiza la forma, el tamaño, la relación de aspecto y el patrón de movimiento. Una bicicleta tiene una silueta muy diferente a la de una persona caminando. Una bicicleta eléctrica es más ancha y se mueve más rápido que un peatón.
El clasificador actualiza su decisión cada fotograma. Por lo tanto, si alguien se baja de su bicicleta y comienza a caminar, el sistema los reclasifica de “ciclista” a “peatón” en aproximadamente un segundo. Esto significa que las reglas de zona aún se aplican correctamente.
Manejo de casos extremos
Las implementaciones en el mundo real siempre tienen casos extremos. Aquí están los que he visto con más frecuencia y cómo el sistema los maneja:
- Persona empujando una bicicleta: Clasificado como “peatón con objeto”. El sistema se puede configurar para tratar esto como un peatón o un ciclista, según su preferencia.
- Patineta o patines: Estos caen en la categoría de peatón por defecto. Si necesita que se traten por separado, nuestro firmware admite entrenamiento de clases personalizadas para socios OEM.
- Silla de ruedas o scooter de movilidad: Clasificado por separado de los scooters recreativos. El sistema no activará una alerta de “vehículo no motorizado” para dispositivos de movilidad.
Por qué esto es importante para la responsabilidad
Si usted es un integrador que entrega un proyecto de seguridad en un campus, su cliente necesita pruebas de que el sistema puede hacer cumplir la separación de carriles. Esto no se trata solo de conveniencia. Se trata de responsabilidad. Si un ciclista atropella a un peatón en una pasarela, el propietario puede enfrentar preguntas legales sobre si tenía una supervisión y aplicación adecuadas.
Nuestras alertas basadas en zonas brindan a su cliente un registro documentado. Pueden demostrar que el sistema detectó la infracción y envió una alerta. Esa es una posición sólida en cualquier discusión sobre responsabilidad.
¿Puedo establecer un “Umbral de Velocidad” para ignorar el tráfico no motorizado de movimiento lento?
Las alertas falsas matan la confianza en cualquier sistema de seguridad. He tenido clientes que desactivaron todo su sistema de alertas porque recibían 200 notificaciones al día de bicicletas que se movían lentamente y que no representaban ninguna amenaza.
Sí, puede establecer umbrales de velocidad mínima y máxima para las alertas de vehículos no motorizados. El sistema calcula la velocidad del mundo real de cada objeto utilizando un mapeo calibrado de píxeles a distancia. Los objetos que se mueven por debajo de su umbral se ignoran, y los objetos que lo superan activan alertas inmediatas.
Configuración del umbral de velocidad para vehículos no motorizados
Cómo funciona el cálculo de velocidad
La cámara no tiene un radar incorporado. En cambio, utiliza un proceso de calibración. Durante la configuración, le dice al sistema la distancia del mundo real entre dos puntos de referencia en el fotograma. Tal vez sea el ancho de una carretera o la distancia entre dos postes de valla.
Una vez calibrado, el sistema puede convertir el movimiento de píxeles en velocidad del mundo real. Si una bicicleta se mueve 50 píxeles en un segundo, y el sistema sabe que 50 píxeles equivalen a 5 metros, entonces la bicicleta se mueve a 5 m/s (aproximadamente 18 km/h).
Este cálculo se ejecuta continuamente para cada objeto rastreado. La precisión es de aproximadamente 10% para objetos que se mueven perpendicularmente a la línea de visión de la cámara. Los objetos que se mueven directamente hacia o lejos de la cámara son más difíciles de medir, pero el sistema se compensa utilizando datos del nivel de zoom.
Configuración de reglas de velocidad
En la interfaz de configuración de la cámara, encontrará los ajustes de umbral de velocidad en el menú “Evento Inteligente”. Esto es lo que puede configurar:
- Velocidad mínima: Los objetos por debajo de esta velocidad no activarán alertas. Establécelo en 5 km/h para ignorar bicicletas estacionadas o personas empujando un carrito lentamente.
- Velocidad máxima: Los objetos por encima de esta velocidad activan una alerta de alta prioridad. Establécelo en 30 km/h para detectar bicicletas eléctricas circulando a gran velocidad por una zona restringida.
- Combinación Velocidad + Zona: Puede aplicar diferentes umbrales a diferentes zonas. Un carril bici podría permitir hasta 25 km/h, mientras que un área de muelle de carga podría alertar ante cualquier cosa superior a 10 km/h.
Ejemplos prácticos
Así es como he visto a los clientes utilizar los umbrales de velocidad en implementaciones reales:
Perímetro de la granja: El cliente tenía trabajadores en bicicleta moviéndose lentamente a lo largo de la valla cada mañana. Estos estaban autorizados. Pero cualquiera que se moviera rápido (por encima de 20 km/h) a lo largo del perímetro era sospechoso. Establecer un umbral mínimo de 20 km/h eliminó todas las alertas rutinarias y, al mismo tiempo, detectó intrusos.
Zona de carga del almacén: Carretillas elevadoras y bicicletas de reparto comparten el mismo espacio. El cliente estableció un umbral máximo de 15 km/h. Cualquier vehículo no motorizado que superara esa velocidad en la zona de carga activaba una alerta, ya que significaba que alguien conducía de forma imprudente cerca de equipos pesados.
Campus escolar: La escuela quería saber sobre cualquier bicicleta eléctrica o patinete en el campus, independientemente de la velocidad. Establecieron el umbral mínimo en 0 km/h para las zonas del campus. Pero en la acera pública adyacente (también a la vista de la cámara), establecieron un mínimo de 10 km/h para evitar alertas de peatones que pasaban con cochecitos.
Resumen de configuración del umbral de velocidad
| Configuración | Gama | Predeterminado | Caso práctico |
|---|---|---|---|
| Disparador de velocidad mínima | 0–50 km/h | 5 km/h | Ignorar objetos estacionados o muy lentos. |
| Disparador de velocidad máxima | 5–100 km/h | 40 km/h | Detectar amenazas en rápido movimiento. |
| Anulación específica de zona | Por zona | Hereda global | Reglas diferentes para áreas diferentes. |
| Prioridad de alerta | Baja / Media / Alta | Medio | Alta para infracciones de velocidad en zonas sensibles. |
| Precisión de calibración | ±10% | — | Mejor para movimiento perpendicular a la cámara. |
Reducir alertas falsas sin perder amenazas reales
El objetivo de los umbrales de velocidad es simple: menos notificaciones inútiles, más alertas procesables. En mi experiencia, un umbral de velocidad bien configurado reduce las alertas falsas entre un 60 y un 80% en la mayoría de los escenarios de vehículos no motorizados. Eso significa que su equipo de monitoreo presta atención cuando llega una alerta, porque confía en que es real.
Combinado con la clasificación de objetos (para que solo se alerte sobre bicicletas, no sobre perros o basura volando) y las reglas de zona (para que solo se vigilen las áreas que importan), los umbrales de velocidad completan la pila de filtrado. Termina con un sistema que solo le molesta cuando sucede algo genuinamente inusual.
Conclusión
Nuestras cámaras PTZ con IA rastrean vehículos no motorizados con detección clasificada, registro de trayectorias, reglas basadas en zonas y filtrado de velocidad. Cada función se ejecuta en el borde para una respuesta en tiempo real, incluso en implementaciones 4G alimentadas por energía solar en ubicaciones remotas.
1. Aprenda los fundamentos de la tecnología de cámaras PTZ, incluidas las capacidades de paneo, inclinación y zoom. ︎↩︎ 2. Explore cómo se utiliza la estimación de movimiento para predecir el movimiento de objetos y mejorar la precisión del seguimiento. ︎↩︎ 3. Aprenda cómo los ID de seguimiento persistentes mantienen la identidad del objeto a través de fotogramas y oclusiones. ︎↩︎ 4. Comprenda el papel de LTE en la habilitación de la conectividad remota y las alertas en tiempo real desde cámaras de campo. ︎↩︎ 5. Explore cómo se utiliza el análisis de video forense para reconstruir eventos y apoyar investigaciones. ︎↩︎ 6. Aprenda sobre formatos de archivo estructurados como CSV utilizados para exportar datos de rutas para análisis posterior al evento. ︎↩︎ 7. Aprenda cómo los mapas de calor visualizan la frecuencia y los patrones de las rutas de los objetos rastreados a lo largo del tiempo. ︎↩︎ 8. Comprenda cómo los procesadores de IA dedicados permiten la inferencia en el borde en tiempo real para la clasificación de objetos. ︎↩︎