1.     ANTECEDENTES

Los cuerpos de seguridad y protección civil emplean cada vez más drones para la vigilancia de eventos, espacios públicos y zonas de difícil acceso. Sin embargo, el dron se limita en la mayoría de los casos a transmitir vídeo que un operador debe observar de forma continua, y la atención humana no escala: con varias aeronaves en vuelo, o durante horas de vigilancia sin incidencias, las situaciones relevantes pasan desapercibidas o se detectan tarde.

La detección automática de situaciones de riesgo a partir de imagen aérea, como caídas o personas tendidas inmóviles, agresiones y peleas, carreras súbitas o huidas, o la formación repentina de grupos, permitiría alertar al operador solo cuando ocurre algo que requiere su intervención, reduciendo los tiempos de respuesta en emergencias sanitarias y de seguridad. Este tipo de análisis es también la base para que flotas de drones coordinadas puedan reaccionar de forma autónoma, acercándose al punto del incidente o manteniendo el seguimiento de la situación.

El problema presenta dificultades propias que lo distinguen del reconocimiento de acciones en cámaras fijas: las personas aparecen pequeñas y vistas desde arriba o en ángulos oblicuos, la cámara se desplaza y cambia de altura, los conjuntos de datos aéreos con acciones anómalas son escasos y desbalanceados, y los eventos de interés son muy poco frecuentes frente a la actividad normal. Además, el análisis debe respetar la privacidad por diseño, basándose en el comportamiento y no en la identidad de las personas, y ejecutarse en el borde para no depender de la conectividad.

2.    Objetivo del Reto

El desafío consiste en diseñar, entrenar y validar un sistema de reconocimiento de situaciones de riesgo en vídeo aéreo capturado por drones, capaz de detectar en tiempo real al menos caídas o personas tendidas, agresiones o peleas y carreras súbitas, y de generar alertas a nivel de evento con su localización en la imagen, el instante y un clip de evidencia. El sistema debe priorizar un número reducido de falsas alarmas por hora de vuelo y ser eficiente para su despliegue en hardware embarcado o edge.

Como tarea secundaria, podrá abordarse la detección de comportamientos anómalos no vistos durante el entrenamiento (enfoques de conjunto abierto o detección de anomalías) y el uso de datos sintéticos para reforzar las clases minoritarias y las condiciones de vuelo poco representadas (altura, ángulo, iluminación).

Objetivos Técnicos

·        Adquisición de datos: identificar y recopilar conjuntos de datos públicos de acciones humanas desde dron y complementarlos con conjuntos de cámaras terrestres de caídas y violencia, datos sintéticos o grabaciones propias simuladas, definiendo una taxonomía de situaciones común.

·        Detección y seguimiento de personas: adaptar un detector y un tracker multiobjeto a personas pequeñas en imagen aérea, compensando el movimiento propio de la cámara.

·        Reconocimiento de acciones: desarrollar o adaptar un modelo de reconocimiento de acciones comparando enfoques basados en esqueleto (estimación de pose y redes de grafos espacio-temporales), más respetuosos con la privacidad, frente a enfoques basados en clips de vídeo.

·        Lógica de eventos: convertir las predicciones por fotograma en eventos estables mediante persistencia temporal, interacción entre personas (para agresiones) y umbrales por clase, reduciendo alertas espurias.

·        Optimización del modelo: reducir la complejidad del pipeline completo mediante fusión de capas, poda, cuantización y compilación con TensorRT, con mecanismos de degradación gradual (menor resolución o FPS) sin perder continuidad.

·        Validación y pruebas rigurosas: evaluar precisión y recall a nivel de evento, falsas alarmas por hora de vuelo, latencia de alerta y el comportamiento por altura, ángulo de cámara y condiciones de iluminación.

·        Implementación en hardware de bajas prestaciones: asegurar la ejecución en tiempo real del sistema en un dispositivo edge.

3.    Entregable Final

El entregable incluirá:

·        Los conjuntos de datos empleados en el desarrollo y validación, con la taxonomía de situaciones y las anotaciones utilizadas.

·        El código del pipeline de detección, seguimiento y reconocimiento de situaciones, con sus pesos y configuraciones.

·        Documentación detallada del diseño, implementación y optimización del sistema.

·        Un informe de pruebas y validación con la comparativa entre enfoques basados en esqueleto y en vídeo, y el análisis de falsas alarmas.

·        Guía de implementación para sistemas embarcados o edge.

4.    Recursos Internos Disponibles

La empresa proporcionará acceso a:

·        Acceso a hardware y software para el desarrollo y prueba de modelos de IA, incluidos dispositivos edge de la familia NVIDIA Jetson.

·        Asesoramiento técnico y apoyo de expertos en visión por computador y aprendizaje profundo, con experiencia en despliegues reales de análisis de personas y control de aforo.

5.    Cronograma del Proyecto

El proyecto se distribuirá temporalmente del siguiente modo:

·        Semana 1-2: Estudio del estado del arte, recopilación de datos, definición de la taxonomía de situaciones y de las métricas a nivel de evento.

·        Semana 3-4: Detección y seguimiento de personas en imagen aérea con compensación del movimiento de la cámara.

·        Semana 5-6: Desarrollo y entrenamiento de los modelos de reconocimiento de acciones (esqueleto y vídeo).

·        Semana 7-8: Lógica de eventos, evaluación de falsas alarmas y experimentos con datos sintéticos o detección de anomalías.

·        Semana 9-10: Optimización del sistema y pruebas en hardware de bajas prestaciones.

·        Semana 11-12: Documentación final, informe de resultados y preparación para el despliegue.