{{#section.link.href}}
{{section.link.title}}
{{/section.link.href}}
Ocurrió el jueves pasado en un almacén de Indianapolis. Un antiguo trabajador de una empresa entraba en su almacén en el que trabajaban en ese momento unas cien personas y disparo contra ellas. Ocho murieron, siete resultaron heridas. Las armas que portaba el agresor simplemente no fueron detectadas a tiempo.
No es un caso aislado. Las armas viajan por las ciudades y entran en los edificios sin que muchas veces el ojo humano se apercibida. Pero hay otros ojos. Las de los millones de cámaras de circuitos cerrados de televisión que pueblan el planeta. Las hay en las calles, en los bancos, en los aeropuertos, en los edificios oficiales, en los colegios. ¿Por qué no usarlas para detectar las armas?.
La pregunta se la ha hecho un equipo de investigadores de la Universidad de Sevilla, y su respuesta es un artículo publicado en la revista Neural Networks titulado: "Detección en tiempo real de armas en circuitos cerrados de televisión: un problema abierto". En él, muestran cómo esas cámaras son capaces de detectar y marcar las armas de manera autónoma.
¿Cómo lo han hecho? Utilizando lo que se conocen como algoritmos de aprendizaje automático, algoritmos que funcionan de manera muy similar a la corteza visual humana. A partir de una gran cantidad de imágenes, registran objetos y aprenden a diferenciarlos automáticamente. Van mas allá, partiendo de esas bases de imágenes so capaces de hacer predicciones correctas sobre otras nuevas, y retroalimentarse con la nueva información que generan.
Para aplicarlo a las armas, el equipo de investigación `entreno´ al sistema con imágenes reales tomadas en simulacros en la propia universidad, y otras creadas por ordenador, para que la respuesta de la alerta ante la visualización de las armas fuera más precisa y rápida.
“Hemos aumentado la precisión en la detección de objetos pequeños al agregar más variedad de imágenes y situaciones al modelo", explica Juan Antonio Álvarez, autor del artículo. " Sin embargo, los resultados muestran que hay margen de mejora”.
Algunos objetos pequeños pueden aún confundir al sistema y provocar una falsa alarma, pero funciona. Lo pueden ver en un video. Las cámaras marcan las armas que empuñan algunos de los participantes en el simulacro, armas que podrían escapar a la vigilancia de un ser humano que a veces tiene varios monitores a su alrededor o, simplemente, no dispone de imágenes con la calidad suficiente para el ojo humano.
Y no sólo ven más que nosotros, también reaccionan más rápido. En menos de una décima de segundo podrían dar la alarma de la presencia de armas y salvar vidas humanas.