Drones inteligentes para asegurar que se cumplen las medidas anti-COVID-19 en playas y conciertos
El objetivo es proporcionar a los agentes de la ley (y a la población) la información sobre el aforo que hay en actos multitudinarios en lugares abiertos: playas, conciertos al aire libre, rutas ciclistas, manifestaciones, entre otros
Dan Gold | Unsplash
Los drones han sido una valiosa herramienta en múltiples situaciones de emergencia como huracanes, terremotos o desastres nucleares. Pueden despegar rápidamente, volar a más baja altura que un avión o un helicóptero convencional, y obtener a un coste menor imágenes de muy alta resolución.
En la lucha contra la pandemia[contexto id=»460724″], estos vehículos aéreos son una herramienta ideal para el control del aforo en actos públicos al aire libre y para medir la distancia de seguridad que recomienda la Organización Mundial de la Salud para lugares abiertos.
Con este objetivo, el grupo de investigación ICARUS de la Universidad Politécnica de Cataluña trabaja en el proyecto Drones against COVID-19. Propagación by Controlling Capacity in Public Spaces.
Nuestro grupo ha participado en el desarrollo de la tecnología y las aplicaciones de las aeronaves no tripuladas desde 2006. Hemos desarrollado, entre otras tecnologías, técnicas de visión por ordenador para que los drones tengan una navegación más segura. Nuestro objetivo es integrar a bordo múltiples herramientas de reconocimiento de imágenes. Actualmente nos enfocamos en algoritmos de inteligencia artificial[contexto id=»381729″] capaces de detectar objetos directamente durante el vuelo.
Vigilantes voladores inteligentes
La base del proyecto es utilizar drones equipados con cámaras y un software que se ejecuta sobre el visor de vuelo del piloto (una tableta con sistema operativo Android). El objetivo es proporcionar a los agentes de la ley (y a la población) la información sobre el aforo que hay en actos multitudinarios en lugares abiertos: playas, conciertos al aire libre, rutas ciclistas, manifestaciones, entre otros. Así, se podrán prevenir contagios por COVID-19.
Para que la información recogida sea útil, es importante que se obtenga en tiempo real, de forma que permita actuar a los agentes en sus tareas de vigilancia y control, y salvaguardar así la salud del público participante. Por ese motivo, estamos optimizando los algoritmos de visión por ordenador y procesamiento de imágenes para su rápida ejecución en el dispositivo del piloto.
La operativa consiste en que un agente de la policía local o del servicio de seguridad del evento vuele un dron a más de 50 metros de altura para obtener las imágenes de agrupaciones de personas. Estas imágenes, visibles desde el mando del piloto, serán procesadas con el software, permitiendo informar rápidamente sobre cuántas personas hay en los diferentes escenarios.
En menos de 5 minutos, se puede tener toda la información necesaria para tomar medidas en caso necesario. Las imágenes aéreas obtenidas y procesadas pueden ser transferidas al centro de control de forma casi inmediata para hacer partícipes de las decisiones a los altos mandos.
Actualmente estamos trabajando en colaboración con la guardia urbana de Castelldefels, que nos proporciona imágenes aéreas para entrenar los algoritmos y revisar la aplicación. Esperamos que puedan probar todo el sistema, dron incluido, en septiembre.
Algoritmos que detectan personas
Entrenamos modelos de datos basándonos en diferentes algoritmos de aprendizaje de profundidad (deep learning) para identificar qué formas de la imagen corresponden a una persona. Otros modelos anteriores están entrenados con las vistas utilizadas habitualmente por cámaras estáticas ubicadas en la calle o en interiores. En este caso, las imágenes recogidas por el dron tienen vistas verticales que necesitan nuevos entrenamientos.
La interfaz ya está diseñada y es capaz de trabajar con diferentes modelos para detectar individuos, incluso desde alturas en las que se pierde la resolución de la imagen. Además de la detección de personas suficientemente aisladas para ser detectadas individualmente, estamos ampliando las redes neuronales para que reconozcan y clasifiquen los patrones que identifican una agrupación compacta de personas.
Mejoraremos los algoritmos para detectar personas incluso en áreas de la imagen en las que, por la superposición de formas, no se distingue claramente si el objeto corresponde a un conjunto de personas o en los casos en que varias partes del cuerpo humano quedan ocultas. Estos nos permitirá estimar el número de individuos que aparece en una fotografía y la distancia que guardan entre ellas.
Privacidad de los observados
Para salvaguardar la privacidad y evitar la identificación individual de las personas en una imagen, se programará un desenfoque automático de los rostros captados, de acuerdo con el Reglamento General de Protección de Datos sobre la privacidad de las personas.
Los principales retos por resolver son:
- Mejorar la fiabilidad de los algoritmos de clasificación con redes neuronales, que ahora está en el 80%-90%.
- Optimizar el rendimiento en la ejecución de los algoritmos de aprendizaje profundo para el dispositivo Android en el que se ejecutan usando threads (la versión actual tarda unos 30 segundos).
- Crear una base de datos pública de imágenes aéreas tomadas por drones y etiquetadas, similares a ImageNet, MS-COCO, o CIFAR-10.
Este artículo fue publicado originalmente en The Conversation. Lea el original.
