{"id":1814,"date":"2019-09-17T19:31:58","date_gmt":"2019-09-17T18:31:58","guid":{"rendered":"https:\/\/evenbytes.com\/aplicacion-de-redes-neuronales-usando-aprendizaje-automatico-para-el-reconocimiento-de-video-en-directo\/"},"modified":"2021-07-06T15:49:54","modified_gmt":"2021-07-06T14:49:54","slug":"aplicacion-de-redes-neuronales-usando-aprendizaje-automatico-para-el-reconocimiento-de-video-en-directo","status":"publish","type":"page","link":"https:\/\/evenbytes.com\/es\/casos-de-uso\/aplicacion-de-redes-neuronales-usando-aprendizaje-automatico-para-el-reconocimiento-de-video-en-directo\/","title":{"rendered":"Aplicaci\u00f3n de redes neuronales usando aprendizaje autom\u00e1tico para el reconocimiento de v\u00eddeo en directo"},"content":{"rendered":"

[vc_row css_animation=\u00bb\u00bb row_type=\u00bbrow\u00bb use_row_as_full_screen_section=\u00bbno\u00bb type=\u00bbgrid\u00bb angled_section=\u00bbno\u00bb text_align=\u00bbleft\u00bb background_image_as_pattern=\u00bbwithout_pattern\u00bb z_index=\u00bb\u00bb css=\u00bb.vc_custom_1582650368133{margin-top: 55px !important;padding-top: 40px !important;padding-bottom: 20px !important;background-color: #494949 !important;}\u00bb el_id=\u00bbusecase-header\u00bb][vc_column width=\u00bb2\/3″ offset=\u00bbvc_hidden-lg vc_hidden-md vc_hidden-sm vc_hidden-xs\u00bb][vc_raw_html]PGRpdiBzdHlsZT0icG9zaXRpb246IHJlbGF0aXZlOyBwYWRkaW5nLXRvcDogNjAlOyI+PGlmcmFtZSBzdHlsZT0icG9zaXRpb246IGFic29sdXRlOyB0b3A6IDA7IGxlZnQ6IDA7IHdpZHRoOiAxMDAlOyBoZWlnaHQ6IDEwMCU7IG92ZXJmbG93OiBoaWRkZW47IiBzcmM9Imh0dHBzOi8vcG9jLW1sLWltYWdlc3JlY29nbml0aW9uLmZpcmViYXNlYXBwLmNvbS92aWRlbyIgZnJhbWVib3JkZXI9IjAiIGFsbG93ZnVsbHNjcmVlbj0iYWxsb3dmdWxsc2NyZWVuIj48L2lmcmFtZT48L2Rpdj4=[\/vc_raw_html][\/vc_column][vc_column width=\u00bb1\/3″ css=\u00bb.vc_custom_1625582963525{margin-top: 8px !important;padding-top: 20px !important;padding-right: 20px !important;padding-bottom: 20px !important;padding-left: 20px !important;background-color: #d6d6d6 !important;}\u00bb offset=\u00bbvc_hidden-lg vc_hidden-md vc_hidden-sm vc_hidden-xs\u00bb][vc_column_text]<\/p>\n

Aplicaci\u00f3n de REDES NEURONALES usando APRENDIZAJE AUTOM\u00c1TICO para el reconocimiento de v\u00eddeo en directo<\/h2>\n

[\/vc_column_text][vc_separator type=\u00bbnormal\u00bb color=\u00bb#1e73be\u00bb down=\u00bb20px\u00bb][vc_raw_html]PGRpdiBzdHlsZT0icG9zaXRpb246IHJlbGF0aXZlOyBwYWRkaW5nLXRvcDogNTYuMjUlOyI+PGlmcmFtZSBzdHlsZT0icG9zaXRpb246IGFic29sdXRlOyB0b3A6IDA7IGxlZnQ6IDA7IHdpZHRoOiAxMDAlOyBoZWlnaHQ6IDEwMCU7IiBzcmM9Imh0dHBzOi8vcG9jLW1sLWltYWdlc3JlY29nbml0aW9uLmZpcmViYXNlYXBwLmNvbS9pbmZvIiBmcmFtZWJvcmRlcj0iMCIgYWxsb3dmdWxsc2NyZWVuPSJhbGxvd2Z1bGxzY3JlZW4iPjwvaWZyYW1lPjwvZGl2Pg==[\/vc_raw_html][vc_column_text]* Los datos pueden sufrir un retraso de 10-20″ respecto al v\u00eddeo.<\/span>[\/vc_column_text][\/vc_column][\/vc_row][vc_row css_animation=\u00bb\u00bb row_type=\u00bbrow\u00bb use_row_as_full_screen_section=\u00bbyes\u00bb type=\u00bbgrid\u00bb angled_section=\u00bbno\u00bb text_align=\u00bbleft\u00bb background_image_as_pattern=\u00bbwithout_pattern\u00bb z_index=\u00bb\u00bb css=\u00bb.vc_custom_1568279382602{margin-top: 100px !important;margin-bottom: 100px !important;}\u00bb el_id=\u00bbusecase-content\u00bb][vc_column][vc_column_text el_class=\u00bbusecase\u00bb]<\/p>\n

Reconocimiento de v\u00eddeo en tiempo real<\/strong>. Mediante la aplicaci\u00f3n de redes neuronales aplicando aprendizaje autom\u00e1tico analizamos las im\u00e1genes de la c\u00e1mara en directo para obtener informaci\u00f3n de la escena.<\/h2>\n

[\/vc_column_text][vc_empty_space][vc_row_inner row_type=\u00bbrow\u00bb type=\u00bbfull_width\u00bb text_align=\u00bbleft\u00bb css_animation=\u00bb\u00bb][vc_column_inner width=\u00bb3\/5″][vc_column_text]<\/p>\n

TOMA DE DATOS<\/h3>\n

Analizamos y procesamos en tiempo real una emisi\u00f3n en directo de una de las c\u00e1maras p\u00fablicas del aeropuerto Internacional de Gdansk, en Polonia.<\/p>\n

A intervalos de 10 segundo obtenemos un frame de la emisi\u00f3n que procesamos, lo recortamos en el \u00e1rea definido por el rect\u00e1ngulo verde del reproductor de v\u00eddeo, ya que esa es la zona que nos interesa analizar y conseguimos reducir la cantidad de informaci\u00f3n a procesar. Almacenamos y analizamos la imagen resultante con distintos modelos de aprendizaje autom\u00e1tico para obtener la informaci\u00f3n necesaria.[\/vc_column_text][vc_empty_space][vc_column_text el_class=\u00bbusecase quote\u00bb]<\/p>\n

\u00abCon estas tecnolog\u00edas conseguimos reconocer im\u00e1genes en tiempo real y aplicarlo a cualquier tipo de industria\u00bb<\/h3>\n

[\/vc_column_text][vc_empty_space][vc_column_text]<\/p>\n

PROCESAMIENTO DE DATOS<\/h3>\n

En la fase de an\u00e1lisis realizamos dos tareas, <\/span>un an\u00e1lisis en tiempo real<\/b> aplicando los modelos para obtener los datos que mostramos en la web (sin almacenarlos) y que identifican por separado si hay o no un avi\u00f3n estacionado, adem\u00e1s de obtener la compa\u00f1\u00eda a\u00e9rea, el modelo de avi\u00f3n y si est\u00e1n o no los veh\u00edculos de carga de combustible y de gesti\u00f3n de equipajes.\u00a0<\/span><\/p>\n

Estos an\u00e1lisis los realizamos mediante dos sistemas de reconocimiento distintos, por un lado aplicamos unos modelos de aprendizaje autom\u00e1tico programados y entrenados por nosotros (modelos y scripts propios) y en paralelo realizamos la misma tarea mediante Cloud Auto ML (un paquete de productos que permite crear modelos personalizados f\u00e1cilmente). Con este doble procesado aumentamos la fiabilidad de los resultados por comparaci\u00f3n, y mejoramos los procesos de entrenamiento de los modelos y scripts propios.<\/span><\/p>\n

Adem\u00e1s del procesado en tiempo real, almacenamos todas las im\u00e1genes recogidas para hacer un nuevo <\/span>procesado completo por la noche<\/b>. Esto es \u00fatil ya que dependiendo del proyecto al que se le apliquen estas tecnolog\u00edas, no siempre ser\u00e1 necesario obtener datos en tiempo real, y en este caso, los datos procesados en lote los almacenamos en Big Query para un an\u00e1lisis posterior obteniendo distintos indicadores.<\/span>[\/vc_column_text][vc_empty_space][vc_column_text el_class=\u00bbusecase quote\u00bb]<\/p>\n

El Aprendizaje autom\u00e1tico es una rama de la inteligencia artificial que se centra en el desarrollo de t\u00e9cnicas que permiten a las m\u00e1quinas aprender por s\u00ed mismas, a partir de los datos que se le suministran<\/h3>\n

[\/vc_column_text][vc_empty_space][vc_column_text]<\/p>\n

EXPLOTACI\u00d3N DE DATOS<\/h3>\n

Con los datos almacenados anteriormente obtenemos distintos indicadores y datos estad\u00edsticos como por ejemplo los tiempos medios de estacionamiento por compa\u00f1\u00eda, tiempos de repostaje, n\u00famero de vuelos diarios estacionados, etc\u2026 lo que nos permite mostrar un ejemplo de la explotaci\u00f3n de datos que podr\u00eda hacerse con el an\u00e1lisis realizado sobre el v\u00eddeo.[\/vc_column_text][vc_empty_space height=\u00bb64px\u00bb][\/vc_column_inner][vc_column_inner width=\u00bb2\/5″ css=\u00bb.vc_custom_1568281556778{padding: 40px !important;background-color: #ffffff !important;}\u00bb][vc_column_text]<\/p>\n

Beneficios Cloud<\/h2>\n

[\/vc_column_text][vc_empty_space height=\u00bb20px\u00bb][vc_column_text]<\/p>\n