Algoritmo más eficaz para reconocimiento computacional de actos humanos en videos

El abaratamiento de las cámaras digitales y su sencillez de manejo han conducido a un incremento espectacular en la producción de video digital. La inmensa cantidad de horas de video generadas puede hacer que intentar localizar una escena concreta sea como buscar una aguja en un pajar, exigiendo por ende una cantidad de trabajo que puede resultar problemática o incluso inviable para la persona o personas interesadas en encontrar la escena.

El uso de software especializado para que sea un ordenador quien busque escenas concretas entre una montaña de videos es una vía de creciente interés. La eficacia de los sistemas de ese tipo depende de la calidad de los algoritmos empleados. Estos posibilitan el reconocimiento de acciones en las imágenes, o dicho de otro modo, determinan qué están haciendo las personas enfocadas y cuándo lo hacen.

Sin embargo, los sistemas convencionales de esta clase aún tienen bastantes limitaciones. Un avance importante, capaz de mejorar notablemente esa situación, se acaba de lograr gracias a los esfuerzos del equipo de Hamed Pirsiavash, del Instituto Tecnológico de Massachusetts (MIT) en Cambridge, y Deva Ramanan, de la Universidad de California en Irvine, ambas instituciones en Estados Unidos. Estos científicos han desarrollado un algoritmo de reconocimiento de actividad que tiene varias ventajas clave sobre sus predecesores.


Una es que el tiempo de ejecución del algoritmo aumenta linealmente con el tamaño del archivo de video que esté revisando. Eso significa que si un archivo tiene un tamaño 10 veces mayor que el de otro, el nuevo algoritmo tardará 10 veces más en procesarlo, no 1.000 veces más como les ocurriría a algoritmos anteriores.

Otra ventaja es que el algoritmo es capaz de hacer buenas suposiciones sobre acciones aún no completadas, de modo que puede trabajar con videotransmisiones en directo, o con video en streaming (como por ejemplo al visualizar vía internet un video a medida que porciones del archivo van llegando, sin necesidad de descargarlo completo antes de verlo). Con la acción aún no completada, el algoritmo calculará qué probabilidades hay de que la acción sea del tipo que esté buscando. Podrá revisar las probabilidades a medida que el video continúe, pero no tendrá que esperar hasta que se termine la acción para valorarla.

Por último, la cantidad de memoria que requiere el algoritmo es fija, independientemente de cuántos fotogramas de video haya ya revisado. Eso significa que, a diferencia de muchos de sus predecesores, puede ocuparse de emisiones de video de cualquier longitud (o archivos de cualquier tamaño).

Información adicional