VICTORY – VIsion and Crowdsensing Technology for an Optimal Response in physical-securitY

Todas las ciudades del mundo sufren sucesos de diversa índole que ponen en peligro la vida de sus ciudadanos. El sector de la seguridad privada protege centros públicos y privados con profesionalidad, pero la gran diversidad de sucesos posibles hace muy complicado prevenirlos, y planificar la respuesta óptima ante cada amenaza. Desgraciadamente, la actual situación de alerta global por la proliferación de actos terroristas, directamente orientados hacia la ciudadanía, no ha hecho más que resaltar la necesidad de hacer evolucionar los sistemas de seguridad actuales para hacer frente a las amenazas de la mejor forma posible.

El objetivo de este proyecto es definir una arquitectura software que permita aumentar significativamente la eficacia y velocidad de respuesta ante una amenaza de seguridad acaecida en un área previamente definida (por ejemplo un edificio) a la que llamaremos ‘zona de seguridad’ (ZS). Para ello se definen los siguientes subobjetivos:

  1. Diseñar una solución que permita detectar, analizar y clasificar amenazas de seguridad haciendo uso de nuevas tecnologías y generando un avance en el estado del arte con respecto a las soluciones actuales.
  2. Ofrecer información rápida y personalizada a las víctimas potenciales que se encuentren dentro de la ZS, así como al personal de seguridad para facilitar una gestión de la amenaza optimizada.

Para ello se diseñarán los siguientes sistemas:

  • Un sistema eficiente basado en crowdsensing geolocalizado que permita llevar a cabo un reconocimiento de actividades físicas personal y grupal de los ocupantes de la ZS. Permitirá detectar situaciones anómalas, aglomeraciones, caídas y estampidas entre otros indicios relevantes mediante las unidades inerciales de los smartphones y técnicas de machine learning.
  • Un sistema de visión por computador que analice automáticamente las imágenes captadas por las cámaras de seguridad instaladas en la ZS mediante técnicas de Deep Learning. El análisis contempla dos enfoques diferentes y complementarios que aportarán robustez al sistema. Por un lado, la generación de detectores específicos para patrones relevantes (como por ejemplo distintos tipos de armas), y por otro el uso de autoencoders que alerten de situaciones anómalas que se desvíen de las escenas habituales captadas por las cámaras.
  • Un framework de integración que analice los indicios que se van recibiendo del resto de sistemas, inicialmente visión y crowdsensing, y que los procese para establecer niveles de prioridad, porcentajes de probabilidad y acciones a llevar a cabo. Los resultados se mostrarán a los usuarios según su rol:
    • Personal de seguridad: se facilitará a través de una consola central toda la información relativa a los indicios recibidos, dando la posibilidad de confirmar la amenaza o descartarla, y se ofrecerá una relación de actuaciones posibles a efectuar como respuesta. De esa manera se mejorará la precisión en todos los componentes involucrados para que el sistema sea de la máxima utilidad para el personal especializado.
    • Resto de usuarios de la ZS: recibirán a través de una aplicación móvil indicaciones a seguir (por ejemplo recomendaciones para escapar con seguridad de la zona de conflicto) en base a su posición relativa a la amenaza, la naturaleza de la misma y el perfil del usuario (p.ej. movilidad reducida). El mayor reto será conseguir un método capaz de adaptarse y reaccionar con rapidez en un escenario cambiante considerando un gran número de parámetros.

 

VIsion and Crowdsensing Technology for an Optimal Response in physical-securitY, (TIN2017-82113). Ministerio de Economía y Competitividad, Plan Estatal 2013-2016 Retos.

  Fondo Europeo de Desarrollo Regional