Nos encontramos, quizá, en uno de los momentos históricos donde la tecnología está avanzando a mayor velocidad. Se habla con frecuencia de las tecnologías disruptivas que marcarán el futuro a corto y medio plazo, y que afectarán al mundo tal y como lo conocemos ahora. Entre ellas destacan los vehículos no tripulados (aéreos, terrestres y acuáticos), que cambiarán nuestra forma de entender el transporte, la mensajería o los procesos de inspección, seguridad y vigilancia, entre otros. Y es que los vehículos aéreos no tripulados, también conocidos como drones, UAS (Unmanned Aerial System) o RPAS (Remotely Piloted Aircraft System), ofrecen grandes ventajas en el ámbito de la seguridad, como son:
- Realizan la detección de objetivos, permitiendo el seguimiento de los mismos, actuando como cámara móvil.
- Facilitan y agilizan la toma de decisiones gracias a la visión aérea panorámica, así como al envío en tiempo real de toda la información capturada a través de sensores.
- Aportan mayor rapidez y seguridad en las tareas de control y supervisión, permitiendo realizar una valoración previa de la situación y reduciendo la exposición directa del personal.
- Ofrecen mayor flexibilidad, pudiendo acceder a zonas de difícil acceso y adaptándose a los requisitos de cada situación.
Otra de las tecnologías disruptivas es la Inteligencia Artificial, que será una de las tecnologías transversales de mayor impacto en la sociedad en los próximos años. El reciente crecimiento de la capacidad de computación está agilizando la aplicación de las técnicas de Inteligencia Artificial, procesando e interpretando grandes volúmenes de información y extrayendo conclusiones y datos de alta relevancia en menor tiempo. El concepto de Inteligencia Artificial es muy amplio; sin embargo, las técnicas de Machine Learning, y más concretamente la disciplina de Deep Learning, son las que recientemente están teniendo un mayor empuje. Existen varias arquitecturas de Deep Learning basadas en redes neuronales capaces de realizar la detección de objetos, junto con su clasificación y categorización, lo cual las hace idóneas para analizar imágenes capturadas por drones y obtener así información de relevancia.
Combinando la Inteligencia Artificial y los sistemas no tripulados podemos conseguir aplicaciones de mayor complejidad. A la hora de seleccionar e integrar estas tecnologías habrá que tener en cuenta el tipo de escenario y aplicación. Por ello, será conveniente ir paso por paso para conseguir una solución óptima y adaptada al caso de uso:
- Selección del sistema no tripulado.
- Selección de la carga de pago.
- Procesado y análisis.
- Integración de sistemas.
Selección del sistema
Dependiendo del área a recorrer, la zona a monitorear, el tipo de información a capturar, etc., en definitiva, dependiendo de la misión a realizar, será necesario escoger un tipo de dron u otro. Para una misión de vigilancia perimetral generalmente será más apropiado seleccionar un dron de ala fija eléctrico relativamente pequeño, fiable y robusto que pueda realizar su cometido de forma automática durante, al menos, una o dos horas sin requerir de cambio de baterías. Por otro lado, controlar la seguridad de una frontera puede requerir de un UAS de un tamaño mayor con autonomía de cinco o diez horas, capaz de recorrer una zona fronteriza de más de cien kilómetros y realizar un control de inmigración ilegal de manera automática.
Los drones de tipo multicóptero son de fácil manejo, pero debido a la duración de las baterías actuales, por lo general, tienen una velocidad y autonomía muy limitadas, normalmente en torno a los 15-20 minutos, lo cual limita las operaciones a realizar.
La solución en muchos casos se encuentra en los drones cautivos, los cuales, gracias a su alimentación continua, ofrecen una cobertura aérea rápida e ininterrumpida en grandes espacios. Permiten mejorar la seguridad en eventos, monitorizar crisis, reforzar la seguridad pública, actuar como puente radio, la protección de activos o facilitar la vigilancia, tanto privada como militar.
Carga de pago (sensores)
Para mejorar la conciencia situacional será necesario utilizar diferentes tipos de sensores que ofrezcan información precisa del espacio que se está controlando. El desarrollo de sensores de nueva generación, cuya reducción de tamaño, peso y consumo está jugando un papel fundamental, facilita que los drones puedan embarcar cada vez más tipos de sensores.
Las cámaras visuales son el sensor más utilizado en drones, donde características como el zoom, la resolución, la apertura y la sensibilidad son claves para gran parte de las operaciones. Si, además, se complementa con cámaras nocturnas, cámaras térmicas, lidar, cámaras multiespectrales y otra serie de sensores podremos ampliar la información y realizar operaciones de mayor complejidad, como mejorar la visión nocturna, detectar plantaciones ilegales o aumentar la visión a través de vegetación, entre otras aplicaciones avanzadas.
Procesado y análisis
Toda la información capturada puede ponerse a disposición del operador. Sin embargo, el gran volumen de información y la necesidad de analizarla en tiempo real requiere el procesamiento de la misma, ya sea mediante técnicas clásicas de identificación de patrones o técnicas de Inteligencia Artificial basadas en aprendizaje, como Machine Learning, que faciliten las labores del operador. Desde la detección y seguimiento de un intruso en un área o la localización de una embarcación ilegal en una zona fronteriza, hasta la detección de comportamientos anómalos en un evento, el procesamiento en tiempo real es ya una obligación.
Es por ello que uno de los principales requisitos de las aplicaciones de seguridad es el procesamiento e interpretación de toda esa información en tiempo real. En el mejor de los casos, donde el canal de comunicaciones disponga de un buen ancho de banda y se garanticen comunicaciones ininterrumpidas, como es el caso del dron cautivo, el procesamiento se puede realizar en tierra desplegando toda la capacidad de computación necesaria. Sin embargo, para los casos en los que el canal de comunicación de vídeo no esté tan asegurado, pueda haber interferencias (como es el caso de los enlaces por radiofrecuencia), el ancho de banda sea muy costoso (como el enlace por satélite) o tenga alta latencia (como sería el caso del 4G) se hace imprescindible realizar este procesamiento de manera embarcada. De esta forma, el propio vehículo capturará la información del entorno, procesará e interpretará los datos en tiempo real mediante un procesador embarcado y, a través de técnicas de Inteligencia Artificial, detectará las posibles alertas que enviará al centro de control junto con la posición y otra información relevante, de modo que se puedan activar todos los mecanismos de actuación.
Integración de sistemas
Finalmente, esta información deberá integrarse en los centros de control y los sistemas finales de gestión de alertas y de vídeo, así como con sistemas externos (sistemas de información meteorológica, de posicionamiento de embarcaciones o registros de entrada y salida) que permitan verificar las alertas recibidas y cotejarlas con otra información para poder descartarlas o afirmarlas.
Nos encontramos en un escenario de rápida evolución. Los procesadores gráficos pequeños tienen cada vez más capacidad de cómputo, se desarrollan nuevas redes neuronales más rápidas y con mejor capacidad de aprendizaje y de interpretación en diferentes escenarios, así como drones con mejores prestaciones capaces de llegar más lejos en menos tiempo. Estas soluciones no son el futuro, son ya el presente, la tecnología está ya disponible para su utilización. Los sistemas de seguridad están llamados a modernizarse y a emplear nuevas soluciones que mejoren el servicio que prestan, de manera que ofrezcan a sus clientes nuevas y mejores soluciones de seguridad que respondan a sus necesidades y reduzcan sus riesgos. Como dijo el experto en creatividad Roger Von Oech: “no es posible resolver los problemas de hoy con las soluciones de ayer”.
