IA VISION · METODOLOGÍA · CASO REAL

De video a evidencia de movilidad.

Un video no es un aforo. Para convertir imágenes en información útil hay que detectar, seguir, definir reglas espaciales, validar resultados y saber cuándo una métrica todavía no se puede certificar.

7 octubre 20268 minBogotá · Colombia
DetecciónTrackingTrayectoriasGatesAforosQADetecciónTrackingTrayectoriasGatesAforosQA

01 · EVIDENCIA OBSERVABLE

Partimos de una escena que se puede volver a mirar.

IA Vision trabaja sobre video real. La primera capa no intenta “adivinar” conclusiones: identifica actores viales cuadro a cuadro y conserva suficiente evidencia para revisar qué produjo cada resultado.

La automatización sirve cuando el dato puede regresar a su evidencia.

En esta ejecución, el video 18 tiene una duración aproximada de 596,8 segundos y una resolución de 1280 × 720.

VIDEO 18 · CORRIDA 88 · CAJAS = DETECCIONES REALES · LÍNEAS = TRAYECTORIAS DEL TRACKING
Dashboard real de IA Vision del video 18
Panel real de IA Vision. La síntesis convive con la posibilidad de volver a la evidencia.

02 · TRACKING

Detectar un objeto no es seguir una trayectoria.

Una detección responde “qué objeto veo en este cuadro”. El tracking mantiene la identidad de ese objeto a lo largo del tiempo. Esa diferencia evita contar la misma entidad una y otra vez y permite reconstruir recorridos.

En esta corrida: el backend reportó 2.288 tracks. Son tracks de esta ejecución específica, no una cifra universal del sistema.

03 · REGLAS ESPACIALES

Los gates convierten recorridos en eventos.

Un gate es una línea o zona que representa una regla de análisis. Cuando una trayectoria la cruza bajo determinadas condiciones, el sistema genera un evento: de “hay vehículos” pasamos a “este movimiento ocurrió aquí”.

Visor real de IA Vision con geometrías y evidencia
El visor permite revisar geometrías, recorridos y video en el mismo contexto.

04 · ANALÍTICA

La salida depende de la calidad de la pregunta.

Con geometrías bien definidas, los eventos pueden alimentar aforos por clase, movimientos direccionales, intervalos temporales, matrices origen-destino, heatmaps y otras capas.

Dato observado: el panel del video 18 mostraba un total acumulado de 321 conteos. Esa cifra pertenece a esa configuración y a ese video.

No todas las métricas son automáticamente válidas porque el software pueda calcularlas. Una velocidad física en km/h exige una calibración espacial defendible. Si esa condición no existe, la salida debe mantenerse como no certificada.

05 · CONTROL DE CALIDAD

Una cifra sin trazabilidad no es suficiente.

El analista debe poder volver al video, revisar una trayectoria, comparar cruces, editar geometrías y entender por qué un valor terminó en un reporte. Evidencia y síntesis son dos capas del mismo producto.

06 · IDEA CENTRAL

IA Vision no reemplaza criterio de ingeniería.

Busca darle al ingeniero una capa de observación reproducible y una forma más eficiente de convertir video en evidencia estructurada, sin esconder los límites del dato.

CASO COMPLETO

Veamos los números y la escena juntos.

La ficha del video 18 reúne métricas, capturas reales y los límites de interpretación del caso.

Abrir caso →