{"id":13881,"date":"2025-04-17T22:10:00","date_gmt":"2025-04-17T12:10:00","guid":{"rendered":"https:\/\/digifort.global\/analisis-de-las-ventajas-en-terminos-de-relacion-calidad-precio-de-las-tecnologias-de-analisis-de-imagenes-de-cctv\/"},"modified":"2026-06-18T08:42:41","modified_gmt":"2026-06-17T22:42:41","slug":"analisis-de-las-ventajas-en-terminos-de-relacion-calidad-precio-de-las-tecnologias-de-analisis-de-imagenes-de-cctv","status":"publish","type":"post","link":"https:\/\/digifort.global\/es\/blog\/analisis-de-las-ventajas-en-terminos-de-relacion-calidad-precio-de-las-tecnologias-de-analisis-de-imagenes-de-cctv\/","title":{"rendered":"An\u00e1lisis de las ventajas en t\u00e9rminos de relaci\u00f3n calidad-precio de las tecnolog\u00edas de an\u00e1lisis de im\u00e1genes de CCTV"},"content":{"rendered":"\n
<\/div>\n\n

Existen tres grandes tipos de tecnolog\u00eda de an\u00e1lisis de v\u00eddeo disponibles en soluciones de CCTV basadas en servidor y en sistemas de gesti\u00f3n de v\u00eddeo (VMS).<\/p>\n\n

<\/div>\n\n
\"\"<\/figure>\n\n
<\/div>\n\n

Por orden de precisi\u00f3n y capacidad, son: an\u00e1lisis neuronal; a continuaci\u00f3n, an\u00e1lisis basado en el aprendizaje profundo y la inteligencia artificial (DL y IA); y, por \u00faltimo, objetos binarios de gran tama\u00f1o (BLOB).<\/p>\n\n

Digifort es compatible con los tres tipos y, adem\u00e1s, se integra con las funciones de an\u00e1lisis de los NVR de terceros, los dispositivos de an\u00e1lisis \u00abtodo en uno\u00bb y las c\u00e1maras. Por ello, hemos pedido a Nick Bowden, director general de Digifort UK, que nos explique las ventajas que ofrece en cuanto a la relaci\u00f3n calidad-precio. <\/p>\n\n

La opci\u00f3n de an\u00e1lisis m\u00e1s precisa y eficaz es la basada en redes neuronales. Se trata de la opci\u00f3n m\u00e1s cara de implementar, ya que el software es m\u00e1s costoso y requiere un hardware de alto rendimiento para su funcionamiento. Las dem\u00e1s opciones de an\u00e1lisis pueden ser menos eficaces, pero resultan perfectamente adecuadas para muchas aplicaciones de CCTV en las que los presupuestos son m\u00e1s ajustados. <\/p>\n\n

Digifort es socio tecnol\u00f3gico de Nvidia. Su software de an\u00e1lisis est\u00e1 optimizado para ejecutarse en unidades de procesamiento gr\u00e1fico (GPU) de Nvidia. Estas se instalan en un servidor junto al procesador del sistema operativo (SO). El \u00abrendimiento\u00bb de un servidor de v\u00eddeo anal\u00edtico (VA) se mide en n\u00facleos CUDA, lo que es similar a la potencia en caballos de freno (BHP) en los coches. Las GPU de 4000 n\u00facleos CUDA o m\u00e1s son habituales y asequibles. Este \u00abpresupuesto\u00bb de rendimiento de la GPU se distribuye entre m\u00faltiples canales de an\u00e1lisis y la funcionalidad de an\u00e1lisis se asigna a los canales de v\u00eddeo necesarios, con la flexibilidad de reasignarla a diferentes canales de v\u00eddeo del sistema, si fuera necesario. Los NVR, las soluciones de an\u00e1lisis en caja y las c\u00e1maras con an\u00e1lisis integrado simplemente no cuentan con esta \u00abpotencia\u00bb de rendimiento ni con esta flexibilidad de implementaci\u00f3n del sistema. Las tarjetas GPU se est\u00e1n desarrollando r\u00e1pidamente, y su rendimiento de procesamiento se duplica cada a\u00f1o, por el mismo coste. Por lo tanto, podemos esperar beneficiarnos de mejoras de rendimiento a\u00fan mayores y de reducciones de costes en los sistemas de CCTV basados en servidor en el futuro. Adem\u00e1s, dedicar los n\u00facleos de la GPU al an\u00e1lisis y los n\u00facleos del servidor al sistema operativo y al procesamiento de v\u00eddeo es una buena pr\u00e1ctica para optimizar el rendimiento del servidor, ya que cada uno accede a sus respectivos recursos de procesador de forma diferente. <\/p>\n\n

<\/div>\n\n

1. An\u00e1lisis neuronal<\/strong><\/h3>\n\n

El an\u00e1lisis neuronal es una tecnolog\u00eda relativamente nueva en el \u00e1mbito de la videovigilancia convencional. Al igual que en el reconocimiento de personas, los distintos objetos que aparecen en el campo de visi\u00f3n de una c\u00e1mara se identifican a partir de una base de datos de objetos conocidos; los objetos nuevos espec\u00edficos se \u00abintroducen\u00bb en el sistema, mientras que el resto de objetos son aprendidos por el sistema con el paso del tiempo. Se pueden aplicar reglas a objetos individuales o a combinaciones de ellos, lo que activa alarmas o eventos en tiempo real para que el operador act\u00fae en consecuencia. Digifort ofrece tres redes neuronales entre las que elegir: <\/p>\n\n

    \n
  • Objetos \u00abgenerales\u00bb, como veh\u00edculos y personas.<\/li>\n\n\n\n
  • Delitos, para identificar armas, posturas sospechosas de las manos y movimientos (como apuntar con un arma).<\/li>\n\n\n\n
  • De uso industrial, para identificar a personas que llevan cascos, mascarillas, gafas protectoras y EPI.<\/li>\n<\/ul>\n\n

    El an\u00e1lisis neuronal resulta ideal para aplicaciones de \u00abocupaci\u00f3n\u00bb, como el recuento de coches en un aparcamiento o de personas en una cola. Reconoce los objetos \u00abvisibles\u00bb en el campo de visi\u00f3n de la c\u00e1mara, o en una zona determinada, y los cuenta. Se pueden agregar varias zonas, procedentes de una o varias c\u00e1maras, para obtener un recuento global del recinto. Los fondos de las escenas se ignoran, ya que no se consideran objetos reconocibles, lo que reduce las falsas alarmas. <\/p>\n\n

    <\/div>\n\n
    \"\"<\/figure>\n\n
    <\/div>\n\n

    2. Aprendizaje profundo e inteligencia artificial (DL y IA)<\/strong><\/h3>\n\n

    El an\u00e1lisis basado en aprendizaje profundo (DL) e inteligencia artificial (IA) tambi\u00e9n puede incluir un componente neuronal y, por lo general, reconoce personas, furgonetas, bicicletas, coches, camiones, grupos de personas, bolsas, ciclistas y mucho m\u00e1s, incluso con un perfil de color espec\u00edfico. A medida que la c\u00e1mara \u00abaprende\u00bb una escena, el an\u00e1lisis de aprendizaje profundo (DL) e inteligencia artificial (IA) se autocalibra para reconocer los fondos de la escena, lo que minimiza las falsas alarmas. Se pueden aplicar numerosas reglas de forma individual o simult\u00e1nea, como la presencia, entrada, salida, aparici\u00f3n o desaparici\u00f3n de un objeto; la direcci\u00f3n; filtros de conducci\u00f3n pegada al veh\u00edculo de delante; recuento al cruzar una l\u00ednea; y objetos detenidos, que merodean, abandonados o retirados. El sistema de an\u00e1lisis de Digifort tambi\u00e9n utiliza un marco de generaci\u00f3n de informes de metadatos que permite la b\u00fasqueda forense en el v\u00eddeo grabado de diferentes objetos seg\u00fan la configuraci\u00f3n original. <\/p>\n\n

    Muchos NVR, sistemas de an\u00e1lisis en caja y soluciones de c\u00e1maras integradas utilizan versiones de este tipo de an\u00e1lisis, normalmente sin el componente neuronal, pero a menudo carecen de la capacidad de procesamiento necesaria para aprovechar al m\u00e1ximo su potencial, ya que no resulta pr\u00e1ctico ni rentable incorporar GPU de Nvidia en los NVR.<\/p>\n\n

    <\/div>\n\n

    3. Objeto binario de gran tama\u00f1o \/ BLOB<\/strong><\/h3>\n\n

    Se trata del nivel m\u00e1s b\u00e1sico de an\u00e1lisis, que permite reconocer el tama\u00f1o de los objetos (n\u00famero de p\u00edxeles) y su comportamiento a partir de la detecci\u00f3n de movimiento y de algunos an\u00e1lisis sencillos, como el cruce de l\u00edneas. Muchos NVR utilizan este tipo de an\u00e1lisis. Es una opci\u00f3n de bajo coste, ideal para activar la grabaci\u00f3n por movimiento o por eventos en un sistema VMS, con el fin de ahorrar espacio de almacenamiento. <\/p>\n\n

    <\/div>\n\n

    Rendimiento de los an\u00e1lisis y sobrecarga de hardware<\/strong><\/h3>\n\n

    Neural Analytics utiliza flujos de v\u00eddeo D1 (720 x 576 p\u00edxeles) para el procesamiento, incluso si el flujo \u00abprobatorio\u00bb grabado en el VMS es de 4 MP, 8 MP o m\u00e1s. Algunos tipos de an\u00e1lisis muy espec\u00edficos utilizan 1080p (1920 x 1080 p\u00edxeles), normalmente al analizar comportamientos humanos. A modo de indicaci\u00f3n de su capacidad, una GPU de 3000 n\u00facleos por menos de 500 libras suele procesar alrededor de 40 canales neuronales. <\/p>\n\n

    Una advertencia: algunas soluciones de an\u00e1lisis en caja solo graban el flujo de procesamiento de datos anal\u00edticos \u2014que puede ser de D1 o inferior\u2014 sin un flujo simult\u00e1neo de alta resoluci\u00f3n que sirva como Evidence. Esto significa que el v\u00eddeo anal\u00edtico a menudo se graba a baja resoluci\u00f3n, as\u00ed que compru\u00e9balo bien si te decantas por una soluci\u00f3n de an\u00e1lisis en caja. <\/p>\n\n

    Cada tipo de an\u00e1lisis tiene su lugar, siempre que se tengan en cuenta el coste y el rendimiento. Sin embargo, el an\u00e1lisis neuronal supera a todos los dem\u00e1s en cuanto a precisi\u00f3n y capacidad; su coste de implementaci\u00f3n se est\u00e1 reduciendo a medida que bajan los precios de los servidores y las GPU; y est\u00e1 preparado para el futuro, ya que permite actualizaciones de las GPU y mejoras en el rendimiento y la precisi\u00f3n en consonancia con el desarrollo continuo del software de an\u00e1lisis neuronal. <\/p>\n","protected":false},"excerpt":{"rendered":"

    Existen tres grandes tipos de tecnolog\u00eda de an\u00e1lisis de v\u00eddeo disponibles en soluciones de CCTV basadas en servidor y en sistemas de gesti\u00f3n de v\u00eddeo (VMS). Por orden de precisi\u00f3n y capacidad, son: an\u00e1lisis neuronal; a continuaci\u00f3n, an\u00e1lisis basado en el aprendizaje profundo y la inteligencia artificial (DL y IA); y, por \u00faltimo, objetos binarios […]<\/p>\n","protected":false},"author":5,"featured_media":13882,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_angie_page":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"page_builder":"","_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[190,191],"tags":[],"class_list":["post-13881","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","category-articulos"],"jetpack_featured_media_url":"https:\/\/digifort.global\/wp-content\/uploads\/2026\/06\/CCTV-ANALYTICS.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/posts\/13881","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/comments?post=13881"}],"version-history":[{"count":2,"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/posts\/13881\/revisions"}],"predecessor-version":[{"id":13938,"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/posts\/13881\/revisions\/13938"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/media\/13882"}],"wp:attachment":[{"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/media?parent=13881"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/categories?post=13881"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/digifort.global\/es\/wp-json\/wp\/v2\/tags?post=13881"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}