IA en borde o centralizada ¿Cuál es la mejor opción para los sistemas de videovigilancia?

La Inteligencia Artificial (IA) ha revolucionado la industria de la videovigilancia al permitir un análisis más inteligente y automatizado de las imágenes capturadas por cámaras de seguridad. Esta tecnología se puede implementar de dos formas: en el borde (en las propias cámaras) y de forma centralizada (en un servidor o centro de control). Cada enfoque tiene ventajas y desventajas, y la elección entre ellos dependerá de varios criterios.

Abordaremos esta temática teniendo en cuenta:

• Videovigilancia con IA en el borde. 
• Videovigilancia con IA centralizada. 
• Criterios y consideraciones clave a la hora de elegir.
  
  

La IA en el borde se refiere a que la implementación de algoritmos que procesan técnicas de IA se hace directamente en las cámaras de seguridad. Entrando un poco más en detalle, los diferentes desarrollos en el campo de la videovigilancia llevan a cabo o desarrollan inteligencia artificial a través de la implementación de algoritmos de redes neuronales, y las técnicas más usadas para que estos algoritmos “aprendan” son aprendizaje profundo y aprendizaje automático. Usualmente estos términos se usan de manera indistinta o no se conoce qué son y sus diferencias, pero en realidad son los métodos más usados en la industria de la videovigilancia. En nuestra nota sobre Conceptos básicos de IA en cámaras de videovigilancia podrá comprender un poco mejor estos términos. 

Videovigilancia con IA en el Borde 

La IA en el borde se refiere a la implementación de algoritmos de IA directamente en las cámaras de seguridad, esto significa desarrollar más capacidad en el dispositivo conectado, por lo que la potencia de procesamiento de información se encuentra lo más cerca posible de la fuente. En términos de videovigilancia, esto implica que se pueden realizar más acciones en las propias cámaras. 

Las dos técnicas mencionadas anteriormente, el aprendizaje automático y el aprendizaje profundo en la videovigilancia se vienen implementado con mayores niveles de complejidad y a la par de un mayor nivel de desarrollo, por lo que muchos fabricantes pueden decir que enseñan a sus equipos a ser mucho más intuitivos sobre las imágenes que capturan y por ende, pueden analizar cada vez más factores, incluso, en tiempo real. 

Ventajas de la IA en borde

Latencia reducida

Una de las ventajas más importantes del procesamiento de borde en videovigilancia es la reducción de la latencia. Cuando los algoritmos de IA analizan las transmisiones de video en el borde, los resultados se generan en tiempo real o casi en tiempo real. Esta baja latencia es fundamental en situaciones en las que se requiere una acción inmediata como en el monitoreo de seguridad o los sistemas de respuesta a emergencias. Por ejemplo, cuando una persona no autorizada ingresa a un área segura, el procesamiento perimetral puede activar una alerta casi instantáneamente, lo que permite al personal de seguridad responder rápidamente.

Mejor fuente de video para el análisis

Una ventaja adicional de tener la IA en borde es que las funciones de análisis de video se pueden realizar con imágenes de video con la más alta calidad que puede dar la cámara. Cuando la análisis con IA tiene lugar en un servidor, el video a menudo se comprime antes de ser enviado al servidor, en especial en aplicaciones multi-sitio con grabación y gestión centralizada, por lo que el análisis se realiza en una calidad de video menor o a veces degradada.

Ahorro de ancho de banda

Las transmisiones de video de alta definición a un servidor central o en la nube para el análisis de IA, puede sobrecargar el ancho de banda de la red, lo que puede generar retrasos en los flujos de datos y posibles cuellos de botella; esto va a depender del número de cámaras y capacidades de red. El procesamiento en borde reduce la cantidad de datos que deben enviarse a través de la red, ya que solo se transmiten eventos o metadatos relevantes. Esta eficiencia del ancho de banda no sólo ahorra costos, sino que también garantiza un sistema de videovigilancia más fluido y con mayor capacidad de respuesta.

Privacidad y Seguridad

En este punto hay opiniones encontradas. Lo cierto es que la arquitectura en borde mejora la privacidad y la seguridad en aplicaciones de videovigilancia sí se implementan prácticas seguras de ciberseguridad como “seguridad desde el diseño”. Al procesar datos localmente, la información confidencial permanece en el sitio, lo que reduce el riesgo de filtraciones de datos y acceso no autorizado. Esto es particularmente crucial cuando se trata de entornos sensibles, como instalaciones gubernamentales o residencias privadas.

Desventajas:

Limitación de recursos

Actualmente las cámaras de seguridad suelen tener recursos limitados en términos de potencia de procesamiento y memoria, lo que puede limitar la complejidad de los algoritmos de IA que se pueden implementar. Sin embargo, parece darse una tendencia entre fabricantes fieles a la idea de que la arquitectura en borde es el futuro, dados los avances y capacidad de desarrollo del Edge Computing y el avance acelerado del IoT. 

Costos iniciales más altos

Sin duda, las cámaras con capacidades de IA en el borde tienden a ser más costosas que las cámaras convencionales o con análisis no tan robustos, sin embargo, varios fabricantes producen equipos perarados para IA y dan como opcional el liberar las funciones de análisis con base en IA con el pago de licencias o actualizaciones sin impactar drásticamente el costo inicial del equipo. 

Dificultad de actualización

Las actualizaciones y mejoras de algoritmos de IA en el borde pueden ser más complicadas y costosas, y esto va de la mano del tiempo que cada fabricante se tome para hacer versiones de algoritmos más inteligentes. Recordemos que en la mayoría de los casos las cámaras no aprenden solas o dicho de otra manera, no siguen aprendiendo de forma autónoma hasta el punto de volverse más inteligentes por sí mismas, tal vez en casos muy específicos de muy alto costo actual, pero aún estamos algo lejos de llegar allá. 

Videovigilancia con IA centralizada 

La IA centralizada implica que el procesamiento de datos de videovigilancia se lleva a cabo en un servidor especificamente diseñado paea ello o centro de control con varios servidores. Aquí están algunas ventajas y desventajas de este enfoque:

Ventajas:

Mayor potencia de procesamiento

Los servidores, en la mayoría de los casos centralizados en centros de datos, suelen tener más potencia de procesamiento, lo que permite implementar algoritmos de IA más complejos.

Facilidad de actualización

Las actualizaciones de software se pueden aplicar de manera más unificada y eficiente, lo que facilita la implementación de mejoras para el rendimiento de las analíticas.

Amplia escalabilidad y costos

En proyectos de gran número de cámaras puede ser menos costoso tener cámaras más económicas y dejar que el procesamiento se realice en el servidor. Como la mayoría de los VMS son independientes de la marca de cámaras, también hay una amplia gama de cámaras compatibles para elegir. Si bien, los sistemas basados ​​en servidor requieren más ancho de banda, los administradores tienen la ventaja de poder decidir qué análisis se asignan a qué cámaras, de este modo es más fácil escalar y administrar múltiples cámaras y sistemas desde un centro de control unificado.

Desventajas:

Latencia potencial

La transmisión de datos desde las cámaras hasta el servidor central puede introducir cierta latencia, lo que podría no ser adecuado para aplicaciones en tiempo real.

Ancho de banda requerido

La transmisión de video en alta resolución desde las cámaras hasta el servidor central puede requerir un ancho de banda significativo.

Posibles problemas de seguridad 

La IA centralizada podría plantear preocupaciones de seguridad si no se implementan medidas de manera adecuada. Usualmente los servidores pueden ser un objetivo de mayor valor o de interés para los ciberdelincuentes. Al igual que el caso con la IA en borde, este punto es relativo y mucho tiene que ver con las buenas prácticas de seguridad que se implementen.

Criterios y consideraciones clave a la hora de elegir

Aplicación específica

La naturaleza de la aplicación es uno de los factores más importantes a considerar. Si su sistema de videovigilancia requiere detección y respuesta en tiempo real, como la detección de intrusos o la gestión de emergencias, la IA en el borde es una elección lógica. Esto se debe a que la capacidad de respuesta rápida se optimiza al procesar datos directamente en las cámaras, minimizando la latencia. Por otro lado, si su aplicación se enfoca en análisis a largo plazo, como el seguimiento de tendencias de tráfico o la recopilación de datos para investigaciones posteriores, la IA centralizada podría ser más adecuada.

Recursos disponibles 

El nivel de recursos disponibles en términos de potencia de procesamiento y memoria en sus cámaras y servidores es un factor crucial. Las cámaras de seguridad, especialmente las cámaras IP, vienen en una amplia gama de capacidades. Las cámaras con capacidades de IA en el borde a menudo son más costosas y consumen más energía debido a su capacidad de procesamiento adicional. Por lo tanto, si estas no tienen suficiente potencia de procesamiento para ejecutar algoritmos de IA de manera efectiva, es posible que las deba cambiar y dependiendo del número de cámaras, puede ser mejor optar por la IA centralizada, donde los servidores pueden proporcionar una mayor potencia de procesamiento.

Costos

Los costos son un factor importante a considerar. Las cámaras con capacidades de IA en el borde tienden a ser más caras que las convencionales, lo que puede aumentar significativamente el costo inicial del sistema de videovigilancia. Por otro lado, la IA centralizada implica servidores potentes que también pueden ser costosos en términos de hardware y recursos de TI. Debe evaluarse el presupuesto y determinar cuál de los dos enfoques se adapta mejor a los recursos financieros del cliente final. 

Una tercera opción es a través de la nube. Esta alternativa brinda las ventajas de los sistemas basados ​​en servidor, como el control centralizado de la información y el potente análisis de IA, pero sin el costo y las necesidades de mantenimiento de los servidores. Por lo general, los proveedores del servicio (VSaaS) entregan una solución llave en mano por lo que el usuario final se evita la necesidad de tener un alto costo o inversiones iniciales, además el servicio puede cubrir la grabación de vídeo, el almacenamiento por un determinado tiempo, y la visualización remota, las alertas de administración y los aspectos de ciberseguridad.

Seguridad y cumplimiento normativo

Las regulaciones de seguridad y protección de datos son fundamentales en muchos entornos. Si su aplicación se encuentra en un entorno altamente regulado o está sujeta a requisitos de privacidad y seguridad estrictos, es esencial que considere cómo se manejarán los datos. La IA en el borde permite que los datos se procesen y se protejan antes de abandonar la cámara, lo que puede ser beneficioso para cumplir con las regulaciones de privacidad. Por otro lado, la IA centralizada implica el transporte de datos desde las cámaras hasta un servidor central, lo que podría plantear preocupaciones de privacidad/seguridad si no se implementan medidas de protección de datos adecuadas.

Escalabilidad

La capacidad de expandir su sistema de videovigilancia en el futuro es otro factor que considerar. Si prevé un crecimiento significativo en la cantidad de cámaras o en la complejidad de sus análisis, la IA centralizada puede ofrecer una mayor flexibilidad en términos de escalabilidad. Los servidores pueden manejar múltiples cámaras y aplicaciones de manera más efectiva, lo que facilita la expansión de su sistema.

Latencia tolerable

La latencia es la demora en la transmisión y procesamiento de datos. En aplicaciones en tiempo real, como la detección de intrusiones, la latencia debe mantenerse al mínimo para garantizar una respuesta rápida. La IA en el borde reduce la latencia al procesar datos en las cámaras. Si la latencia es un factor crítico en su aplicación, este puede ser un argumento convincente a favor de la IA en el borde.

Conclusión 

La elección entre la IA en el borde y de forma centralizada en sistemas de videovigilancia depende de una variedad de factores, desde la aplicación específica hasta los recursos disponibles y las consideraciones de seguridad. En algunos casos, un enfoque híbrido que combine ambas opciones puede proporcionar el equilibrio adecuado para satisfacer sus necesidades. La ciberseguridad también debe ser un asunto de interes constante, independientemente del enfoque elegido, para garantizar la protección de los datos y la integridad de sus operaciones de videovigilancia. 

Sin duda y como lo manifestamos en esta nota, hay una clara tendencia de muchos fabricantes en ofrecer la IA en las cámaras de videovigilancia, con los avances de capacidad de procesamiento en equipos cada vez más compactos, pero es importante considerar que cada vez queremos que la tecnología haga más por nosotros y el campo de la seguridad no es la excepción por lo que las capacidades de procesamiento seguramente siempre conlleva en determinados casos a soluciones de tipo centralizado, con lo cual la nube también parece ser una alternativa que promete.