Entienda cómo funciona la búsqueda forense en CFTV y VMS mediante metadatos, filtros, precision/recall, video synopsis, investigación, evidencia y criterios de diseño y comisionamiento.
¡Descúbrelo!
La búsqueda forense en CFTV es el proceso de localizar, filtrar, correlacionar y revisar eventos en video grabado con apoyo de metadatos, indexación, analíticos y recursos del VMS. En lugar de obligar al operador a revisar horas de grabación de forma lineal, el sistema reduce el universo de búsqueda mediante criterios como período, cámara, región, trayectoria, dirección, clase de objeto, apariencia, color, permanencia y otros atributos que la arquitectura pueda extraer y conservar.
La búsqueda forense no es sinónimo de detección en tiempo real. La detección en tiempo real intenta reconocer un evento mientras ocurre y puede generar alarmas o automatizaciones. La búsqueda forense actúa principalmente sobre evidencia ya grabada e indexada, apoyando investigación, auditoría, reconstrucción de eventos y respuesta posincidente. Ambas funciones pueden usar los mismos motores analíticos, pero tienen objetivos operacionales diferentes.
Tampoco debe confundirse con video synopsis. La búsqueda forense reduce el universo de resultados mediante filtros y correlación; el video synopsis puede condensar temporalmente eventos ocurridos en momentos distintos para acelerar la revisión. En una investigación madura, filtros, synopsis, video original, bookmarks, informes y exportación de evidencia forman parte de un mismo flujo, pero cada recurso cumple una función diferente.
Cómo Funciona la Búsqueda Forense en Sistemas de CFTV
La búsqueda forense debe especificarse como un caso de uso verificable. Defina objetos, filtros, cámaras, período, rendimiento y evidencias esperadas antes de comparar productos.
La lógica fundamental consiste en sustituir la revisión lineal de grabaciones por una búsqueda orientada por datos. El video sigue siendo la evidencia visual principal, pero se acompaña de información estructurada que permite localizar rápidamente segmentos de interés.
En una investigación convencional, el operador suele conocer solo parte del contexto: una ventana de tiempo aproximada, un área, una característica visual, una dirección de desplazamiento o el momento en que desapareció un activo. La búsqueda forense transforma estos elementos en criterios consultables.
Una plataforma puede permitir, por ejemplo, localizar personas con determinada combinación de atributos, vehículos de una clase específica, objetos que cruzaron una línea virtual, objetivos que permanecieron en un área, trayectorias similares o eventos próximos a una hora determinada. La capacidad exacta depende del fabricante, del VMS, del motor analítico, de la calidad de imagen y de los metadatos efectivamente generados y conservados.
La documentación técnica de BriefCam es una referencia útil de cómo puede implementarse este proceso en una plataforma comercial. En el módulo REVIEW, por ejemplo, el video procedente de archivos o del VMS se procesa para extraer objetos y metadatos, que después pueden consultarse mediante filtros globales y filtros de escena. La plataforma separa además REVIEW, RESPOND y RESEARCH, dejando claro que investigación retrospectiva, respuesta en tiempo real y análisis cuantitativo son funciones diferentes.
El resultado de un motor analítico no sustituye la validación humana. Los analíticos reducen el universo de análisis; el operador confirma si el segmento encontrado corresponde al evento investigado, recupera el contexto anterior y posterior y, cuando es necesario, preserva la evidencia según el procedimiento de la organización.
Del Video Bruto al Índice Consultable
La principal transformación ocurre cuando el video deja de tratarse únicamente como una secuencia de cuadros y pasa a producir una base estructurada de objetos y eventos.
La documentación de BriefCam describe una cadena de procesamiento en la que el video se recibe, decodifica, procesa mediante visión computacional y modelos de deep learning, detecta y rastrea objetos y finalmente asigna clasificaciones y atributos. Estos datos se estructuran en una base para que el sistema pueda consultar sin reprocesar conceptualmente toda la grabación en cada búsqueda.
Desde el punto de vista de arquitectura, este flujo puede entenderse en cuatro capas:
- Adquisición de video: cámara, archivo exportado o integración con VMS.
- Extracción: detección y seguimiento de objetos a lo largo de la escena.
- Enriquecimiento: clasificación y generación de atributos, trayectorias, coordenadas y relaciones espaciales.
- Indexación: persistencia de estos datos en una estructura consultable para REVIEW, alertas, dashboards u otras aplicaciones.
Este modelo es importante porque muestra que la búsqueda forense no es solo una función de interfaz. Depende de capacidad computacional, base de metadatos, sincronización temporal, integración con el VMS y calidad suficiente del video para que la extracción sea confiable.
Metadatos: la Base de una Búsqueda Rápida
Los metadatos son datos asociados al video que describen características detectadas en la escena. Según la cámara, el motor analítico o el servidor de análisis, pueden representar clase de objeto, trayectoria, hora, posición en la imagen, dirección, velocidad, tamaño, atributos visuales y otros elementos.
Sin indexación o metadatos, el sistema puede buscar principalmente por tiempo, cámara y eventos previamente marcados. Con metadatos estructurados, la grabación deja de ser solo una línea temporal y pasa a funcionar como una base consultable.
BriefCam documenta, como ejemplo de implementación, filtros por fuente, intervalo de tiempo, clase, atributos de persona, color, tamaño, velocidad, dwell, dirección, proximidad, apariencia similar, reconocimiento facial y reconocimiento de matrículas. No todas las plataformas ofrecen todos estos atributos y un proyecto no debe asumir equivalencia automática entre fabricantes.
Esta transformación cambia la pregunta del operador. En lugar de “¿qué ocurrió entre las 14h y las 16h en esta cámara?”, pasa a ser posible formular consultas como “¿qué vehículos cruzaron este acceso entre las 14h y las 16h?” o “¿qué personas con determinada característica pasaron por esta región?”.
Los metadatos pueden producirse en la cámara, en servidores analíticos, appliances dedicados o servicios en la nube. La arquitectura debe definir dónde ocurre el procesamiento, dónde se almacenan los índices, cómo se protegen y durante cuánto tiempo permanecen disponibles.
O artigo sobre metadatos y visión computacional en sistemas de monitoreo aprofunda essa camada.
Búsqueda Forense vs. Detección en Tiempo Real vs. Analíticos
Separar estas funciones es importante desde el punto de vista operacional.
| Función | Momento principal | Objetivo | Resultado típico |
| Detección en tiempo real | Durante el evento | Identificar una condición mientras ocurre | Evento, alarma o notificación |
| Búsqueda forense | Después o durante una investigación | Localizar ocurrencias en grabaciones | Conjunto filtrado de segmentos u objetos |
| Analíticos | Puede actuar en ambos | Detectar, clasificar o medir condiciones | Eventos y metadatos |
| Video synopsis | Posincidente | Acelerar la revisión de grandes volúmenes de video | Resumen visual condensado |
| Análisis cuantitativo | Histórico/operacional | Medir flujo, permanencia, conteo y tendencias | Indicadores y dashboards |
La propia arquitectura de BriefCam ilustra esta separación: REVIEW está orientado a investigación, RESPOND a generación de alertas y RESEARCH a análisis cuantitativo. La misma base de procesamiento puede alimentar usos distintos, pero eso no significa que todas las funciones deban llamarse búsqueda forense.
Detección en tiempo real responde a perguntas como “há uma pessoa em uma área restrita agora?”. Búsqueda forense responde a “quais pessoas passaram por esta área durante a madrugada?”.
Filtros Globales y Filtros de Escena
Una búsqueda madura combina filtros sobre atributos de objetos con filtros espaciales relacionados con la escena.
Los filtros globales actúan sobre objetos de múltiples fuentes y pueden restringir la búsqueda por período, clase, apariencia, atributos u otras propiedades. Los filtros de escena se asocian con una cámara específica y describen relaciones geométricas como área de interés, trayectoria y cruce de línea.
La documentación de BriefCam diferencia explícitamente estos dos grupos. En REVIEW, los filtros de área pueden incluir o excluir objetos dentro de polígonos; los filtros de trayectoria verifican objetos que siguieron determinado recorrido; y los filtros de cruce de línea pueden considerar dirección y tolerancia geométrica.
Esta distinción es valiosa para la especificación. “Buscar una persona con camisa azul” es un caso de atributo; “buscar cualquier objeto que cruzó este corredor” es un caso espacial. Los proyectos deben declarar qué categorías de búsqueda son necesarias en lugar de exigir genéricamente “búsqueda inteligente”.
Búsqueda por Persona, Objeto y Vehículo
Las capacidades de búsqueda varían según el motor analítico y el VMS. En plataformas avanzadas es posible combinar múltiples criterios para reducir el conjunto de resultados.
Entre los filtros disponibles pueden estar:
- período de tiempo;
- cámara o grupo de cámaras;
- región de interés;
- dirección de movimiento;
- clase de objeto, como persona o vehículo;
- color predominante de ropa o vehículo;
- permanencia en determinada área;
- cruce de línea;
- entrada o salida de una región;
- velocidad y tamaño estimados;
- apariencia similar;
- matrícula, cuando exista LPR;
- atributos adicionales disponibles según el fabricante.
Un ejemplo práctico es la investigación de una persona observada en un acceso con pantalón oscuro y camisa azul. Si la plataforma indexa atributos de vestimenta, el operador puede combinar características y reducir significativamente el volumen de grabaciones a revisar.
En BriefCam, la documentación diferencia atributos de vestimenta de un filtro genérico de color y recomienda utilizar atributos específicos de la parte superior e inferior cuando el objetivo es buscar personas. Esto evidencia un aspecto importante: el mismo concepto de filtro puede tener implementaciones y niveles de precisión distintos dentro de la propia plataforma.
Para vehículos, la búsqueda por clase, color, apariencia o fabricante/modelo puede reducir el universo de candidatos, pero no sustituye LPR/ANPR cuando el requisito es identificar la matrícula alfanumérica.
La Similitud de Apariencia no es Identificación Biométrica
La búsqueda por similitud es una herramienta de investigación, no una prueba de identidad.
BriefCam permite seleccionar un objeto y buscar objetos visualmente similares. Para personas, el mecanismo prioriza la apariencia; para vehículos y animales, considera clases y atributos, y la documentación advierte que dos objetos considerados similares por el algoritmo pueden no parecer iguales para un operador humano.
Esto es técnicamente relevante porque evita confundir tres funciones:
- similitud de apariencia: encuentra candidatos visualmente similares;
- reconocimiento facial: compara características faciales;
- LPR: compara caracteres de matrículas.
En diseño y comisionamiento, cada función necesita criterios propios y casos de prueba específicos.
Precision vs. Recall: cómo Interpretar los Resultados
Una búsqueda forense no debe evaluarse únicamente como “funcionó” o “no funcionó”. Los sistemas de clasificación operan con un compromiso entre precision y recall.
La documentación de BriefCam utiliza estos dos conceptos para configurar la tolerancia de los filtros:
- precision representa la proporción de resultados devueltos que realmente son relevantes;
- recall representa la proporción de resultados relevantes existentes que el sistema logró recuperar.
Una tolerancia más restrictiva tiende a aumentar precision y reducir recall: aparecen menos falsos positivos, pero también aumenta el riesgo de omitir eventos relevantes. Una configuración más permisiva aumenta recall, aunque puede presentar más candidatos incorrectos.
Este concepto es útil para la aceptación técnica. No basta preguntar si “el objeto apareció”. Debe evaluarse simultáneamente si el sistema recupera los eventos relevantes y cuántos falsos candidatos obliga al operador a revisar.
En escenarios críticos, el comisionamiento debe definir un conjunto conocido de eventos y medir el comportamiento de diferentes niveles de tolerancia con escenas representativas.
Búsqueda por Movimiento y Regiones de Interés
No toda búsqueda depende de clasificación mediante inteligencia artificial. Los sistemas de CFTV pueden ofrecer búsquedas basadas en movimiento dentro de un área dibujada por el operador.
Este recurso es útil cuando la pregunta de investigación es espacial: “¿cuándo se retiró este objeto de la mesa?” o “¿qué persona cruzó este corredor durante determinado intervalo?”. El operador delimita una región y el sistema busca segmentos con actividad compatible.
BriefCam añade una capa más rica al permitir áreas de inclusión y exclusión, duración mínima dentro de la región, trayectorias libres dibujadas en la escena y cruce de línea con dirección. Otros fabricantes implementan recursos similares de formas distintas.
Incluso cuando la plataforma no dispone de clasificación avanzada, la búsqueda por movimiento puede reducir mucho la revisión manual. El beneficio depende de la estabilidad de la escena, iluminación, sombras, vegetación, reflejos, lluvia y otros factores que pueden generar movimiento irrelevante.
Por isso, a função deve ser considerada já no diseño de videovigilancia.
El Papel del VMS en la Búsqueda Forense
El VMS suele ser el punto de convergencia entre video, eventos, usuarios, alarmas, metadatos y herramientas de investigación. En una arquitectura corporativa, la capacidad de búsqueda no debe evaluarse solo en la cámara, sino en el flujo completo entre dispositivo, motor analítico, servidor, base de metadatos y cliente de operación.
Un VMS puede recibir metadatos de cámaras compatibles, integrar motores analíticos de terceros, relacionar eventos con grabaciones y presentar filtros al operador. Según la plataforma, la búsqueda puede realizarse directamente en el cliente del VMS o mediante módulos especializados integrados.
En el ecosistema BriefCam, por ejemplo, REVIEW puede consumir video de plataformas VMS integradas y, en determinadas integraciones, realizar operaciones multicámara. El User Guide 2024 M1 lista compatibilidad con varios VMS empresariales, entre ellos Milestone, Genetec, Axis, Bosch, Avigilon, LenelS2 y otros. Esto no elimina la necesidad de validar versiones, plugins, funciones y límites específicos del proyecto.
La eficiencia de la investigación depende de sincronización horaria, retención adecuada, indexación, rendimiento del servidor, permisos, correlación entre eventos y cámaras y exportación de evidencias.
Fast Track e Investigación Multicámara
En sistemas distribuidos, localizar un objeto en una única cámara suele ser solo el inicio de la investigación. El siguiente paso es reconstruir su trayectoria por cámaras adyacentes.
BriefCam documenta la función Fast Track, disponible en integraciones específicas con Milestone y Genetec cuando las geolocalizaciones de las cámaras están definidas. El operador parte de un objeto, selecciona alcance espacial e intervalo temporal y busca cámaras próximas.
Este es un buen ejemplo de requisito que debe tratarse como caso de uso del sistema y no como una función aislada del analítico. Para funcionar adecuadamente depende de:
- integración soportada con el VMS;
- registro y organización correctos de las cámaras;
- geolocalización o topología coherente;
- sincronización temporal;
- disponibilidad del video en el período buscado;
- metadatos procesados;
- permisos del usuario.
Analíticos e Inteligencia Artificial: dónde Realmente Intervienen
Analíticos es el término amplio para mecanismos que extraen información del video. Algunos algoritmos detectan movimiento; otros clasifican objetos, reconocen patrones, estiman velocidad, identifican permanencia o detectan cruce de línea.
Los modelos basados en machine learning y deep learning han ampliado la capacidad de distinguir personas, vehículos y otros objetos. Esto no significa que una cámara “aprenda continuamente” en campo o mejore automáticamente solo por observar más imágenes.
BriefCam describe una combinación de deep learning y visión computacional clásica: detección, tracking, clasificación y generación de metadatos son etapas distintas. El whitepaper de la plataforma también describe clasificación en dos niveles: primero la clase más amplia y después subclases más detalladas, cuya precisión puede ser menor y depender fuertemente de resolución, nitidez e iluminación.
Este matiz es importante para cualquier sistema analítico: reconocer “vehículo” es un problema distinto de distinguir “pickup” de “van”; detectar “persona” es diferente de extraer atributos finos de vestimenta.
A análisis de video con inteligencia artificial y metadatos complementa la búsqueda forense: los analíticos producen datos; la búsqueda utiliza esos datos para localizar material relevante.
La Búsqueda Forense no Elimina la Revisión Humana
Un sistema eficaz no entrega automáticamente “la verdad”. Presenta resultados candidatos según los criterios y limitaciones del motor analítico.
La revisión humana sigue siendo necesaria para confirmar el contexto, evitar interpretaciones erróneas y preservar la cadena de decisión. Una persona con camisa azul puede clasificarse de forma diferente bajo otra iluminación; un vehículo parcialmente oculto puede no ser identificado; un objeto puede cambiar de apariencia entre cámaras.
BriefCam documenta tolerancias, variación de resultados y condiciones que degradan el rendimiento. Por tanto, la precisión de búsqueda debe tratarse como rendimiento medible y no como una promesa absoluta.
Por qué la Calidad de Imagen Influye en la Búsqueda
La búsqueda forense depende de lo que el sistema logra extraer de las imágenes. Resolución, densidad de píxeles, iluminación, contraste, ángulo, velocidad del objetivo, compresión, obturador, enfoque y oclusiones afectan directamente la capacidad de detectar, clasificar y rastrear objetos.
El whitepaper Video Characteristics for Best Video Results de BriefCam refuerza que la resolución aislada no determina la calidad de los analíticos. Una imagen con menos píxeles, pero nítida y bien iluminada, puede ser más útil que una imagen de mayor resolución muy borrosa o degradada por compresión.
El documento también destaca factores específicos:
- fisheye y otras lentes con fuerte distorsión pueden reducir el rendimiento geométrico;
- las cámaras térmicas e IR limitan filtros basados en color y atributos visuales;
- las cámaras PTZ en movimiento continuo perjudican algoritmos que dependen de un fondo estable;
- la iluminación frontal, el enfoque adecuado y un bajo motion blur favorecen la clasificación;
- un frame rate variable puede degradar el tracking en determinados motores;
- una compresión excesiva puede destruir detalles necesarios para los analíticos.
Esto refuerza una regla de diseño: una cámara para analíticos debe especificarse según el caso de uso analítico y no solo por la resolución nominal.
Resolución, Encuadre y Caso de Uso
El requisito debe partir de la tarea. Si la organización pretende investigar características de personas en un acceso, el diseño debe garantizar un encuadre y una calidad compatibles. Si el objetivo es solo localizar movimiento en un patio, los criterios son diferentes.
La documentación de BriefCam proporciona parámetros específicos para sus propios motores — por ejemplo, recomendaciones de posicionamiento y resolución para reconocimiento facial. Estos números son vendor-specific y no deben convertirse automáticamente en criterios universales de diseño.
La práctica correcta es utilizar los requisitos del motor analítico seleccionado como entrada para calcular cobertura, distancia, FOV, densidad de píxeles, iluminación y posición de las cámaras, y después validar el resultado en campo.
Búsqueda Forense y WDR: Conceptos Diferentes
WDR, o Wide Dynamic Range, es una función de formación de imagen utilizada para manejar escenas que contienen simultáneamente áreas muy claras y muy oscuras.
Esta mejora puede favorecer la calidad de la evidencia y de los metadatos, pero WDR no es un mecanismo de búsqueda. La búsqueda forense utiliza video y datos ya capturados; WDR actúa antes, durante la formación de la imagen.
Video Synopsis: Aceleración por Condensación Temporal
Video Synopsis es un enfoque diferente de la búsqueda convencional. En lugar de devolver únicamente una lista de segmentos que cumplen los filtros, la tecnología puede reorganizar visualmente eventos ocurridos en momentos distintos para permitir una revisión más rápida de una ventana temporal larga.
La documentación de BriefCam explica que los objetos de una VIDEO SYNOPSIS® pueden reproducirse en orden no cronológico para optimizar el tiempo de visualización. El usuario puede controlar densidad, timestamps, bounding boxes, velocidad y filtros.
Este detalle es central: el synopsis es una representación para triage, no la cronología original del evento. Al seleccionar un objeto, el operador debe acceder al video original, donde se conservan el contexto y el tiempo real de la ocurrencia.
La plataforma también permite ajustar la densidad de eventos mostrados simultáneamente: una densidad mayor acorta el synopsis; una densidad menor prolonga la revisión. Esto ilustra que el ahorro de tiempo es una elección de interfaz y análisis, no una alteración de la evidencia original.
O artigo sobre Video Synopsis en CFTV aprofunda esse mecanismo.
Case Management, Bookmarks y Reconstrucción de la Investigación
En operaciones complejas, la búsqueda forense debe generar un proceso auditable y no solo resultados en pantalla.
El módulo REVIEW de BriefCam utiliza el concepto de case management, reuniendo fuentes, synopses, filtros, objetos, bookmarks e informes de una investigación dentro de un caso. Los objetos pueden marcarse, describirse e incorporarse a informes.
Este modelo es útil como referencia arquitectónica porque separa una búsqueda puntual de una investigación organizada. Un caso puede reunir:
- fuentes y cámaras analizadas;
- período investigado;
- filtros utilizados;
- objetos de interés;
- bookmarks;
- imágenes y capas visuales;
- descripciones del operador;
- videos originales asociados;
- informe final de hallazgos.
En proyectos corporativos conviene verificar si el VMS o la herramienta analítica ofrece un mecanismo equivalente, especialmente cuando varias personas participan en la investigación.
Timestamp, Sincronización y Corrección Temporal
Una hora incorrecta puede invalidar la utilidad operacional de una búsqueda.
BriefCam documenta una función de Video Time Adjustment para corregir el desfase entre la hora real y la registrada en un archivo. El ajuste se refleja en bookmarks e informes de la investigación.
Esta función ilustra un problema recurrente en CFTV: cámaras, VMS, servidores y sistemas correlacionados deben compartir una referencia temporal consistente. Si una cámara está adelantada tres minutos y el control de acceso tiene la hora correcta, la correlación del evento se verá comprometida.
Por ello, la especificación y el comisionamiento deben verificar:
- sincronización NTP;
- zona horaria;
- horario de verano cuando corresponda;
- timestamp de la cámara;
- timestamp del VMS;
- comportamiento de archivos importados;
- correlación con control de acceso y alarmas;
- registro de cualquier ajuste manual realizado durante la investigación.
Evidencia, Video Original y Exportación
Encontrar el segmento correcto es solo parte del proceso. Una investigación puede requerir preservar grabaciones, exportar video, documentar hora y origen y mantener el material protegido contra cambios no autorizados.
En BriefCam, los bookmarks pueden exportarse con video original, close-up y thumbnail. La plataforma también permite volver desde el objeto filtrado al segmento original correspondiente. Este comportamiento es una referencia importante para un requisito de ingeniería: cualquier resultado analítico debe permitir volver al video fuente.
Durante la aceptación debe demostrarse que el operador puede:
- localizar el evento mediante búsqueda;
- identificar la cámara y la hora correspondientes;
- abrir el video original;
- revisar el contexto anterior y posterior;
- marcar o registrar el hallazgo;
- exportar la evidencia en el formato previsto;
- reproducir el archivo exportado en un entorno autorizado;
- mantener los datos necesarios para la trazabilidad.
Data Protection y Gobernanza de Metadatos
Cuanto más potente es la búsqueda, mayor es la necesidad de gobernanza.
El User Guide 2024 M1 de BriefCam contiene una sección específica de Data Protection, en la que perfiles autorizados pueden localizar, exportar o eliminar datos relacionados con personas o vehículos. La documentación muestra que la eliminación puede abarcar metadatos, artefactos internos, thumbnails, clips, bookmarks e incluso partes del video original, según la operación.
Esto evidencia que la gobernanza no puede mirar únicamente la retención de grabaciones. Una arquitectura analítica puede mantener varios artefactos asociados a un mismo individuo o evento:
- metadatos de clasificación;
- trayectoria y coordenadas;
- bounding boxes y máscaras;
- thumbnails;
- close-up clips;
- bookmarks;
- watchlists;
- archivos originales o segmentos recuperados del VMS.
En el contexto brasileño, estos elementos deben tratarse según las reglas aplicables de privacidad, control de acceso, finalidad y retención. Consulte también LGPD en CFTV.
Almacenamiento de Video vs. Almacenamiento de Metadatos
La búsqueda forense no significa necesariamente reducir el período de retención de video. El video sigue siendo la evidencia principal; los metadatos funcionan como índice para localizarlo.
Algunas arquitecturas almacenan metadatos en bases separadas o estructuras específicas del VMS/plataforma analítica. Si esos datos se eliminan antes que el video, determinadas búsquedas pueden dejar de estar disponibles aunque la grabación todavía exista.
Por ello, la retención de video y la retención de metadatos deben evaluarse conjuntamente. El diseño debe verificar dónde se almacenan los metadatos, durante cuánto tiempo, cómo se protegen y qué ocurre durante expansión, migración, mantenimiento o falla del servidor.
Otro error es sugerir que la búsqueda forense, por sí sola, permite “descartar video irrelevante”. La política de grabación y retención es una decisión independiente que debe derivar de requisitos operacionales y de gobernanza.
Capacidad Computacional y Throughput de Procesamiento
La búsqueda forense avanzada consume capacidad de procesamiento. En soluciones que analizan video on-demand, existe una diferencia entre una hora de video grabado y el tiempo necesario para procesarlo y dejarlo disponible para búsqueda.
BriefCam utiliza la métrica Hs/H — hours of video processed per hour en su documentación de throughput. Los valores varían según GPU, resolución, motor y configuración. Estos números son específicos de la versión y hardware probados por el fabricante, pero el concepto es general: la ingeniería debe dimensionar cuánto video debe procesarse y en cuánto tiempo.
Para una investigación que exige revisar rápidamente decenas de horas de grabaciones de varias cámaras, el throughput puede ser tan importante como la calidad de los filtros. El diseño debe evaluar:
- cantidad de streams simultáneos;
- resolución y codec;
- procesamiento en tiempo real vs. on-demand;
- capacidad de GPU;
- cantidad de usuarios concurrentes;
- número de fuentes por caso;
- tamaño de la base de objetos;
- plazo operacional aceptable para disponer de los resultados.
Integración con Control de Acceso y Otros Sistemas
Los analíticos, el VMS y los eventos de otros sistemas deben funcionar como una arquitectura integrada. La ingeniería debe validar compatibilidad, flujo de datos, permisos y comportamiento operacional.
El potencial de la búsqueda aumenta cuando los eventos de video pueden correlacionarse con otros sistemas.
Un evento de control de acceso puede proporcionar hora, puerta, credencial y resultado del intento. El operador utiliza este contexto para abrir grabaciones de cámaras asociadas a ese acceso. Del mismo modo, eventos de intrusión, alarmas técnicas y analíticos pueden funcionar como marcadores temporales para investigación.
En arquitecturas avanzadas de Centros de Operaciones, VMS, PSIM, control de acceso, BMS y otros sistemas comparten eventos y contexto. La integración de VMS, PSIM, SCADA y BMS profundiza en este escenario.
Criterios para Especificar Búsqueda Forense en un Proyecto
Especificar únicamente “el sistema debe disponer de búsqueda forense” es insuficiente. El término puede representar funciones muy distintas entre fabricantes.
Una Especificación Técnica debería definir casos de uso verificables, por ejemplo:
- buscar personas y vehículos en un conjunto definido de cámaras;
- filtrar por intervalo de tiempo;
- aplicar región de interés y exclusión;
- buscar por dirección de desplazamiento;
- utilizar atributos disponibles;
- aplicar similitud de apariencia cuando sea requerida;
- abrir el segmento original correspondiente;
- navegar por cámaras relacionadas;
- exportar evento y evidencia;
- mantener metadatos durante un período definido;
- controlar acceso por perfil de usuario;
- registrar u organizar casos y bookmarks cuando sea requerido;
- operar dentro de un tiempo máximo de respuesta definido.
La definición por caso de uso reduce la subjetividad y permite comparar soluciones de fabricantes diferentes sin convertir un catálogo propietario en especificación.
Matriz de Criterios de Aceptación
Una forma objetiva de evaluar la función es convertir casos de uso en criterios medibles.
| Caso de prueba | Evidencia esperada | Criterio de aceptación |
| Búsqueda por tiempo y cámara | Resultado dentro de la ventana conocida | Evento localizado y reproducible |
| Búsqueda por clase | Persona/vehículo conocido | Resultado recuperado entre candidatos |
| Región de interés | Objeto atravesando un área conocida | Evento localizado |
| Cruce de línea | Movimiento en dirección definida | Evento encontrado con la dirección correcta |
| Atributos | Objeto con características controladas | Los filtros devuelven un resultado compatible |
| Similitud | Objeto seleccionado en otra cámara | Candidatos presentados y revisables |
| Video original | Resultado filtrado | Acceso al contexto cronológico original |
| Exportación | Bookmark/evento validado | Archivo exportado y reproducible |
| Permisos | Perfiles distintos | Funciones restringidas según RBAC |
| Tiempo | Evento con timestamp conocido | Hora coherente entre sistemas |
La matriz debe adaptarse al producto y al riesgo. El objetivo no es exigir que todos los sistemas hagan todo, sino hacer medible lo que fue contratado.
Cómo Probar Precision y Recall en el Comisionamiento
Para funciones analíticas más importantes, la prueba puede ir más allá de una demostración unitaria.
Cree un conjunto controlado con eventos relevantes conocidos y eventos no relevantes. Ejecute las búsquedas previstas y registre:
- cuántos eventos relevantes existen en el conjunto;
- cuántos fueron recuperados;
- cuántos resultados devueltos eran incorrectos;
- qué tolerancia se utilizó;
- cuál era la condición de iluminación y escena;
- qué cámara, resolución y stream participaron en la prueba.
A partir de ahí es posible calcular precision y recall para el escenario de prueba. Esto transforma “parece bueno” en una medida comparable y repetible.
El resultado no debe generalizarse a todas las escenas sin validación. Una cámara de acceso controlado, una plaza abierta y un estacionamiento nocturno presentan desafíos diferentes.
Cómo Probar Durante el Comisionamiento
La búsqueda forense debe validarse con escenarios reales o controlados que representen el entorno de operación.
- Generar un evento conocido en una hora registrada.
- Confirmar sincronización entre cámara, VMS y analíticos.
- Esperar el procesamiento/indexación necesarios.
- Ejecutar la búsqueda con filtros previamente definidos.
- Verificar que el evento aparezca entre los resultados.
- Abrir la grabación original.
- Confirmar fecha, hora, cámara y contexto.
- Probar bookmark o gestión del caso cuando corresponda.
- Exportar la evidencia.
- Reproducir el archivo exportado.
- Verificar permisos de perfiles diferentes.
- Registrar resultado, evidencia y cualquier no conformidad.
Las pruebas también deben incluir escenarios difíciles: baja iluminación, oclusión parcial, varios objetivos simultáneos, cambios de dirección, compresión más agresiva y escenas con mucho movimiento de fondo.
Errores Comunes al Implantar Búsqueda Forense
Uno de los errores más frecuentes es contratar la función sin definir qué pretende investigar la organización. Esto puede generar sistemas tecnológicamente sofisticados pero poco utilizados.
Otro error es esperar rendimiento de los analíticos sin garantizar calidad de imagen. Los metadatos deficientes no son corregidos por el mecanismo de búsqueda.
También son recurrentes:
- no dimensionar la capacidad de procesamiento;
- no verificar compatibilidad entre cámara, analíticos y VMS;
- no probar la retención de metadatos;
- no definir permisos de usuario;
- no documentar procedimientos de exportación;
- usar similitud como si fuera reconocimiento de identidad;
- usar filtros genéricos como si fueran LPR;
- confundir detección en tiempo real con investigación retrospectiva;
- ignorar precision vs. recall;
- no validar timestamps;
- considerar resultados analíticos como evidencia concluyente sin revisión humana.
Búsqueda Forense en un Centro de Monitoreo
En un Centro de Monitoreo, la búsqueda forense es una herramienta de investigación dentro de un sistema operacional más amplio.
El flujo típico comienza con una demanda: alarma, incidente, reclamación, pérdida patrimonial o solicitud de auditoría. El operador identifica período y lugar, ejecuta consultas, revisa candidatos, correlaciona otras cámaras y sistemas y preserva la evidencia necesaria.
Cuanto mayor es el número de cámaras, más importantes se vuelven la calidad de la interfaz, la taxonomía de dispositivos, la sincronización temporal, los mapas, los grupos de cámaras y las integraciones.
A Centro de Monitoreo debe transformar datos en decisiones operacionales. La búsqueda forense es una de las herramientas que reducen el tiempo entre la pregunta del operador y la localización de la evidencia.
Consideraciones Finales
La búsqueda forense no consiste simplemente en “ver video más rápido”. Es una arquitectura de investigación basada en la combinación de calidad de imagen, analíticos, metadatos, indexación, VMS, almacenamiento, capacidad computacional y proceso operacional.
El material técnico de BriefCam ayuda a concretar esta arquitectura: una investigación moderna implica objetos indexados, filtros globales y espaciales, equilibrio entre precision y recall, gestión de casos, retorno al video original, corrección temporal, exportación y gobernanza de datos.
Estos mecanismos no deben copiarse como requisitos de una marca. Sirven como referencia para transformar necesidades operacionales en funciones medibles y comparables entre soluciones.
El beneficio solo es consistente cuando la función se diseña y se prueba. Cámaras mal posicionadas, metadatos incompatibles, retención insuficiente, procesamiento subdimensionado o ausencia de procedimientos pueden neutralizar el valor del software.
Por ello, la búsqueda forense debe tratarse como un requisito de sistema: definir casos de uso, arquitectura, calidad de imagen, rendimiento, gobernanza, pruebas e integración con la operación.
Durante la aceptación, la búsqueda forense debe demostrarse con eventos conocidos, filtros definidos, retorno al video original, exportación de evidencia y verificación de permisos — no únicamente mediante una presentación comercial.
Referencias Técnicas
[1] IEC. IEC 62676-4:2025 — Video surveillance systems for use in security applications — Part 4: Application guidelines. Disponible en: https://webstore.iec.ch/en/publication/83425
[2] ONVIF. Profile M — Metadata and events for analytics applications. Disponible en: https://www.onvif.org/profiles/profile-m/
[3] BRIEFCAM. BriefCam 2024 M1 User Guide. September 2024. Documento técnico consultado en el acervo interno de A3A Engenharia.
[4] BRIEFCAM. Video Analytics. White Paper. December 2023. Documento técnico consultado en el acervo interno de A3A Engenharia.
[5] BRIEFCAM. Video Characteristics for Best Video Results. September 2024. Documento técnico consultado en el acervo interno de A3A Engenharia.
[6] MILESTONE SYSTEMS. XProtect Documentation — investigation and metadata resources. Disponible en: https://doc.milestonesys.com/
Preguntas Frecuentes
Es la búsqueda estructurada en video grabado para localizar eventos, personas, vehículos u objetos mediante tiempo, cámara, metadatos, filtros espaciales y analíticos.
La búsqueda forense es predominantemente retrospectiva y orientada a la investigación. La detección en tiempo real intenta reconocer una condición mientras ocurre y puede generar alarmas o automatizaciones.
La búsqueda forense reduce resultados mediante filtros. Video Synopsis reorganiza visualmente eventos de momentos diferentes para acelerar el triage; el operador debe volver al video original para analizar contexto y cronología.
Precision mide qué proporción de los resultados devueltos es realmente relevante. Recall mide qué proporción de los eventos relevantes existentes fue recuperada. Los ajustes de tolerancia normalmente modifican el equilibrio entre ambas métricas.
No. Los metadatos funcionan como índice y contexto para localizar eventos. El video original permanece como evidencia visual principal.
Sí. Resolución, encuadre, iluminación, enfoque, motion blur, compresión, ángulo y estabilidad afectan la capacidad de detectar, rastrear y clasificar objetos.
Defina casos de uso verificables, filtros necesarios, cámaras involucradas, integración con VMS, retención de metadatos, permisos, rendimiento, exportación y criterios objetivos de prueba.
Utilice eventos conocidos, valide la sincronización temporal, ejecute los filtros previstos, confirme los resultados en el video original, pruebe exportación y permisos y, cuando sea relevante, mida precision y recall.
Materiales Técnicos Complementarios
Contenidos Principales sobre el Tema
Servicios Relacionados
- Diseño de CFTV IP y Videovigilancia
- Diseño de Seguridad Electrónica Integrada
- Comisionamiento de Ingeniería
