{"id":82384,"date":"2026-09-22T15:36:21","date_gmt":"2026-09-22T18:36:21","guid":{"rendered":"https:\/\/a3aengenharia.com\/?post_type=articles&#038;p=82384"},"modified":"2026-09-22T15:36:21","modified_gmt":"2026-09-22T18:36:21","slug":"aplicaciones-analiticos-video-cftv-casos-uso-diseno","status":"publish","type":"articles","link":"https:\/\/a3aengenharia.com\/es-es\/contenido\/articulos-tecnicos\/aplicaciones-analiticos-video-cftv-casos-uso-diseno\/","title":{"rendered":"Aplicaciones de Anal\u00edticos de Video en CFTV: casos de uso, requisitos y criterios de dise\u00f1o"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Los anal\u00edticos de video en CFTV son mecanismos de procesamiento que transforman im\u00e1genes en eventos y metadatos utilizables por la operaci\u00f3n. El valor t\u00e9cnico no est\u00e1 en \u201ctener inteligencia artificial\u201d, sino en aplicar el algoritmo correcto a un caso de uso bien definido, con calidad de imagen, arquitectura computacional, integraci\u00f3n con el VMS y criterios de rendimiento compatibles con la finalidad del sistema.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En la pr\u00e1ctica, las aplicaciones de anal\u00edticos de video pueden apoyar detecci\u00f3n de intrusi\u00f3n, permanencia indebida, cruce de l\u00ednea, conteo, clasificaci\u00f3n de personas y veh\u00edculos, reconocimiento de matr\u00edculas, b\u00fasqueda forense, generaci\u00f3n de alertas y an\u00e1lisis operacional. Cada aplicaci\u00f3n exige diferentes condiciones de encuadre, iluminaci\u00f3n, resoluci\u00f3n, latencia, procesamiento y validaci\u00f3n. Por ello, el dise\u00f1o debe partir del requisito operacional y solo despu\u00e9s seleccionar la tecnolog\u00eda.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Qu\u00e9 Son los Anal\u00edticos de Video<\/h2>\n\n\n\n<div class=\"wp-block-a3a-destaque\">\n<p class=\"wp-block-paragraph\">Los analytics deben especificarse por caso de uso verificable, no por una lista gen\u00e9rica de funciones de inteligencia artificial. El dise\u00f1o debe definir escenario, objetivo, rendimiento esperado y evidencia de aceptaci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"\/servicos\/planejamento\/projeto-de-cftv-ip-e-videomonitoramento\/\">Dise\u00f1o de CFTV IP y Videovigilancia<\/a><\/p>\n<\/div>\n\n\n\n<p class=\"wp-block-paragraph\">Los anal\u00edticos de video son funciones de software que procesan streams o archivos de video para detectar objetos, seguir trayectorias, clasificar elementos de la escena, extraer atributos y generar metadatos estructurados. Estos datos pueden alimentar b\u00fasquedas retrospectivas, dashboards, alarmas, reglas, automatizaciones o integraciones con otros sistemas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Una arquitectura moderna puede ejecutar parte del procesamiento en la propia c\u00e1mara, en servidores dedicados, appliances, infraestructura virtualizada o en la nube. La ubicaci\u00f3n de los analytics afecta latencia, uso de ancho de banda, dependencia de la red, capacidad de procesamiento, escalabilidad y disponibilidad.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El material t\u00e9cnico de BriefCam ayuda a visualizar este pipeline: el video se recibe y procesa mediante mecanismos de visi\u00f3n computacional y deep learning, los objetos se detectan y rastrean, los atributos se clasifican y los metadatos resultantes se almacenan en una base estructurada. Despu\u00e9s, distintas aplicaciones pueden utilizar el mismo conjunto de datos para REVIEW, RESPOND o RESEARCH.<\/p>\n\n\n\n<figure class=\"a3a-mermaid\"><svg id=\"a3a-diagram-1\" width=\"100%\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"flowchart\" style=\"max-width:min(1413.65625px, 100%);height:auto;display:block;margin:0 auto\" viewBox=\"0 0 1413.65625 273.5\" role=\"graphics-document document\" aria-roledescription=\"flowchart-v2\" aria-labelledby=\"chart-title-a3a-diagram-1\"><title id=\"chart-title-a3a-diagram-1\">Pipeline Funcional de Anal\u00edticos de Video en Sistemas CFTV<\/title><style>#a3a-diagram-1{font-family:Roboto,sans-serif;font-size:15px;fill:var(--a3a-diag-text, #0a0a0a);}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#a3a-diagram-1 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#a3a-diagram-1 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#a3a-diagram-1 .error-icon{fill:var(--a3a-diag-canvas, #ffffff);}#a3a-diagram-1 .error-text{fill:#000000;stroke:#000000;}#a3a-diagram-1 .edge-thickness-normal{stroke-width:1px;}#a3a-diagram-1 .edge-thickness-thick{stroke-width:3.5px;}#a3a-diagram-1 .edge-pattern-solid{stroke-dasharray:0;}#a3a-diagram-1 .edge-thickness-invisible{stroke-width:0;fill:none;}#a3a-diagram-1 .edge-pattern-dashed{stroke-dasharray:3;}#a3a-diagram-1 .edge-pattern-dotted{stroke-dasharray:2;}#a3a-diagram-1 .marker{fill:var(--a3a-diag-stroke, #2e42a2);stroke:var(--a3a-diag-stroke, #2e42a2);}#a3a-diagram-1 .marker.cross{stroke:var(--a3a-diag-stroke, #2e42a2);}#a3a-diagram-1 svg{font-family:Roboto,sans-serif;font-size:15px;}#a3a-diagram-1 p{margin:0;}#a3a-diagram-1 .label{font-family:Roboto,sans-serif;color:var(--a3a-diag-text, #0a0a0a);}#a3a-diagram-1 .cluster-label text{fill:var(--a3a-diag-title, #0124af);}#a3a-diagram-1 .cluster-label span{color:var(--a3a-diag-title, #0124af);}#a3a-diagram-1 .cluster-label span p{background-color:transparent;}#a3a-diagram-1 .label text,#a3a-diagram-1 span{fill:var(--a3a-diag-text, #0a0a0a);color:var(--a3a-diag-text, #0a0a0a);}#a3a-diagram-1 .node rect,#a3a-diagram-1 .node circle,#a3a-diagram-1 .node ellipse,#a3a-diagram-1 .node polygon,#a3a-diagram-1 .node path{fill:var(--a3a-diag-fill, #eef2fd);stroke:var(--a3a-diag-stroke, #2e42a2);stroke-width:1px;}#a3a-diagram-1 .rough-node .label text,#a3a-diagram-1 .node .label text,#a3a-diagram-1 .image-shape .label,#a3a-diagram-1 .icon-shape .label{text-anchor:middle;}#a3a-diagram-1 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#a3a-diagram-1 .rough-node .label,#a3a-diagram-1 .node .label,#a3a-diagram-1 .image-shape .label,#a3a-diagram-1 .icon-shape .label{text-align:center;}#a3a-diagram-1 .node.clickable{cursor:pointer;}#a3a-diagram-1 .root .anchor path{fill:var(--a3a-diag-stroke, #2e42a2)!important;stroke-width:0;stroke:var(--a3a-diag-stroke, #2e42a2);}#a3a-diagram-1 .arrowheadPath{fill:var(--a3a-diag-stroke, #0b0b0b);}#a3a-diagram-1 .edgePath .path{stroke:var(--a3a-diag-stroke, #2e42a2);stroke-width:2.0px;}#a3a-diagram-1 .flowchart-link{stroke:var(--a3a-diag-stroke, #2e42a2);fill:none;}#a3a-diagram-1 .edgeLabel{background-color:var(--a3a-diag-canvas, #ffffff);text-align:center;}#a3a-diagram-1 .edgeLabel p{background-color:var(--a3a-diag-canvas, #ffffff);}#a3a-diagram-1 .edgeLabel rect{opacity:0.5;background-color:var(--a3a-diag-canvas, #ffffff);fill:var(--a3a-diag-canvas, #ffffff);}#a3a-diagram-1 .labelBkg{background-color:rgba(255, 255, 255, 0.5);}#a3a-diagram-1 .cluster rect{fill:var(--a3a-diag-surface, #f8f8f8);stroke:var(--a3a-diag-border, #e2e8f0);stroke-width:1px;}#a3a-diagram-1 .cluster text{fill:var(--a3a-diag-title, #0124af);}#a3a-diagram-1 .cluster span{color:var(--a3a-diag-title, #0124af);}#a3a-diagram-1 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:Roboto,sans-serif;font-size:12px;background:var(--a3a-diag-canvas, #ffffff);border:1px solid hsl(0, 0%, 90%);border-radius:2px;pointer-events:none;z-index:100;}#a3a-diagram-1 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:var(--a3a-diag-text, #0a0a0a);}#a3a-diagram-1 rect.text{fill:none;stroke-width:0;}#a3a-diagram-1 .icon-shape,#a3a-diagram-1 .image-shape{background-color:var(--a3a-diag-canvas, #ffffff);text-align:center;}#a3a-diagram-1 .icon-shape p,#a3a-diagram-1 .image-shape p{background-color:var(--a3a-diag-canvas, #ffffff);padding:2px;}#a3a-diagram-1 .icon-shape rect,#a3a-diagram-1 .image-shape rect{opacity:0.5;background-color:var(--a3a-diag-canvas, #ffffff);fill:var(--a3a-diag-canvas, #ffffff);}#a3a-diagram-1 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#a3a-diagram-1 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#a3a-diagram-1 :root{--mermaid-font-family:Roboto,sans-serif;}<\/style><g><marker id=\"a3a-diagram-1_flowchart-v2-pointEnd\" class=\"marker flowchart-v2\" viewBox=\"0 0 10 10\" refX=\"5\" refY=\"5\" markerUnits=\"userSpaceOnUse\" markerWidth=\"8\" markerHeight=\"8\" orient=\"auto\"><path d=\"M 0 0 L 10 5 L 0 10 z\" class=\"arrowMarkerPath\" style=\"stroke-width: 1; stroke-dasharray: 1, 0;\"><\/path><\/marker><marker id=\"a3a-diagram-1_flowchart-v2-pointStart\" class=\"marker flowchart-v2\" viewBox=\"0 0 10 10\" refX=\"4.5\" refY=\"5\" markerUnits=\"userSpaceOnUse\" markerWidth=\"8\" markerHeight=\"8\" orient=\"auto\"><path d=\"M 0 5 L 10 10 L 10 0 z\" class=\"arrowMarkerPath\" style=\"stroke-width: 1; stroke-dasharray: 1, 0;\"><\/path><\/marker><marker id=\"a3a-diagram-1_flowchart-v2-circleEnd\" class=\"marker flowchart-v2\" viewBox=\"0 0 10 10\" refX=\"11\" refY=\"5\" markerUnits=\"userSpaceOnUse\" markerWidth=\"11\" markerHeight=\"11\" orient=\"auto\"><circle cx=\"5\" cy=\"5\" r=\"5\" class=\"arrowMarkerPath\" style=\"stroke-width: 1; stroke-dasharray: 1, 0;\"><\/circle><\/marker><marker id=\"a3a-diagram-1_flowchart-v2-circleStart\" class=\"marker flowchart-v2\" viewBox=\"0 0 10 10\" refX=\"-1\" refY=\"5\" markerUnits=\"userSpaceOnUse\" markerWidth=\"11\" markerHeight=\"11\" orient=\"auto\"><circle cx=\"5\" cy=\"5\" r=\"5\" class=\"arrowMarkerPath\" style=\"stroke-width: 1; stroke-dasharray: 1, 0;\"><\/circle><\/marker><marker id=\"a3a-diagram-1_flowchart-v2-crossEnd\" class=\"marker cross flowchart-v2\" viewBox=\"0 0 11 11\" refX=\"12\" refY=\"5.2\" markerUnits=\"userSpaceOnUse\" markerWidth=\"11\" markerHeight=\"11\" orient=\"auto\"><path d=\"M 1,1 l 9,9 M 10,1 l -9,9\" class=\"arrowMarkerPath\" style=\"stroke-width: 2; stroke-dasharray: 1, 0;\"><\/path><\/marker><marker id=\"a3a-diagram-1_flowchart-v2-crossStart\" class=\"marker cross flowchart-v2\" viewBox=\"0 0 11 11\" refX=\"-1\" refY=\"5.2\" markerUnits=\"userSpaceOnUse\" markerWidth=\"11\" markerHeight=\"11\" orient=\"auto\"><path d=\"M 1,1 l 9,9 M 10,1 l -9,9\" class=\"arrowMarkerPath\" style=\"stroke-width: 2; stroke-dasharray: 1, 0;\"><\/path><\/marker><g class=\"root\"><g class=\"clusters\"><\/g><g class=\"edgePaths\"><path d=\"M180,136.75L184.167,136.75C188.333,136.75,196.667,136.75,204.333,136.75C212,136.75,219,136.75,222.5,136.75L226,136.75\" id=\"L_A_B_0\" class=\"edge-thickness-normal edge-pattern-solid edge-thickness-normal edge-pattern-solid flowchart-link\" style=\";\" data-edge=\"true\" data-et=\"edge\" data-id=\"L_A_B_0\" data-points=\"W3sieCI6MTgwLCJ5IjoxMzYuNzV9LHsieCI6MjA1LCJ5IjoxMzYuNzV9LHsieCI6MjMwLCJ5IjoxMzYuNzV9XQ==\" marker-end=\"url(#a3a-diagram-1_flowchart-v2-pointEnd)\"><\/path><path d=\"M428.109,136.75L432.276,136.75C436.443,136.75,444.776,136.75,452.443,136.75C460.109,136.75,467.109,136.75,470.609,136.75L474.109,136.75\" id=\"L_B_C_0\" class=\"edge-thickness-normal edge-pattern-solid edge-thickness-normal edge-pattern-solid flowchart-link\" style=\";\" data-edge=\"true\" data-et=\"edge\" data-id=\"L_B_C_0\" data-points=\"W3sieCI6NDI4LjEwOTM3NSwieSI6MTM2Ljc1fSx7IngiOjQ1My4xMDkzNzUsInkiOjEzNi43NX0seyJ4Ijo0NzguMTA5Mzc1LCJ5IjoxMzYuNzV9XQ==\" marker-end=\"url(#a3a-diagram-1_flowchart-v2-pointEnd)\"><\/path><path d=\"M594.516,136.75L598.682,136.75C602.849,136.75,611.182,136.75,618.849,136.75C626.516,136.75,633.516,136.75,637.016,136.75L640.516,136.75\" id=\"L_C_D_0\" class=\"edge-thickness-normal edge-pattern-solid edge-thickness-normal edge-pattern-solid flowchart-link\" style=\";\" data-edge=\"true\" data-et=\"edge\" data-id=\"L_C_D_0\" data-points=\"W3sieCI6NTk0LjUxNTYyNSwieSI6MTM2Ljc1fSx7IngiOjYxOS41MTU2MjUsInkiOjEzNi43NX0seyJ4Ijo2NDQuNTE1NjI1LCJ5IjoxMzYuNzV9XQ==\" marker-end=\"url(#a3a-diagram-1_flowchart-v2-pointEnd)\"><\/path><path d=\"M869.25,136.75L873.417,136.75C877.583,136.75,885.917,136.75,893.583,136.75C901.25,136.75,908.25,136.75,911.75,136.75L915.25,136.75\" id=\"L_D_E_0\" class=\"edge-thickness-normal edge-pattern-solid edge-thickness-normal edge-pattern-solid flowchart-link\" style=\";\" data-edge=\"true\" data-et=\"edge\" data-id=\"L_D_E_0\" data-points=\"W3sieCI6ODY5LjI1LCJ5IjoxMzYuNzV9LHsieCI6ODk0LjI1LCJ5IjoxMzYuNzV9LHsieCI6OTE5LjI1LCJ5IjoxMzYuNzV9XQ==\" marker-end=\"url(#a3a-diagram-1_flowchart-v2-pointEnd)\"><\/path><path d=\"M1067.955,110.5L1085.1,97.792C1102.246,85.083,1136.537,59.667,1157.183,46.958C1177.828,34.25,1184.828,34.25,1188.328,34.25L1191.828,34.25\" id=\"L_E_F_0\" class=\"edge-thickness-normal edge-pattern-solid edge-thickness-normal edge-pattern-solid flowchart-link\" style=\";\" data-edge=\"true\" data-et=\"edge\" data-id=\"L_E_F_0\" data-points=\"W3sieCI6MTA2Ny45NTQ1NTQxMTU4NTM2LCJ5IjoxMTAuNX0seyJ4IjoxMTcwLjgyODEyNSwieSI6MzQuMjV9LHsieCI6MTE5NS44MjgxMjUsInkiOjM0LjI1fV0=\" marker-end=\"url(#a3a-diagram-1_flowchart-v2-pointEnd)\"><\/path><path d=\"M1145.828,136.75L1149.995,136.75C1154.161,136.75,1162.495,136.75,1174.719,136.75C1186.943,136.75,1203.057,136.75,1211.115,136.75L1219.172,136.75\" id=\"L_E_G_0\" class=\"edge-thickness-normal edge-pattern-solid edge-thickness-normal edge-pattern-solid flowchart-link\" style=\";\" data-edge=\"true\" data-et=\"edge\" data-id=\"L_E_G_0\" data-points=\"W3sieCI6MTE0NS44MjgxMjUsInkiOjEzNi43NX0seyJ4IjoxMTcwLjgyODEyNSwieSI6MTM2Ljc1fSx7IngiOjEyMjMuMTcxODc1LCJ5IjoxMzYuNzV9XQ==\" marker-end=\"url(#a3a-diagram-1_flowchart-v2-pointEnd)\"><\/path><path d=\"M1067.955,163L1085.1,175.708C1102.246,188.417,1136.537,213.833,1157.568,226.542C1178.599,239.25,1186.37,239.25,1190.255,239.25L1194.141,239.25\" id=\"L_E_H_0\" class=\"edge-thickness-normal edge-pattern-solid edge-thickness-normal edge-pattern-solid flowchart-link\" style=\";\" data-edge=\"true\" data-et=\"edge\" data-id=\"L_E_H_0\" data-points=\"W3sieCI6MTA2Ny45NTQ1NTQxMTU4NTM2LCJ5IjoxNjN9LHsieCI6MTE3MC44MjgxMjUsInkiOjIzOS4yNX0seyJ4IjoxMTk4LjE0MDYyNSwieSI6MjM5LjI1fV0=\" marker-end=\"url(#a3a-diagram-1_flowchart-v2-pointEnd)\"><\/path><\/g><g class=\"edgeLabels\"><g class=\"edgeLabel\"><g class=\"label\" data-id=\"L_A_B_0\" transform=\"translate(0, 0)\"><foreignObject width=\"0\" height=\"0\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" class=\"labelBkg\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"edgeLabel\"><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"edgeLabel\"><g class=\"label\" data-id=\"L_B_C_0\" transform=\"translate(0, 0)\"><foreignObject width=\"0\" height=\"0\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" class=\"labelBkg\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"edgeLabel\"><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"edgeLabel\"><g class=\"label\" data-id=\"L_C_D_0\" transform=\"translate(0, 0)\"><foreignObject width=\"0\" height=\"0\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" class=\"labelBkg\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"edgeLabel\"><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"edgeLabel\"><g class=\"label\" data-id=\"L_D_E_0\" transform=\"translate(0, 0)\"><foreignObject width=\"0\" height=\"0\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" class=\"labelBkg\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"edgeLabel\"><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"edgeLabel\"><g class=\"label\" data-id=\"L_E_F_0\" transform=\"translate(0, 0)\"><foreignObject width=\"0\" height=\"0\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" class=\"labelBkg\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"edgeLabel\"><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"edgeLabel\"><g class=\"label\" data-id=\"L_E_G_0\" transform=\"translate(0, 0)\"><foreignObject width=\"0\" height=\"0\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" class=\"labelBkg\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"edgeLabel\"><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"edgeLabel\"><g class=\"label\" data-id=\"L_E_H_0\" transform=\"translate(0, 0)\"><foreignObject width=\"0\" height=\"0\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" class=\"labelBkg\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"edgeLabel\"><\/span><\/div><\/foreignObject><\/g><\/g><\/g><g class=\"nodes\"><g class=\"node default\" id=\"flowchart-A-0\" transform=\"translate(94, 136.75)\"><rect class=\"basic label-container\" style=\"\" x=\"-86\" y=\"-26.25\" width=\"172\" height=\"52.5\"><\/rect><g class=\"label\" style=\"\" transform=\"translate(-56, -11.25)\"><rect><\/rect><foreignObject width=\"112\" height=\"22.5\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"nodeLabel\"><p>Video Capturado<\/p><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"node default\" id=\"flowchart-B-1\" transform=\"translate(329.0546875, 136.75)\"><rect class=\"basic label-container\" style=\"\" x=\"-99.0546875\" y=\"-26.25\" width=\"198.109375\" height=\"52.5\"><\/rect><g class=\"label\" style=\"\" transform=\"translate(-69.0546875, -11.25)\"><rect><\/rect><foreignObject width=\"138.109375\" height=\"22.5\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"nodeLabel\"><p>Detecci\u00f3n de Objetos<\/p><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"node default\" id=\"flowchart-C-3\" transform=\"translate(536.3125, 136.75)\"><rect class=\"basic label-container\" style=\"\" x=\"-58.203125\" y=\"-26.25\" width=\"116.40625\" height=\"52.5\"><\/rect><g class=\"label\" style=\"\" transform=\"translate(-28.203125, -11.25)\"><rect><\/rect><foreignObject width=\"56.40625\" height=\"22.5\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"nodeLabel\"><p>Tracking<\/p><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"node default\" id=\"flowchart-D-5\" transform=\"translate(756.8828125, 136.75)\"><rect class=\"basic label-container\" style=\"\" x=\"-112.3671875\" y=\"-26.25\" width=\"224.734375\" height=\"52.5\"><\/rect><g class=\"label\" style=\"\" transform=\"translate(-82.3671875, -11.25)\"><rect><\/rect><foreignObject width=\"164.734375\" height=\"22.5\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"nodeLabel\"><p>Clasificaci\u00f3n y Atributos<\/p><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"node default\" id=\"flowchart-E-7\" transform=\"translate(1032.5390625, 136.75)\"><rect class=\"basic label-container\" style=\"\" x=\"-113.2890625\" y=\"-26.25\" width=\"226.578125\" height=\"52.5\"><\/rect><g class=\"label\" style=\"\" transform=\"translate(-83.2890625, -11.25)\"><rect><\/rect><foreignObject width=\"166.578125\" height=\"22.5\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"nodeLabel\"><p>Metadatos Estructurados<\/p><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"node default\" id=\"flowchart-F-9\" transform=\"translate(1300.7421875, 34.25)\"><rect class=\"basic label-container\" style=\"\" x=\"-104.9140625\" y=\"-26.25\" width=\"209.828125\" height=\"52.5\"><\/rect><g class=\"label\" style=\"\" transform=\"translate(-74.9140625, -11.25)\"><rect><\/rect><foreignObject width=\"149.828125\" height=\"22.5\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"nodeLabel\"><p>Alertas en Tiempo Real<\/p><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"node default\" id=\"flowchart-G-11\" transform=\"translate(1300.7421875, 136.75)\"><rect class=\"basic label-container\" style=\"\" x=\"-77.5703125\" y=\"-26.25\" width=\"155.140625\" height=\"52.5\"><\/rect><g class=\"label\" style=\"\" transform=\"translate(-47.5703125, -11.25)\"><rect><\/rect><foreignObject width=\"95.140625\" height=\"22.5\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"nodeLabel\"><p>B\u00fasqueda Forense<\/p><\/span><\/div><\/foreignObject><\/g><\/g><g class=\"node default\" id=\"flowchart-H-13\" transform=\"translate(1300.7421875, 239.25)\"><rect class=\"basic label-container\" style=\"\" x=\"-102.6015625\" y=\"-26.25\" width=\"205.203125\" height=\"52.5\"><\/rect><g class=\"label\" style=\"\" transform=\"translate(-72.6015625, -11.25)\"><rect><\/rect><foreignObject width=\"145.203125\" height=\"22.5\"><div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\" style=\"display: table-cell; white-space: nowrap; line-height: 1.5; max-width: 200px; text-align: center;\"><span class=\"nodeLabel\"><p>Dashboards y An\u00e1lisis<\/p><\/span><\/div><\/foreignObject><\/g><\/g><\/g><\/g><\/g><\/svg><figcaption>Pipeline Funcional de Anal\u00edticos de Video en Sistemas CFTV<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Esta distinci\u00f3n es importante porque \u201canalytics\u201d no es una \u00fanica funci\u00f3n. El mismo motor puede servir a objetivos diferentes, desde generar una alarma inmediata hasta permitir que un operador busque, horas despu\u00e9s, todos los veh\u00edculos que cruzaron un acceso.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Aplicaciones de Anal\u00edticos de Video en CFTV<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">The best way to organize the topic is by use case rather than by commercial algorithm name. The design should determine which event must be detected, how early, in what environment, with what acceptable false-positive rate, and what operational response will be triggered.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Detecci\u00f3n de Intrusi\u00f3n y Protecci\u00f3n Perimetral<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">In perimeter protection, the objective is to identify people or vehicles entering a defined area, crossing a virtual line, or remaining in a restricted zone. Instead of reacting to every pixel change, current systems can combine motion detection with semantic classification to prioritize relevant objects.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">The potential benefit is reducing alarms caused by rain, vegetation, shadows, or small animals. This depends on the scene, calibration, and product; false alarms cannot be eliminated completely.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">For outdoor environments, the specification should consider lighting, distance, contrast, backlighting, rain, fog, vegetation, cast shadows, insects near the lens, and camera vibration. Daytime and nighttime tests are essential.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Cruce de L\u00ednea, Direcci\u00f3n y Trayectoria<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Line and trajectory filters can detect objects that cross a virtual boundary or follow a defined path. They are useful at access points, corridors, circulation areas, perimeters, internal roads, and operational zones.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">BriefCam documentation shows that line filters can consider direction, while path filters analyze the route of the lower part of the object \u2014 legs or wheels \u2014 through the scene. This illustrates why camera position and geometry directly affect results.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Permanencia Indebida y Dwell Time<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Dwell analytics looks for objects that remain in an area longer than a defined threshold. It can be used in restricted areas, technical access points, facades, perimeters, platforms, loading zones, and environments requiring detection of abnormal behavior.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">The time parameter should represent the actual process. An arbitrary threshold can generate excessive alarms or ignore relevant situations. The design should define the operational condition that constitutes unauthorized dwell.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Objeto Abandonado o Retirado<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Abandoned-object detection seeks to identify items left in an area after separation from a person or associated context. Removed-object detection looks for persistent scene changes related to the removal of an item.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">These use cases are sensitive to scene stability, occlusion, and background movement. Field validation becomes even more important in highly dynamic environments.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Conteo de Personas, Veh\u00edculos y Ocupaci\u00f3n<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Counting can support occupancy control, flow analysis, operational sizing, and capacity analysis. For reliable performance, the camera should be positioned according to the counting logic, avoiding occlusion zones and excessive crossings.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">In many applications, a dedicated overhead camera provides more consistent results than repurposing a camera installed for identification or general context.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Counting should not be treated as an absolute value without validation. Commissioning should compare automatic counts with a known sample and record error, accuracy, and scene conditions.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Clasificaci\u00f3n de Personas y Veh\u00edculos<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Deep-learning systems can classify objects into broad categories such as person, vehicle, or animal and then apply subclasses or additional attributes.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">BriefCam documentation describes a two-layer approach: first the main class, then subclasses and attributes. The key technical point is not an isolated catalog percentage but understanding that more detailed classification depends more strongly on object quality in the image.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">An image may be sufficient to classify \u201cvehicle\u201d but insufficient to distinguish a more specific category reliably. The same applies to person attributes.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Color, Vestimenta y Atributos Visuales<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Color and clothing filters are especially useful during investigation. An operator can search, for example, for people wearing a given clothing combination or vehicles of a specific color.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">These attributes are affected by lighting, white balance, reflections, shadows, and each camera&#8217;s color response. BriefCam itself notes that different cameras and viewing angles can produce different tones for the same object.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Color filters should therefore be treated as a mechanism for reducing candidates, not as unequivocal identification.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Similitud de Apariencia<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Appearance similarity searches for objects visually similar to a reference selected by the operator. It can be used to follow a person or vehicle across different areas or cameras.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">It should not be confused with biometric identification. Two vehicles of the same class and color may be considered similar even when they are different vehicles. For people, clothing and overall appearance can guide a search without proving identity.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Reconocimiento Facial<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Reconocimiento Facial compara representa\u00e7\u00f5es de faces com identidades ou listas previamente cadastradas. \u00c9 um caso de uso especializado, com requisitos de imagem muito mais restritivos do que uma c\u00e2mera de contexto geral.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">According to BriefCam documentation, performance depends on facial resolution, camera position, distance, lighting, angle, focus, and image quality. A technical recommendation is to position the camera closer to eye level, reduce vertical angles, and obtain frontal faces with adequate lighting.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">This type of application also requires legal and governance assessment. The design should define purpose, applicable legal basis, access profiles, retention, and watchlist controls.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Reconocimiento de Matr\u00edculas LPR\/ANPR<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">LPR\/ANPR should be treated as a dedicated function, not as a simple extension of \u201cvehicle detection.\u201d Alphanumeric reading requires specific framing, speed, shutter, lighting, angle, contrast, and plate pixel-density requirements.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">If the requirement is to identify license plates, the specification should measure capture rate and read rate under known conditions. Filtering a vehicle by color or class does not replace license plate recognition.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">B\u00fasqueda Forense<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">B\u00fasqueda Forense usa metadados e filtros para reduzir o volume de v\u00eddeo que precisa ser revisado manualmente. Pode combinar per\u00edodo, c\u00e2mera, classe, cor, dire\u00e7\u00e3o, regi\u00e3o de interesse, perman\u00eancia, similaridade, face ou placa, conforme os recursos dispon\u00edveis.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O artigo sobre <a href=\"\/conteudo\/artigos-tecnicos\/busca-forense\/\">B\u00fasqueda Forense en CFTV<\/a> explores this architecture and investigation criteria in greater depth.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Video Synopsis<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Video Synopsis \u00e9 uma camada de revis\u00e3o acelerada. Em vez de reproduzir toda a janela temporal na ordem original, eventos podem ser condensados e apresentados simultaneamente ou em sequ\u00eancia otimizada para reduzir o tempo de triagem.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">In the BriefCam model, objects can be displayed out of chronological order within the synopsis. When a relevant occurrence is identified, the operator returns to the original video to verify context and preserve evidence.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O conte\u00fado <a href=\"\/conteudo\/artigos-tecnicos\/video-synopsis-cftv-reducao-horas-minutos-analytics-metadados-2\/\">Video Synopsis en CFTV<\/a> examines this mechanism in greater depth.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Alertas Inteligentes y Respuesta en Tiempo Real<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Real-time analytics can feed rules and alerts. In this case, the system is not only an investigation tool; it participates in the operational chain of detection, qualification, and response.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">The architecture must define what happens after the event. An alarm without a procedure, priority, associated camera, map, operator instruction, or integration with another system merely transfers the problem to the monitoring center.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Analytics should reduce cognitive load, not create a new queue of irrelevant events.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Analytics no es Sin\u00f3nimo de Inteligencia Artificial<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La detecci\u00f3n de movimiento, el cambio de fondo, las reglas geom\u00e9tricas y el procesamiento estad\u00edstico tambi\u00e9n son formas de an\u00e1lisis de video. La inteligencia artificial ampl\u00eda la capacidad de clasificaci\u00f3n y reconocimiento, pero no sustituye los fundamentos de la visi\u00f3n computacional.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En sistemas actuales, algoritmos cl\u00e1sicos y modelos de deep learning pueden operar conjuntamente. BriefCam, por ejemplo, documenta el uso de deep learning combinado con t\u00e9cnicas cl\u00e1sicas de visi\u00f3n computacional para detecci\u00f3n, tracking, extracci\u00f3n de objetos y enriquecimiento de metadatos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Esta distinci\u00f3n evita un error com\u00fan: presentar cualquier regla de video como \u201cIA\u201d o asumir que un sistema necesariamente aprende de forma continua en campo. Muchos productos utilizan modelos previamente entrenados y ejecutan inferencia durante la operaci\u00f3n.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Metadatos: el V\u00ednculo entre Analytics, VMS y Operaci\u00f3n<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Los metadatos son la representaci\u00f3n estructurada de lo que los analytics encontraron en el video. Pueden registrar clase, atributos, trayectoria, horario, bounding boxes, velocidad, direcci\u00f3n, regi\u00f3n, eventos y otros elementos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Estos datos hacen que el video sea consultable e integrable. Sin metadatos, la operaci\u00f3n depende principalmente de la l\u00ednea de tiempo, bookmarks y eventos previamente registrados. Con metadatos, el sistema puede responder consultas complejas y correlacionar video con otros sistemas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O artigo <a href=\"\/conteudo\/artigos-tecnicos\/metadados-e-visao-computacional-monitoramento-de-alta-performance\/\">Metadatos y Visi\u00f3n Computacional<\/a> profundiza en esta capa.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Edge Analytics vs. Procesamiento en Servidor<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Ejecutar analytics en la c\u00e1mara reduce la necesidad de transportar video a un servidor \u00fanicamente para procesarlo y puede disminuir la latencia de determinados eventos. Tambi\u00e9n distribuye la capacidad computacional en el edge.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El procesamiento centralizado, por otro lado, facilita la estandarizaci\u00f3n de engines, gesti\u00f3n de hardware, actualizaci\u00f3n de modelos, compartici\u00f3n de GPU y an\u00e1lisis sobre m\u00faltiples fuentes.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Una arquitectura h\u00edbrida puede combinar ambos enfoques: analytics b\u00e1sicos o eventos en la c\u00e1mara, procesamiento avanzado en servidores y VMS centralizando operaci\u00f3n y evidencia.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La decisi\u00f3n debe considerar:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>cantidad de c\u00e1maras;<\/li><li>capacidad de las c\u00e1maras;<\/li><li>requisitos de latencia;<\/li><li>throughput de procesamiento;<\/li><li>disponibilidad de GPU;<\/li><li>consumo de ancho de banda;<\/li><li>retenci\u00f3n de metadatos;<\/li><li>licenciamiento;<\/li><li>alta disponibilidad;<\/li><li>integraci\u00f3n con VMS y PSIM.<\/li><\/ul>\n\n\n\n\n<h2 class=\"wp-block-heading\">Throughput y Capacidad Computacional<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Los analytics avanzados consumen recursos. El procesamiento de video no debe dimensionarse \u00fanicamente por \u201cn\u00famero de c\u00e1maras\u201d. Resoluci\u00f3n, frame rate, complejidad del modelo, cantidad de objetos, modalidad en tiempo real o bajo demanda y engine utilizada modifican la carga.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La documentaci\u00f3n de BriefCam utiliza el concepto de Hs\/H \u2014 horas de video procesadas por hora \u2014 para expresar capacidad de procesamiento bajo demanda. Esto permite comprender que revisar 24 horas de grabaci\u00f3n de cien c\u00e1maras es un problema computacional diferente de procesar eventos en tiempo real.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En sistemas corporativos, deben separarse al menos:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table><tbody><tr><td>Demanda<\/td><td>M\u00e9trica \u00fatil<\/td><td>Riesgo de subdimensionamiento<\/td><\/tr><tr><td>Analytics en tiempo real<\/td><td>canales simult\u00e1neos<\/td><td>retraso o p\u00e9rdida de eventos<\/td><\/tr><tr><td>B\u00fasqueda forense bajo demanda<\/td><td>horas de video por hora<\/td><td>investigaci\u00f3n lenta<\/td><\/tr><tr><td>Video synopsis<\/td><td>tiempo para procesar la ventana<\/td><td>baja utilidad operacional<\/td><\/tr><tr><td>Metadatos hist\u00f3ricos<\/td><td>volumen y retenci\u00f3n<\/td><td>p\u00e9rdida de capacidad de b\u00fasqueda<\/td><\/tr><tr><td>Dashboards y queries<\/td><td>consultas concurrentes<\/td><td>degradaci\u00f3n de la experiencia del operador<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">La especificaci\u00f3n debe utilizar datos del fabricante de la soluci\u00f3n seleccionada y validar el dimensionamiento en el escenario real del proyecto.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Calidad de Imagen y Rendimiento de los Anal\u00edticos<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Los analytics no corrigen una imagen inadecuada. La resoluci\u00f3n nominal es solo una variable.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La documentaci\u00f3n de BriefCam destaca iluminaci\u00f3n, tilt, motion blur, enfoque y compresi\u00f3n como factores de rendimiento. Una imagen de menor resoluci\u00f3n, pero n\u00edtida y bien iluminada, puede producir mejores resultados que una imagen de mayor resoluci\u00f3n degradada por blur o compresi\u00f3n excesiva.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Esto tiene impacto directo en el dise\u00f1o de CFTV. Un campo de visi\u00f3n demasiado amplio reduce la densidad de p\u00edxeles sobre el objetivo. Un obturador lento puede generar estela en objetos r\u00e1pidos. El contraluz puede ocultar atributos. La compresi\u00f3n agresiva puede destruir detalles que los analytics necesitan.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Frame rate<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">El frame rate tambi\u00e9n debe analizarse seg\u00fan la engine. El material de BriefCam muestra que distintas engines pueden procesar diferentes cantidades de cuadros por segundo y que los objetos de alta velocidad pueden verse perjudicados cuando se muestrean pocos frames.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">No existe un FPS universal para todos los anal\u00edticos. La necesidad debe validarse por caso de uso.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">PTZ<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Las c\u00e1maras PTZ que se mueven continuamente son problem\u00e1ticas para algoritmos que dependen de un fondo y una geometr\u00eda estables. El material de BriefCam registra p\u00e9rdida de utilidad durante el movimiento y necesidad de estabilizar la escena antes de recuperar el procesamiento normal.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Si los analytics son un requisito permanente de un \u00e1rea, una c\u00e1mara fija dedicada suele ser m\u00e1s predecible que depender de una PTZ en ronda.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Fisheye<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Las lentes fisheye introducen distorsi\u00f3n geom\u00e9trica. Esto puede reducir la calidad de an\u00e1lisis que dependen de tama\u00f1o, velocidad, proximidad o geometr\u00eda de la escena.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Infrarrojo y T\u00e9rmico<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">El video t\u00e9rmico e IR puede ser \u00fatil para detecci\u00f3n, pero atributos como color, clasificaci\u00f3n fina y reconocimiento facial pueden degradarse. El dise\u00f1o debe separar claramente el objetivo de detecci\u00f3n del objetivo de identificaci\u00f3n.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Precision, Recall y Falsos Positivos<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Evaluar analytics \u00fanicamente como \u201cacert\u00f3 o fall\u00f3\u201d es insuficiente. Dos conceptos ayudan a estructurar el rendimiento: precision y recall.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Precision<\/strong> mide la proporci\u00f3n de resultados devueltos que realmente eran relevantes. Una precision alta significa menos falsos positivos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Recall<\/strong> mide la proporci\u00f3n de eventos relevantes existentes que fueron encontrados. Un recall alto significa menor probabilidad de perder eventos verdaderos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Estas m\u00e9tricas est\u00e1n en tensi\u00f3n. Hacer un filtro m\u00e1s estricto tiende a aumentar precision y reducir recall. Hacerlo m\u00e1s permisivo tiende a recuperar m\u00e1s eventos, pero tambi\u00e9n aumentar los falsos positivos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La documentaci\u00f3n de BriefCam hace expl\u00edcito este trade-off al ofrecer tolerancias Strict, Normal y Loose. El concepto es generalizable: los sistemas de analytics siempre trabajan con umbrales de decisi\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En seguridad, la elecci\u00f3n debe reflejar el riesgo. En un \u00e1rea cr\u00edtica, puede ser aceptable recibir m\u00e1s falsos positivos para reducir la probabilidad de perder una intrusi\u00f3n. En un centro con miles de eventos por hora, el exceso de falsos positivos puede hacer inviable la operaci\u00f3n.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Integraci\u00f3n con VMS<\/h2>\n\n\n\n<div class=\"wp-block-a3a-destaque\">\n<p class=\"wp-block-paragraph\">Los eventos, metadatos y alarmas solo generan valor cuando llegan correctamente al VMS y a la operaci\u00f3n. La integraci\u00f3n debe especificarse y probarse de extremo a extremo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"\/servicos\/planejamento\/projeto-de-sistema-integrado-de-seguranca-eletronica\/\">Dise\u00f1o de Seguridad Electr\u00f3nica Integrada<\/a><\/p>\n<\/div>\n\n\n\n<p class=\"wp-block-paragraph\">El VMS normalmente centraliza c\u00e1maras, grabaciones, usuarios, eventos, alarmas y herramientas de investigaci\u00f3n. Cuando los analytics est\u00e1n integrados al VMS, el operador puede abrir el video asociado al evento, revisar contexto, buscar metadatos y exportar evidencias dentro del mismo flujo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La integraci\u00f3n debe verificarse por funci\u00f3n y no solo por una declaraci\u00f3n de compatibilidad. Es necesario confirmar:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>qu\u00e9 metadatos se reciben;<\/li><li>qu\u00e9 eventos pueden buscarse;<\/li><li>si los bounding boxes se preservan;<\/li><li>si los filtros funcionan sobre video hist\u00f3rico;<\/li><li>c\u00f3mo se presentan las alarmas;<\/li><li>c\u00f3mo se tratan los timestamps;<\/li><li>c\u00f3mo se comporta el sistema ante p\u00e9rdida de conexi\u00f3n;<\/li><li>c\u00f3mo afectan a la integraci\u00f3n las versiones y actualizaciones.<\/li><\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Analytics en Centros de Operaciones<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">En un Centro de Monitoreo o Centro de Operaciones, los analytics participan en una cadena mayor: detectar, contextualizar, priorizar, presentar, decidir, responder y registrar.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Un evento de intrusi\u00f3n puede abrir autom\u00e1ticamente la c\u00e1mara correcta, mostrar un mapa, presentar un procedimiento operacional y correlacionar control de acceso o alarma perimetral. El operador deja de navegar manualmente entre cientos de c\u00e1maras y pasa a trabajar con eventos priorizados.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A arquitetura \u00e9 aprofundada em <a href=\"\/conteudo\/artigos-tecnicos\/central-de-monitoramento-arquitetura-sistemas-requisitos-projeto\/\">Centro de Monitoreo: arquitectura, sistemas y requisitos de dise\u00f1o<\/a> e em <a href=\"\/conteudo\/artigos-tecnicos\/integracao-vms-psim-scada-bms-centros-operacoes\/\">Integraci\u00f3n de VMS, PSIM, SCADA y BMS en Centros de Operaciones<\/a>.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Analytics para Eficiencia Operacional<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El video anal\u00edtico no necesita tener una finalidad exclusivamente de seguridad. Los mismos mecanismos de clasificaci\u00f3n y tracking pueden apoyar ocupaci\u00f3n, flujo, filas, mapas de calor, rutas m\u00e1s utilizadas y permanencia.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El material de BriefCam incluye visual layers de actividad, dwell y common paths. Estos recursos ilustran c\u00f3mo los metadatos de video pueden apoyar decisiones operacionales.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Este uso debe separarse conceptualmente de la vigilancia. La finalidad, gobernanza, acceso a los datos y retenci\u00f3n pueden ser diferentes.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Privacidad, LGPD y Gobernanza<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Cuanto m\u00e1s ricos sean los analytics, mayor ser\u00e1 la necesidad de gobernanza. Los metadatos pueden representar atributos de personas, rostros, matr\u00edculas, trayectorias y patrones de comportamiento.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El sistema debe contar con perfiles de acceso, auditor\u00eda, pol\u00edticas de retenci\u00f3n, reglas de exportaci\u00f3n y procedimientos para tratamiento de datos. Funciones como reconocimiento facial y watchlists requieren una evaluaci\u00f3n espec\u00edfica.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El material de BriefCam incluye mecanismos de Data Protection para localizar, exportar y eliminar datos asociados a personas o veh\u00edculos. Esto no sustituye la gobernanza de la organizaci\u00f3n, pero demuestra que el tratamiento no se limita al archivo de video: tambi\u00e9n pueden existir metadatos, thumbnails, clips, bookmarks y artefactos internos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">C\u00f3mo Especificar Anal\u00edticos de Video<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Una especificaci\u00f3n d\u00e9bil dice \u201cla c\u00e1mara debe poseer inteligencia artificial\u201d. Una especificaci\u00f3n verificable define el comportamiento esperado.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para cada caso de uso, la ingenier\u00eda debe establecer:<\/p>\n\n\n\n<ol class=\"wp-block-list\"><li>escenario y \u00e1rea monitoreada;<\/li><li>objeto o comportamiento de inter\u00e9s;<\/li><li>rango de distancia;<\/li><li>iluminaci\u00f3n esperada;<\/li><li>direcci\u00f3n y velocidad del objetivo;<\/li><li>regla de detecci\u00f3n;<\/li><li>tiempo m\u00e1ximo para generaci\u00f3n del evento;<\/li><li>acci\u00f3n esperada en el VMS;<\/li><li>tasa aceptable de falsos positivos;<\/li><li>condici\u00f3n m\u00ednima de detecci\u00f3n verdadera;<\/li><li>retenci\u00f3n de metadatos;<\/li><li>perfiles autorizados;<\/li><li>comportamiento ante fallas;<\/li><li>evidencia de aceptaci\u00f3n.<\/li><\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Este enfoque permite comparar fabricantes por rendimiento sin limitar la soluci\u00f3n a una lista de features de cat\u00e1logo.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">C\u00f3mo Probar Anal\u00edticos Durante el Comisionamiento<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El comisionamiento debe reproducir los casos de uso previstos en el dise\u00f1o. Comprobar \u00fanicamente que existe una pantalla de configuraci\u00f3n no valida los analytics.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Un plan de aceptaci\u00f3n puede incluir:<\/p>\n\n\n\n<ol class=\"wp-block-list\"><li>generar un evento conocido en condici\u00f3n controlada;<\/li><li>confirmar timestamp y c\u00e1mara;<\/li><li>verificar que el objeto fue detectado;<\/li><li>verificar clasificaci\u00f3n y atributos previstos;<\/li><li>medir latencia hasta el VMS;<\/li><li>confirmar generaci\u00f3n de alarma o metadato;<\/li><li>repetir en diferentes horarios y condiciones de iluminaci\u00f3n;<\/li><li>ejecutar un escenario conocido de falso positivo;<\/li><li>validar permisos de usuarios;<\/li><li>verificar b\u00fasqueda hist\u00f3rica;<\/li><li>exportar evidencia;<\/li><li>registrar resultados y no conformidades.<\/li><\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Las pruebas deben incluir condiciones adversas relevantes: contraluz, noche, lluvia, oclusi\u00f3n parcial, m\u00faltiples objetos, cambios de direcci\u00f3n y movimiento de fondo.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Criterios de Aceptaci\u00f3n Recomendados<\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table><tbody><tr><td>Criterio<\/td><td>Qu\u00e9 medir<\/td><td>Evidencia<\/td><\/tr><tr><td>Detecci\u00f3n<\/td><td>evento verdadero reconocido<\/td><td>video + log<\/td><\/tr><tr><td>Falso positivo<\/td><td>eventos indebidos por per\u00edodo<\/td><td>informe de prueba<\/td><\/tr><tr><td>Latencia<\/td><td>tiempo entre evento y presentaci\u00f3n<\/td><td>timestamp<\/td><\/tr><tr><td>Clasificaci\u00f3n<\/td><td>clase\/atributo esperado<\/td><td>resultado de analytics<\/td><\/tr><tr><td>B\u00fasqueda<\/td><td>evento localizado mediante filtros<\/td><td>pantalla + video original<\/td><\/tr><tr><td>Retenci\u00f3n<\/td><td>metadatos disponibles durante el per\u00edodo<\/td><td>consulta hist\u00f3rica<\/td><\/tr><tr><td>Integraci\u00f3n<\/td><td>evento recibido en el VMS<\/td><td>log + interfaz<\/td><\/tr><tr><td>Failover<\/td><td>continuidad o recuperaci\u00f3n<\/td><td>prueba de falla<\/td><\/tr><tr><td>Permisos<\/td><td>funci\u00f3n disponible solo para el perfil correcto<\/td><td>matriz de acceso<\/td><\/tr><tr><td>Exportaci\u00f3n<\/td><td>archivo reproducible y contextualizado<\/td><td>archivo exportado<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Los l\u00edmites cuantitativos deben surgir de los requisitos del proyecto y de las capacidades declaradas y probadas de la soluci\u00f3n. No existe un porcentaje \u00fanico adecuado para todos los entornos.<\/p>\n\n\n\n\n<h2 class=\"wp-block-heading\">Errores Comunes en Proyectos de Analytics<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un error recurrente es comprar analytics antes de definir el caso de uso. Otro es instalar una c\u00e1mara de contexto general y esperar reconocimiento detallado de rostro, matr\u00edcula o atributos en cualquier punto de la escena.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Otros problemas frecuentes incluyen:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>encuadre incompatible con la tarea;<\/li><li>compresi\u00f3n excesiva;<\/li><li>baja iluminaci\u00f3n;<\/li><li>intentar usar una PTZ en movimiento para analytics continuos;<\/li><li>ausencia de dimensionamiento de GPU;<\/li><li>retenci\u00f3n de metadatos menor que la retenci\u00f3n del video;<\/li><li>integraci\u00f3n incompleta con el VMS;<\/li><li>exceso de alarmas sin prioridad;<\/li><li>inexistencia de procedimiento operacional;<\/li><li>ausencia de prueba de falso positivo;<\/li><li>confiar en cifras de cat\u00e1logo sin POC o comisionamiento;<\/li><li>confundir similitud con identificaci\u00f3n;<\/li><li>confundir clasificaci\u00f3n de veh\u00edculo con LPR;<\/li><li>tratar analytics como evidencia concluyente sin revisi\u00f3n humana.<\/li><\/ul>\n\n\n\n\n<h2 class=\"wp-block-heading\">Consideraciones Finales<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Los anal\u00edticos de video agregan valor cuando transforman una necesidad operacional en un evento, metadato o evidencia utilizable. El beneficio no proviene de la etiqueta \u201cIA\u201d, sino de la combinaci\u00f3n entre caso de uso, imagen adecuada, algoritmo, infraestructura, integraci\u00f3n y proceso.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La ingenier\u00eda debe tratar cada aplicaci\u00f3n como una funci\u00f3n verificable. Intrusi\u00f3n, permanencia, conteo, b\u00fasqueda forense, rostro, LPR y video synopsis exigen criterios diferentes y no deben agruparse gen\u00e9ricamente en una \u00fanica l\u00ednea de especificaci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El dise\u00f1o tambi\u00e9n debe considerar la operaci\u00f3n. Analytics que generan miles de alertas irrelevantes pueden empeorar la seguridad. Un sistema bien especificado equilibra recall, precision, latencia y capacidad de respuesta del equipo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Finalmente, la aceptaci\u00f3n debe demostrar rendimiento en campo. C\u00e1mara, analytics, VMS, servidor, red y procedimiento operacional forman un \u00fanico sistema y deben probarse de extremo a extremo.<\/p>\n\n\n\n<div class=\"wp-block-a3a-destaque\">\n<p class=\"wp-block-paragraph\">La aceptaci\u00f3n de analytics debe medir detecci\u00f3n, falsos positivos, latencia, b\u00fasqueda hist\u00f3rica, integraci\u00f3n y comportamiento en condiciones adversas \u2014 no solo confirmar que la funci\u00f3n existe en la interfaz.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"\/servicos\/implementacao\/comissionamento\/\">Comisionamiento de Ingenier\u00eda<\/a><\/p>\n<\/div>\n\n\n\n<details class=\"wp-block-details is-layout-flow wp-block-details-is-layout-flow\"><summary>Referencias T\u00e9cnicas<\/summary>\n<p class=\"wp-block-paragraph\">[1] IEC. IEC 62676-4:2025 \u2014 Video surveillance systems for use in security applications \u2014 Part 4: Application guidelines. Disponible en: <a href=\"https:\/\/webstore.iec.ch\/en\/publication\/83425\">https:\/\/webstore.iec.ch\/en\/publication\/83425<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">[2] ONVIF. Profile M \u2014 Metadata and events for analytics applications. Disponible en: <a href=\"https:\/\/www.onvif.org\/profiles\/profile-m\/\">https:\/\/www.onvif.org\/profiles\/profile-m\/<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">[3] BRIEFCAM. BriefCam 2024 M1 User Guide. Setembro de 2024. Documento t\u00e9cnico consultado en la base de conocimiento de A3A Engenharia.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">[4] BRIEFCAM. Video Analytics White Paper. Dezembro de 2023. Documento t\u00e9cnico consultado en la base de conocimiento de A3A Engenharia.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">[5] BRIEFCAM. Video Characteristics for Best Video Results. Setembro de 2024. Documento t\u00e9cnico consultado en la base de conocimiento de A3A Engenharia.<\/p>\n<\/details>\n\n\n\n<details class=\"wp-block-details is-layout-flow wp-block-details-is-layout-flow\"><summary>Preguntas Frecuentes<\/summary>\n<div class=\"schema-faq wp-block-yoast-faq-block\"><div class=\"schema-faq-section\" id=\"faq-question-o-que-s-o-anal-ticos-de-v-deo-em-cftv-cd23732f\"><strong class=\"schema-faq-question\">\u00bfQu\u00e9 Son los Anal\u00edticos de Video en CFTV?<\/strong> <p class=\"schema-faq-answer\">Son funciones de software que procesan video para detectar, rastrear y clasificar objetos, generar eventos y producir metadatos utilizables por el VMS y la operaci\u00f3n.<\/p><\/div><div class=\"schema-faq-section\" id=\"faq-question-quais-s-o-as-principais-aplica-es-de-anal-ticos--01f80cb7\"><strong class=\"schema-faq-question\">\u00bfCu\u00e1les Son las Principales Aplicaciones de Anal\u00edticos de Video?<\/strong> <p class=\"schema-faq-answer\">Entre las aplicaciones est\u00e1n intrusi\u00f3n, cruce de l\u00ednea, permanencia, conteo, clasificaci\u00f3n de personas y veh\u00edculos, reconocimiento facial, LPR\/ANPR, b\u00fasqueda forense, video synopsis y alertas en tiempo real.<\/p><\/div><div class=\"schema-faq-section\" id=\"faq-question-analytics-de-v-deo-a-mesma-coisa-que-intelig-nci-74ba0819\"><strong class=\"schema-faq-question\">\u00bfAnalytics de Video es lo Mismo que Inteligencia Artificial?<\/strong> <p class=\"schema-faq-answer\">No. IA y deep learning son tecnolog\u00edas utilizadas en muchos analytics modernos, pero las reglas de movimiento, geometr\u00eda y visi\u00f3n computacional cl\u00e1sica tambi\u00e9n son formas de an\u00e1lisis de video.<\/p><\/div><div class=\"schema-faq-section\" id=\"faq-question-o-que-precision-e-recall-em-analytics-1b794f47\"><strong class=\"schema-faq-question\">\u00bfQu\u00e9 Son Precision y Recall en Analytics?<\/strong> <p class=\"schema-faq-answer\">Precision indica la proporci\u00f3n de resultados devueltos que son realmente relevantes. Recall indica la proporci\u00f3n de eventos relevantes existentes que el sistema logr\u00f3 encontrar.<\/p><\/div><div class=\"schema-faq-section\" id=\"faq-question-analytics-funciona-melhor-na-c-mera-ou-no-servid-8ee15c65\"><strong class=\"schema-faq-question\">\u00bfAnalytics Funciona Mejor en la C\u00e1mara o en el Servidor?<\/strong> <p class=\"schema-faq-answer\">Depende del caso de uso. Edge analytics reduce latencia y distribuye procesamiento; los servidores centralizan capacidad, engines y consultas avanzadas. Las arquitecturas h\u00edbridas son comunes.<\/p><\/div><div class=\"schema-faq-section\" id=\"faq-question-qualidade-de-imagem-influencia-o-analytics-2046d64f\"><strong class=\"schema-faq-question\">\u00bfLa Calidad de Imagen Influye en Analytics?<\/strong> <p class=\"schema-faq-answer\">S\u00ed. Iluminaci\u00f3n, resoluci\u00f3n, densidad de p\u00edxeles, enfoque, motion blur, \u00e1ngulo, compresi\u00f3n y estabilidad de la c\u00e1mara influyen directamente en detecci\u00f3n, tracking y clasificaci\u00f3n.<\/p><\/div><div class=\"schema-faq-section\" id=\"faq-question-como-especificar-anal-ticos-de-v-deo-em-um-proje-d3fd8f8b\"><strong class=\"schema-faq-question\">\u00bfC\u00f3mo Especificar Anal\u00edticos de Video en un Proyecto?<\/strong> <p class=\"schema-faq-answer\">Defina casos de uso verificables, escenario, objetivo, distancia, latencia, comportamiento esperado en el VMS, tolerancia a falsos positivos, retenci\u00f3n de metadatos y criterios de aceptaci\u00f3n.<\/p><\/div><div class=\"schema-faq-section\" id=\"faq-question-como-testar-analytics-no-comissionamento-12d6893c\"><strong class=\"schema-faq-question\">\u00bfC\u00f3mo Probar Analytics Durante el Comisionamiento?<\/strong> <p class=\"schema-faq-answer\">Genere eventos conocidos y verifique detecci\u00f3n, clasificaci\u00f3n, latencia, integraci\u00f3n, b\u00fasqueda hist\u00f3rica, falsos positivos, permisos, exportaci\u00f3n y comportamiento en condiciones adversas.<\/p><\/div><\/div>\n<\/details>\n\n\n\n<details class=\"wp-block-details is-layout-flow wp-block-details-is-layout-flow\"><summary>Materiales T\u00e9cnicos Complementarios<\/summary>\n<h4 class=\"wp-block-heading\">Servicios Relacionados<\/h4>\n\n<ul class=\"wp-block-list\"><li><a href=\"\/servicos\/planejamento\/projeto-de-cftv-ip-e-videomonitoramento\/\">Dise\u00f1o de CFTV IP y Videovigilancia<\/a><\/li><li><a href=\"\/servicos\/planejamento\/projeto-de-sistema-integrado-de-seguranca-eletronica\/\">Dise\u00f1o de Seguridad Electr\u00f3nica Integrada<\/a><\/li><li><a href=\"\/servicos\/implementacao\/comissionamento\/\">Comisionamiento de Ingenier\u00eda<\/a><\/li><\/ul>\n\n<h4 class=\"wp-block-heading\">Contenidos Principales sobre el Tema<\/h4>\n\n<ul class=\"wp-block-list\"><li><a href=\"\/conteudo\/guias-tecnicos\/guia-completo-sobre-analiticos-de-video\/\">Gu\u00eda Completa sobre Anal\u00edticos de Video<\/a><\/li><li><a href=\"\/conteudo\/guias-tecnicos\/guia-completo-sobre-sistemas-de-cftv\/\">Gu\u00eda Completa sobre Sistemas de CFTV<\/a><\/li><li><a href=\"\/conteudo\/whitepapers\/ciberseguranca-em-sistemas-de-cftv\/\">Ciberseguridad en Sistemas de CFTV<\/a><\/li><\/ul>\n\n<h4 class=\"wp-block-heading\">Contenidos T\u00e9cnicos Relacionados<\/h4>\n\n<ul class=\"wp-block-list\"><li><a href=\"\/conteudo\/artigos-tecnicos\/busca-forense\/\">B\u00fasqueda Forense en CFTV<\/a><\/li><li><a href=\"\/conteudo\/artigos-tecnicos\/metadados-e-visao-computacional-monitoramento-de-alta-performance\/\">Metadatos y Visi\u00f3n Computacional<\/a><\/li><li><a href=\"\/conteudo\/artigos-tecnicos\/video-synopsis-cftv-reducao-horas-minutos-analytics-metadados-2\/\">Video Synopsis en CFTV<\/a><\/li><li><a href=\"\/conteudo\/artigos-tecnicos\/central-de-monitoramento-arquitetura-sistemas-requisitos-projeto\/\">Centro de Monitoreo<\/a><\/li><\/ul>\n<\/details>\n","protected":false},"excerpt":{"rendered":"<p>Conozca las principales aplicaciones de anal\u00edticos de video en CFTV, con casos de uso, metadatos, IA, precision\/recall, VMS, requisitos de imagen, dimensionamiento y criterios de comisionamiento.<\/p>\n","protected":false},"author":1,"featured_media":78566,"parent":0,"template":"","meta":{"_a3a_global_related_solutions":[],"_a3a_global_related_services":[],"_a3a_global_related_materials":[],"_a3a_post_lang":"es-es","_a3a_translation_group_id":"80d59602-2e19-4a50-896a-d148d5fe06c9","_a3a_i18n_canonical_slug":"aplicaciones-analiticos-video-cftv-casos-uso-diseno","_a3a_prod_post_id":"","_a3a_lang_url_en-us":"","_a3a_lang_url_es-es":""},"categories":[],"segments":[],"mercados":[],"etapas":[],"class_list":["post-82384","articles","type-articles","status-publish","has-post-thumbnail","hentry"],"_links":{"self":[{"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/articles\/82384","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/articles"}],"about":[{"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/types\/articles"}],"author":[{"embeddable":true,"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/articles\/82384\/revisions"}],"predecessor-version":[{"id":82386,"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/articles\/82384\/revisions\/82386"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/media\/78566"}],"wp:attachment":[{"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/media?parent=82384"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/categories?post=82384"},{"taxonomy":"segments","embeddable":true,"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/segments?post=82384"},{"taxonomy":"mercados","embeddable":true,"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/mercados?post=82384"},{"taxonomy":"etapas","embeddable":true,"href":"https:\/\/a3aengenharia.com\/es-es\/wp-json\/wp\/v2\/etapas?post=82384"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}