Saltar al contenido
giron.ai

Experimentos de IA

Cómo lo construyo, qué funciona y qué falta por resolver.

Un laboratorio para explicar lo que construyo

Aquí comparto experimentos independientes de IA: qué intenté resolver, cómo lo implementé, qué medí y qué todavía falla. Las primeras dos demos exploran visión por computador sobre una escena de un centro comercial.

Son pruebas sobre un video concreto. Sus resultados no representan la precisión de un producto en cualquier cámara o entorno.

01 · Ocupación de mesas

Pregunta: ¿puede un video ayudar a distinguir una mesa ocupada de una persona que solo pasa junto a ella?

Definí las zonas de las mesas como polígonos. El detector segmenta personas y objetos, y el seguimiento mantiene sus trayectorias. Una regla combina permanencia dentro de la zona y movimiento reducido para estimar ocupación.

Del video a una estimación de ocupación

  1. SegmentarYOLO26x-seg identifica objetos y siluetas
  2. SeguirByteTrack mantiene trayectorias entre cuadros
  3. RelacionarComparar personas con zonas de mesas
  4. MedirEstimar ocupación y duración
Las zonas están dibujadas para esta escena: otra cámara requiere adaptar y evaluar la configuración.

Cómo lo implementé

En esta demo, la regla pide al menos 1,5 segundos dentro de la zona y movimiento medio inferior a 6 píxeles por cuadro. Una tolerancia temporal evita cortar inmediatamente una ocupación cuando hay una oclusión. Estos valores pertenecen a este experimento y no son universales.

# Pseudocódigo de la regla del experimento.
if tiempo_en_zona >= 1.5 and movimiento_medio < 6:
    mesa_ocupada = True

Una dificultad fue la cifra de sillas: variaba entre cuadros por oclusiones y por el movimiento de la cámara. Decidí mostrar las siluetas y reservar la cifra de mobiliario para el resumen, usando una mediana. Una cifra visualmente estable todavía necesita contrastarse con la escena real.

02 · Conteo, permanencia y reidentificación

Pregunta: ¿cómo evito contar varias veces a alguien cuando el seguidor pierde su trayectoria?

El experimento define líneas de cruce y una zona de permanencia. El seguimiento puede asignar un identificador nuevo a la misma persona después de una oclusión; por eso, contar identificadores no equivale a contar personas.

Uso DINOv2 para obtener vectores de apariencia a partir de recortes del cuerpo. Comparo proximidad temporal, posición y semejanza visual para unir tramos compatibles. Es reidentificación por apariencia dentro de la escena; no asigna nombres ni utiliza reconocimiento facial.

Reconstruir una trayectoria

  1. ObservarRecoger tramos de seguimiento
  2. RepresentarExtraer apariencia corporal con DINOv2
  3. CompararEvaluar tiempo, distancia y similitud
  4. UnirReducir fragmentaciones compatibles
Dos personas con apariencia similar pueden confundirse. Las uniones deben evaluarse, no asumirse correctas.

Cómo calibro la comparación

El código obtiene una distribución de similitudes entre trayectorias que coinciden en el tiempo y usa su percentil 99 como referencia. Es una heurística: detecciones duplicadas pueden contaminar esos pares. Para unir tramos también exige una separación temporal limitada y una distancia compatible con el movimiento.

Lo que muestran las mediciones documentadas

La evaluación registrada el 17 de octubre de 2026 compara ambas variantes sobre el mismo video:

MediciónSin reidentificaciónCon reidentificaciónReferencia manual
Personas detenidas en la zona963–4
Permanencia media estimada13,4 s22,3 sAproximadamente 35–40 s para la familia observada

La referencia de permanencia describe a la familia observada; no constituye una etiqueta exhaustiva de todas las visitas. La reidentificación reduce fragmentación, pero todavía sobrecuenta. Los cruces de línea no tienen una validación manual completa. Estas son mediciones documentadas, no una evaluación nueva ni un porcentaje de precisión general.

Cómo organizo los experimentos

  • Python, PyTorch y OpenCV: procesamiento y análisis del video.
  • YOLO26x-seg y ByteTrack: segmentación y seguimiento.
  • DINOv2: representación de apariencia para unir trayectorias.
  • Caché de detecciones: reutilizar el trabajo de inferencia al ajustar reglas o visualización.
  • Evaluación separada: contrastar conteos con referencias manuales antes de interpretar resultados.

El código se reparte entre procesamiento común, reglas de mesas, conteo de personas, reidentificación y evaluación. Primero reviso cuadros concretos; después genero el video y su resumen. Las mejoras pendientes incluyen etiquetar los cruces, reducir trayectorias fugaces y evaluar los cambios de postura.

El material de referencia es un video de Joshua Miranda en Pexels, identificado en el proyecto como mall-3660928. Esta página explica el método y los resultados sin publicar videos, recortes de personas, vectores ni archivos de caché.

Del experimento al producto

Este espacio documenta el proceso de aprendizaje. En El Empleado Juan presento las capacidades y el valor del producto comercial. Aquí comparto los detalles de estas demos independientes y sus límites.