92<< - Resultado nal más preciso y able, lo que reduce las quejas y devoluciones por parte del cliente. Todo el proceso, desde el estudio del caso, hasta el diseño del pro- yecto y su implementación se llevó a cabo en menos de cuatro meses. Otro ejemplo de visión arti cial aplicado a la automoción en el que ha llevado a cabo el Grupo Renault, que ha anunciado la rma de un acuerdo de desarrollo estratégico con Chronocam, empresa que ha creado unos sensores de visión inspirados en el ojo humano que rompen con las soluciones actuales de visión arti cial aplicadas al automóvil. Este acuerdo va a permitir entrar en una nueva fase de investigación y desarrollo de las soluciones de Chronocam, en lo que respecta a la detección y tratamiento de las informaciones visuales que reciben los sistemas de ayuda a la conducción (ADAS) de Renault y en el desarrollo de la conducción autónoma. Las dos empresas están trabajando conjuntamente para desa- rrollar la tecnología propuesta por Chronocam en diversos ámbitos como por ejemplo: evitar colisiones, proporcionar asis- tencia al conductor, proteger al peatón y detectar los ángulos muertos, así como otras funciones esenciales para mejorar la seguridad y la e cacia de la conducción humana y autónoma. El planteamiento de Chronocam acerca de la visión arti cial se nutre de la experiencia de la empresa en la detección de la visión neuromór ca que imita al ojo humano y, por tanto, el tratamiento se asemeja al que realiza el propio cerebro humano. Visión arti cial en seguridad Una de las aplicaciones más recurrentes de la visión arti cial es la videovigilancia de espacios, comentan desde la empresa Faico, tanto abiertos como cerrados, lo cual permite obtener sistemas de videovigilancia inteligentes, que son capaces de detectar com- portamientos anómalos en áreas de inspección seleccionadas por el usuario: acceso a zonas restringidas, control de masi ca- ciones o aglomeraciones, análisis de ujos de tránsito, detección de objetos depositados sospechosamente en zonas comunes, etc. Esto, a su vez, supone una optimización de recursos frente a los sistemas de videovigilancia tradicionales, que necesitan de un mayor control humano, que frecuentemente supera los recursos disponibles, además de tener una precisión variable. • Control de acceso. Otra capacidad de la visión arti cial es identi car a las personas que acceden a un determinado lugar. En este aspecto, encontramos distintas técnicas de recono- cimiento que identi can y permiten (o no) la entrada de un individuo un espacio concreto. En Faico han desarrollados dos sistemas, en base a: • Reconocimiento facial: mediante técnicas de visión arti cial, los rasgos faciales de una persona son examinados para deter- minar si se trata de una persona registrada en el sistema o, en caso contrario, se trata de una persona desconocida. Si es así, el sistema alerta de este hecho, dando la opción de registrarla en la base de datos, o enviar la información a un sistema cen- tral de seguridad. •Reconocimiento del iris: Ffunciona de forma similar, reco- nociendo y discriminando en base al iris de la persona. Este sistema puede ser modular, desde un sistema donde los usua- rios deban interaccionar con el dispositivo, a un sistema en pasillo, en el cual los usuarios en tránsito son identi cados y validados sin necesidad de interacción con el dispositivo. • Trá co: la visión arti cial también es una herramienta útil en el control del trá co y la prevención de accidentes. Facilita labores como el estudio del estado del trá co en diferentes lugares y momentos, la detección automatizada de acciden- tes, reconocimiento y clasi cación de matrículas... Aportando datos que pueden ser interpretados para mejoras futuras. Visión arti cial y procesamiento de imágenes con CompactRIO Con cerca de 700 millones de unidades embebidas de visión implementadas a nales del 2016, visión arti cial es un elemento común de los sistemas avanzados de control en el Internet Industrial de las Cosas (IIoT). Tradicionalmente, las aplicaciones de visión arti cial operan en un subsistema distinto que enlaza con el controlador principal usando una red industrial. Este enfoque tiene varias desventajas, incluyendo la latencia de la red industrial y el costo adicional y la complejidad asociados por tener múltiples subsistemas. Esto nalmente limita el nivel de integración que puede alcan- zarse, el cual es aún más problemático si usted considera que VISIÓN ARTIFICIAL