Difuminado de la identidad

Para gestionar los problemas de privacidad, Samsara puede difuminar la mayoría de las imágenes cargadas y guardadas de todas las matrículas y personas (conductores, pasajeros y peatones). El difuminado se puede aplicar a videos en el panel (videos de eventos de seguridad o extraídos), videos descargados e imágenes fijas de trayectos.

Hay tres funciones de Difuminado de la identidad diferentes, las cuales se podrán activar de forma independiente desde la página de Administración de funciones:

• Difuminado exterior de identidad (cámaras de tablero bidireccionales y frontales con IA)

  

• Difuminado de identidad del conductor (cámaras de tablero bidireccionales)

  

• Difuminado de NVR de alta definición (sistema HD NVR)

Tan pronto como active las funciones de Difuminado de la identidad que prefiera, Samsara aplicará la configuración a todas las futuras capturas de imagen y video.

Nota

Samsara no difumina de forma retroactiva las imágenes y videos que se hayan captado antes de activar la función.

El difuminado de identidad también tiene las siguientes excepciones y notas de uso:

• Si usted tiene activada la Transmisión en directo, la opción Tomar nueva imagen fija capturará imágenes y videos sin difuminar; sin embargo, solo los usuarios con permisos explícitos de transmisión en vivo pueden iniciarlas.

• Ciertas superposiciones para eventos de IA, como las de advertencia de conducción distraída y colisión frontal, no se mostrarán en imágenes y videos difuminados.

• En caso de que necesite extraer imágenes no borrosas, como por ejemplo para exonerar a un conductor o a petición de las autoridades, los administradores del panel de control podrán descargar imágenes y videos sin difuminar. Para obtener más información, consulte Descargar imágenes nítidas.

Limitaciones de la detección de objetos

Nuestro algoritmo de difuminado se basa en modelos de detección de objetos de IA para detectar cabezas humanas y vehículos como objetos. Los siguientes factores pueden afectar su desempeño:

• Tamaño de los objetos: La proximidad a la cámara afecta la detección. Es posible que los objetos demasiado cercanos o lejanos no se registren.

• Variación de los objetos: Los rostros humanos y los vehículos varían, lo que lleva a posibles identificaciones erróneas. Las imágenes con múltiples instancias de estos objetos pueden confundir el algoritmo.

• Orientación de la imagen: La detección de objetos suele tener más éxito cuando ciertos rasgos faciales o ciertas características del vehículo, como los faros, están encuadrados. En el caso de las cabezas de personas, estos incluyen la forma, el tamaño, los rasgos faciales y los accesorios. Para los vehículos, los identificadores como los faros y la posición relativa a la carretera son esenciales. Sin embargo, es posible que los objetos observados en ángulo desde la cámara no se detecten debido a que faltan identificadores.

• Ubicación de los objetos: Las posiciones no convencionales pueden provocar errores de detección. Por ejemplo, el algoritmo de Samsara está entrenado para reconocer las ubicaciones típicas de la cabeza de un adulto. Por lo tanto, es posible que no se pueda detectar con precisión la posición relativa de la cabeza de un niño en comparación con la cabeza de un adulto, que se desvía de la ubicación estándar respecto al asiento.

• Iluminación: La iluminación deficiente o excesiva, como la luz del día o el deslumbramiento, puede dificultar la detección.

• Oscuridad: Los objetos parcialmente oscurecidos pueden escapar a la detección.

• Difuminado: El difuminado reduce la detectabilidad, y la calidad y resolución de la imagen afectan aún más el rendimiento.

• Movimiento (en video): El movimiento rápido entre fotogramas puede reducir la precisión de la detección de objetos.