IA para conteo de pasajeros en autobuses de India: implementación técnica

IA para el Conteo de Pasajeros: Implementación Técnica de un Sistema para Autobuses en India

Solución de IA para Sistemas de Transporte: Cómo Funciona

Las modernas tecnologías de inteligencia artificial (IA) están abriendo nuevas posibilidades para resolver desafíos en el sector del transporte. Uno de estos desafíos es el conteo preciso de pasajeros en los autobuses de India, donde el fraude sistémico por parte del personal genera pérdidas financieras significativas. Este artículo profundiza en el lado técnico del proyecto, cubriendo la arquitectura del sistema, el desarrollo de una red neuronal personalizada y el cumplimiento de la legislación india de protección de datos.

De la Idea a la Implementación: Recopilación y Preparación de Datos

El proyecto comenzó con un análisis detallado de las condiciones de operación de los autobuses en India. Se organizó un viaje de campo para estudiar el diseño de los vehículos, determinar los ángulos óptimos de montaje de las cámaras y recopilar un conjunto de datos primario. Durante cinco días, se grabó aproximadamente una hora de video en 4K, formando el conjunto de datos IndiaBus-v1.0. Este material ayudó a identificar los principales desafíos de detección, como oclusiones, reflejos y variaciones de iluminación, y definió los requisitos de hardware.

Los resultados formaron la base para las pautas de instalación de cámaras y los protocolos de transferencia de datos. Los datos de los autobuses se cargan mediante WiFi o GSM en las paradas terminales, minimizando los costos de infraestructura. Las velocidades de transferencia alcanzan los 400 Mbps, con tiempos de carga por viaje de 5 a 10 minutos. Este enfoque permite el procesamiento rápido de grandes volúmenes de datos sin demoras.

Arquitectura del Sistema: Un Enfoque de Tres Niveles

El sistema de conteo de pasajeros se basa en tres niveles, cada uno con tareas específicas:

• Nivel a Bordo: Incluye cámaras para grabar la entrada y salida de pasajeros, un módulo GPS para el seguimiento de ubicación y un SSD para el almacenamiento de datos durante el viaje (aprox. 15 GB por viaje).
• Nivel de Carga: Los datos se transfieren a un servidor en las paradas terminales mediante WiFi de alta velocidad o GSM.
• Nivel de Servidor: Aquí ocurre el procesamiento de IA. Primero, un modelo YOLO detecta rostros, luego las imágenes se recortan, seguido de la extracción de incrustaciones (embeddings) utilizando la red neuronal personalizada Adaptive Face Extractor. Finalmente, las incrustaciones se comparan para la identificación de pasajeros, y los datos se vinculan a las paradas mediante GPS y marcas de tiempo.

Este enfoque no solo cuenta pasajeros con precisión, sino que también calcula tarifas individuales en función de la distancia recorrida. La fórmula de la tarifa es simple: la suma de las tarifas de todas las paradas entre los puntos de entrada y salida.

Por qué una Red Neuronal Personalizada: Ventajas del Adaptive Face Extractor

Se desarrolló una arquitectura propietaria Adaptive Face Extractor en lugar de utilizar soluciones predefinidas como FaceNet o ArcFace. Las razones están ligadas a la especificidad de la tarea y los datos:

• Adaptación a las Condiciones Indias: Los modelos preentrenados en conjuntos de datos occidentales mostraron baja precisión (~90%) con imágenes que presentaban saris, turbantes e iluminación no estándar. La red personalizada logró un 96.3% de precisión en datos indios.
• Optimización de Recursos: El tamaño del modelo es de solo 4.7 MB frente a los 98 MB de las soluciones comerciales, con un tiempo de inferencia en CPU de 42 ms frente a 280 ms.
• Tamaño de Entrada Variable: La arquitectura admite el procesamiento de imágenes de diferentes escalas (de 80×80 a 180×160 píxeles), crucial dada la variación en la altura de los pasajeros y las distancias a la cámara.
• Control de Datos: El uso de un modelo interno elimina el envío de datos biométricos a APIs externas, alineándose con los requisitos legales.
• Ahorro de Costos: Sin tarifas de licencia, que podrían alcanzar millones de rupias mensuales al escalar a 180,000 pasajeros por día.

La arquitectura Adaptive Face Extractor incluye bloques clave: un bloque inicial con Conv2D y BatchNorm, un bloque multiescala con ramas paralelas, un mecanismo de atención Squeeze-and-Excitation y capas finales para incrustaciones de 512D o 1024D. El entrenamiento utilizó el conjunto de datos IndiaBus-v1.0 con ArcFace Loss y aumento de datos para robustez.

Sincronización de Datos y Cálculo de Tarifas

El conteo preciso de pasajeros y la determinación de rutas individuales dependen de la sincronización de datos de cámara y GPS. El receptor admite NavIC L1 y GPS L1/L5, proporcionando una precisión de hasta 10 metros. Las marcas de tiempo se sincronizan mediante un servidor NTP en Mumbai con un error inferior a 100 ms. Las coordenadas se registran cada 15 segundos, y cada fotograma de video se etiqueta con datos de ubicación y tiempo.

Las incrustaciones de entrada y salida se comparan utilizando similitud del coseno. El umbral de similitud se está ajustando actualmente para equilibrar la precisión y la exhaustividad del reconocimiento. El código de comparación se ve así:

def compare_faces(embedding1, embedding2, threshold):
    similarity = np.dot(embedding1, embedding2)
    if similarity > threshold:
        return True  # Misma persona
    else:
        return False  # Personas diferentes

Cumplimiento Legal: Protección de Datos bajo la DPDPA 2023

Un aspecto clave del proyecto es el cumplimiento de la Ley de Protección de Datos Personales Digitales de India (DPDPA 2023). Esta ley es menos estricta que el GDPR o el CCPA, pero aún impone requisitos serios. Las sanciones máximas por infracciones pueden alcanzar los 250 crore de rupias (aprox. 2.7 mil millones de rupias), aunque se aplican solo por violaciones graves como fugas de datos o falta de medidas de seguridad.

Para cumplir con los requisitos de la ley, se implementaron las siguientes medidas:

• Los datos se almacenan exclusivamente en servidores en India (región de Mumbai).
• Las imágenes faciales se conservan solo por 90 días para depuración, luego se eliminan, mientras que las incrustaciones (que no pueden reconstruir las imágenes originales) se almacenan por más tiempo.
• Se colocan carteles informativos en maratí, hindi e inglés dentro de los autobuses para el consentimiento informado.
• Se utilizan cifrado TLS 1.3 y AES-256-GCM.
• Se realizan auditorías trimestrales por terceros.

El cumplimiento de la DPDPA 2023 no solo minimiza los riesgos, sino que también proporciona una ventaja competitiva, permitiendo operar donde otras empresas podrían enfrentar restricciones.

Conclusiones Clave

• Implementación Técnica: La arquitectura de tres niveles garantiza la recopilación, transferencia y procesamiento de datos para un conteo preciso de pasajeros.
• Modelo Personalizado: El Adaptive Face Extractor supera a las soluciones predefinidas en precisión con datos indios (96.3%) y optimización de recursos (4.7 MB, 42 ms en CPU).
• Cumplimiento Legal: La adhesión a la DPDPA 2023 minimiza los riesgos de sanciones y ofrece una ventaja en el mercado.
• Sincronización de Datos: El GPS y las marcas de tiempo permiten el cálculo preciso de la ruta y la tarifa para cada pasajero.

— Editorial Team