En España, cada año más de 350 peatones mueren en accidentes de tráfico.

El sistema no adivina a partir de un solo fotograma. Solo se crea un episodio cuando la cinemática local muestra dos cosas a la vez: un peatón camina por el paso y un vehículo se mueve por la misma zona (un coche parado en un semáforo en rojo no es un episodio). Una secuencia de hasta 8 fotogramas se envía entonces a la AI, que emite un veredicto con una explicación. La última palabra la tienen las personas: cada veredicto puede confirmarse o refutarse.

Sí, y no lo ocultamos. Por eso cada veredicto tiene botones ✓/✗: cualquier visitante puede confirmar o refutar el juicio de la AI. Con esos votos calculamos la concordancia AI↔humano y la publicamos en vivo en la página de inicio. Tratamos los eventos como candidatos, no como hechos.

Es una estimación monocular: el desplazamiento en píxeles entre fotogramas convertido mediante una escala de carril conocida. El resultado es orientativo: el error puede alcanzar el ±30%. No es un radar ni un instrumento de medición, y no constituye prueba legal de nada.

El sistema no identifica a nadie: el seguimiento usa identificadores efímeros en memoria, y solo llegan al disco contadores agregados y breves clips de eventos. Está disponible el difuminado de rostros y matrículas. Es un demostrador de investigación, no vigilancia ni sanción: no se crea ningún registro de infracciones. Más detalles en la página de Cumplimiento / RGPD.

La fuente es un stream HLS que, por diseño, divide el vídeo en segmentos de varios segundos, de ahí el retraso. El análisis se ejecuta en una CPU con un presupuesto de cómputo limitado, así que procesamos unos pocos fotogramas por segundo en lugar de los 25 completos. Una cola de suavizado mantiene la previsualización fluida en vez de una imagen entrecortada «en directo a toda costa».

Sí: las bicicletas son una clase de detección aparte, con estadísticas propias, porque su comportamiento en un paso difiere del de los peatones y los coches. Las motocicletas se cuentan como vehículos.

De cámaras web públicas facilitadas por los ayuntamientos. La fuente de cada cámara se acredita junto a la previsualización. No instalamos cámaras propias ni usamos sistemas de CCTV cerrados.

Sí: todo el proyecto es de código abierto bajo Apache-2.0: github.com/AndriiShramko/bezpieczne-przejscia. Necesitas un stream de cámara público y un servidor pequeño; basta con CPU, sin GPU. El método es portable: la AI describe la escena una vez (zonas, carriles, direcciones) y luego el análisis se ejecuta de forma automática.

Casi nada. La detección se ejecuta localmente en una CPU, los veredictos de la AI caben en la capa gratuita diaria y el alojamiento es un pequeño VPS. El código es abierto: el único coste real es el servidor y tu tiempo de configuración.

Es la cooperación de tres «modelos». YOLOX es la percepción: encuentra peatones y vehículos en cada fotograma, de forma local y gratuita, pero no «entiende» la escena. Gemini es la comprensión: describe una vez la topología del paso y luego juzga cada episodio a partir de una secuencia de fotogramas. Las personas son la comprobación final: confirman o refutan los veredictos, y de ahí se calcula la precisión real.