Detección de caídas interpretable y ligera en una galería patrimonial usando YOLOv11-SEFA para despliegue en el edge

Por qué importa la seguridad en las galerías

A medida que las sociedades envejecen, más personas mayores visitan museos y galerías patrimoniales—espacios bellos que no fueron diseñados pensando en la supervisión moderna de seguridad. Una simple caída en estos entornos puede ocasionar lesiones graves; sin embargo, cablear edificios con nuevos sensores o vigilar continuamente las cámaras resulta costoso, intrusivo y, a menudo, impráctico. Este artículo explora una nueva forma de detectar caídas de manera automática y rápida en dichos espacios, usando inteligencia artificial compacta que puede ejecutarse cerca de las propias cámaras sin saturar la red con vídeo ni invadir la privacidad de los visitantes.

Un lugar complicado para vigilar

La Rochfort Gallery en North Sydney, un edificio restaurado de los años veinte con techos altos, acabados ornamentados, suelos brillantes y vitrinas de vidrio, sirve como banco de pruebas para este trabajo. Estas características lo hacen visualmente rico para los visitantes pero difícil para las máquinas: la luz se refleja en el vidrio, las sombras cambian a lo largo del día y las multitudes fluctúan. Las normas de protección del patrimonio también limitan perforaciones, cableado y equipos voluminosos. Los autores sostienen que cualquier sistema de detección de caídas aquí debe ser compacto, eficiente en consumo y respetuoso con la privacidad, a la vez que lo bastante fiable como para ayudar al personal a proteger a los visitantes vulnerables.

Enseñar a los ordenadores cómo es una caída

Para entrenar su sistema, el equipo no se apoyó en un pequeño conjunto de datos escenificado. En su lugar, ampliaron una colección de imágenes existente con miles de fotografías adicionales tomadas en museos, galerías y centros comunitarios. Cada imagen fue etiquetada como postura normal (por ejemplo, de pie o caminando) o postura de caída (tumbado en el suelo en distintas orientaciones), y capturada desde varios ángulos—cámaras en el techo, vistas laterales y a nivel de los ojos—en condiciones que iban desde luz diurna hasta salas tenues con focos. También incluyeron deliberadamente escenas con obstrucciones parciales por mobiliario u otros visitantes, así como salas concurridas, para reflejar el desorden y la confusión de los espacios públicos reales.

Un vigilante inteligente y ligero en el edge

El núcleo del sistema es una red de detección de objetos optimizada llamada YOLOv11-SEFA, que analiza cada fotograma de la cámara y decide si alguien ha sufrido una caída. En lugar de construir un modelo más pesado y complejo, los autores añaden dos ajustes focalizados a un detector rápido existente para que preste especial atención a cuerpos pequeños o parcialmente ocultos y a las regiones donde una persona toca el suelo. Esto aumenta tanto la proporción de caídas reales detectadas como la precisión de las cajas delimitadoras, manteniendo al mismo tiempo el coste computacional lo bastante bajo como para ejecutarse en ordenadores “edge” modestos instalados en el edificio. Las pruebas frente a varias alternativas populares muestran que este modelo afinado ofrece uno de los mejores equilibrios entre precisión y velocidad, usando solo un pequeño incremento de potencia de procesamiento respecto a su punto de partida.

De alarmas simples a riesgo graduado

En lugar de limitarse a gritar “caída” o “no caída”, el sistema va un paso más allá y asigna a cada evento detectado un nivel de riesgo de 0 a 3. Para ello, convierte la detección visual en seis números sencillos: cuánto ocupa la persona en la imagen, cuánto está inclinada, qué tan lejos parece de la cámara, cuán estirada o aplastada está su silueta, cuán visualmente ocupada está el área circundante y cuántas otras personas hay presentes. Un modelo de decisión separado, inspirado en opiniones de expertos en seguridad, combina estos valores en cuatro bandas: actividad normal, postura extraña de bajo riesgo, riesgo medio‑alto y caídas obvias de alto riesgo. Es importante señalar que los autores usan una herramienta de explicación para confirmar que el modelo realmente se apoya principalmente en señales relacionadas con la postura, como la inclinación y la forma del cuerpo, en lugar de en detalles de fondo irrelevantes.

Pruebas en la galería real

El sistema completo conecta cámaras, ordenadores edge locales y un servicio en la nube en una canalización de cuatro capas. Las cámaras transmiten vídeo a tasa reducida a máquinas compactas en la misma planta, que ejecutan el detector de caídas y generan alertas; solo se envían breves fragmentos o superposiciones tipo mapa de calor a la nube cuando es necesario, limitando tanto el ancho de banda como la exposición de la privacidad. En un piloto de 72 horas en la Rochfort Gallery, el sistema mantuvo tiempos de respuesta de alrededor de un cuarto de segundo incluso en escenas concurridas y produjo menos de media falsa alarma por hora en los picos—principalmente por visitantes agachándose para hacer fotos—mientras que las caídas simuladas en los ensayos fueron todas detectadas. Los autores subrayan que estos números proceden de un ensayo relativamente corto y controlado, pero muestran que el enfoque es técnicamente viable en un entorno real exigente.

Qué implica esto para futuros espacios públicos

Para los no expertos, el resultado clave es que ahora es posible añadir una capa automática y graduada de aviso de caídas a los sistemas de cámaras existentes en galerías históricas y edificios públicos similares sin grandes reformas ni vigilancia humana constante. Ejecutando un detector eficiente en pequeños ordenadores locales y estructurando con cuidado cómo se interpretan y comparten los resultados, el sistema ofrece evidencia temprana de que la tecnología puede vigilar discretamente en segundo plano—detectando caídas probables, estimando su gravedad y haciéndolo con hardware modesto y atención a la privacidad. Serán necesarios ensayos más amplios y prolongados, y extensiones a otros tipos de edificios, antes de que pueda considerarse un estándar de seguridad a escala urbana, pero este trabajo traza un camino claro y práctico en esa dirección.

Cita: Wu, S., Yang, H., Hu, Y. et al. Interpretable and lightweight fall detection in a heritage gallery using YOLOv11-SEFA for edge deployment. Sci Rep 16, 7795 (2026). https://doi.org/10.1038/s41598-026-39527-y

Palabras clave: detección de caídas, galerías inteligentes, IA en el edge, seguridad de personas mayores, visión por computador