La recopilación de datos sobre los visitantes en áreas protegidas (AP) se enfrenta a desafíos significativos, principalmente por su elevado costo y la ineficiencia de los métodos tradicionales basados en cámaras. Sin embargo, un reciente estudio del Centro de Automática y Robótica (CSIC-UPM), liderado por Hugo Moreno, Adrià Gómez y Dionisio Andújar, ha marcado un hito en este ámbito. Este avance se debe al desarrollo del primer algoritmo offline/online para el conteo de visitantes mediante vídeo, que combina cámaras de fototrampeo con modelos de aprendizaje profundo o Deep Learning, permitiendo su operación sin conexión en entornos remotos.
Innovaciones en la monitorización
El estudio se llevó a cabo en los Parques Nacionales de Sierra de las Nieves y Sierra de Guadarrama. La combinación de cámaras trampa y modelos de aprendizaje profundo utiliza redes neuronales convolucionales (CNN) centradas en la detección de objetos. Esto ha permitido crear un algoritmo que realiza el conteo de visitantes fuera de línea, optimizando el análisis a partir de vídeos en lugar de imágenes estáticas.
Recuento exacto ante cualquier circunstancia
Un desafío común en el análisis de vídeo es el seguimiento de visitantes que se encuentran escalonados o parcialmente ocultos. Para resolver esta problemática, el nuevo algoritmo incorpora múltiples líneas virtuales de conteo, así como identificadores internos para cada visitante. Esta estrategia asegura un seguimiento preciso sin importar la duración del vídeo, superando las limitaciones relacionadas con las variaciones en los tiempos de grabación. Además, el algoritmo ha demostrado ser funcional tanto en entornos informáticos de alta calidad como en aquellos con recursos más limitados.
Eficiencia y economía en la conservación
El estudio también evaluó diferentes variables como la posición y perspectiva de la cámara, condiciones climáticas, hora del día, resolución y formato del vídeo para probar la robustez del algoritmo en situaciones reales. Los resultados han sido impresionantes, mostrando una precisión que oscila entre el 98,48% y el 99,77%.
Además, se han observado rendimientos destacados independientemente del tipo de CNN utilizada, así como variaciones en la velocidad de fotogramas y diversidad del conjunto audiovisual analizado. Por ende, este trabajo propone un sistema accesible y eficaz para monitorear áreas protegidas y otros espacios recreativos. Este enfoque permite rastrear a los visitantes incluso en zonas remotas donde no hay cobertura de red en tiempo real. Sin duda, representa un avance significativo hacia una conservación más eficiente e inteligente.
Los hallazgos han sido publicados recientemente en el Journal of Outdoor Recreation and Tourism, Volumen 50 (junio 2025), una revista Q1 reconocida por su enfoque en investigaciones sobre turismo natural y gestión recreativa.
Este proyecto forma parte del programa Controlerosión y ha contado con financiación del Organismo Autónomo Parques Nacionales (2924S/2022).
Si (
No(
