Detección de movimiento por IA: cómo funciona y sus límites

Todos tenemos anécdotas con un sistema que manda notificaciones cada vez que pasa un gato, se mueve una rama o llueve. Ese es el problema que la detección de movimiento con inteligencia artificial vino a resolver, y en 2026 ya viene incluida en cámaras de gama media. Pero la IA no es magia: clasifica lo que ve y se equivoca, y necesita configuración. Aquí explicamos cómo funciona por dentro, qué analíticas existen y cuáles justifican su complejidad.

Detección básica vs. detección con IA

La detección tradicional divide la imagen en una cuadrícula y compara el brillo entre cuadros. Si cambia un número suficiente de celdas, se considera movimiento. Es un método útil y muy económico, pero le da exactamente igual qué se movió: un gato, una hoja, un coche o una persona.

La detección con IA usa un modelo entrenado para clasificar objetos. En lugar de preguntarse "¿se movió algo?", se pregunta "¿hay una persona aquí?". La diferencia práctica es enorme: las notificaciones se vuelven útiles y el grabador consume menos disco al no grabar hojas moviéndose.

La limitación: el modelo solo reconoce lo que fue entrenado para ver. Si no incluye animales, un perro grande puede clasificarse como persona o ignorarse. Revisa en la ficha qué categorías incluye tu modelo.

Cómo funciona la IA en la práctica

El proceso se repite en cada cuadro:

1. La cámara aplica una máscara de zona de interés.
2. El detector propone regiones con objetos.
3. Un clasificador asigna una categoría a cada región: persona, vehículo, animal u objeto.
4. El sistema compara con reglas (cruce de línea, intrusión, permanencia) y decide si genera evento o notificación.

Todo esto ocurre decenas de veces por segundo. Por eso los modelos ligeros que caben en una cámara no distinguen con la misma precisión que un servidor con GPU. En la práctica bastan para clasificar personas y vehículos en buena iluminación; de noche, con infrarrojo y movimiento, la precisión baja.

En la cámara, en el grabador o en la nube

Saber dónde corre la analítica explica sus capacidades y sus exigencias:

• En la cámara: sin cuota recurrente, respuesta rápida, funciona sin internet. Limita el número de reglas y la complejidad de los modelos por el procesador del equipo.
• En el grabador: permite aplicar reglas a todas las cámaras, aunque puede saturarse con muchos canales. Requiere un NVR con capacidad de cómputo suficiente.
• En la nube: modelos potentes y actualizados, análisis más sofisticado, pero requiere internet, exige una cuota recurrente y plantea preguntas de privacidad.

Para una vivienda, la analítica en la cámara suele ser suficiente. Para comercios con muchas reglas, el grabador. Para conteo de personas y análisis de comportamiento, la nube.

Las analíticas que existen

• Detección de personas y vehículos: la base y la que más valor aporta.
• Cruce de línea: alerta cuando alguien pasa en un sentido determinado; muy útil en puertas y perímetros.
• Intrusión en área: avisa cuando alguien entra o permanece en una zona definida.
• Detección de permanencia: alerta si un objeto deja de moverse o si alguien se queda quieto demasiado tiempo.
• Conteo de personas: cuántas entran y salen por franja horaria.
• Mapas de calor: qué zonas se usan más; útil para venta y operación.
• Reconocimiento de matrículas: lee placas con cámara e iluminación especializadas.
• Reconocimiento facial: función de alto riesgo técnico y legal; no es lo que se ofrece en una cámara doméstica.

Por qué la IA confunde cosas

Cuatro causas típicas de falsa alarma con IA:

• Poca luz: el modelo necesita contornos; de noche con movimiento la clasificación se degrada.
• Ángulo desfavorable: una persona vista desde arriba se parece a un objeto vertical; una vista muy lateral confunde al modelo.
• Objetos entrenados: ramas, sombras fuertes, vehículos reflejados en vitrinas.
• Resolución insuficiente en esa zona: el objeto ocupa pocos píxeles; el modelo no puede clasificar lo que no alcanza a ver.

La solución es combinada: mejorar el encuadre, definir zonas de interés, ajustar sensibilidad y revisar las primeras semanas de eventos para corregir.

Tabla: qué analítica vale la pena

Cómo configurar la detección

La configuración hace más que la cámara. Pasos que más cambian el resultado:

1. Define la zona de interés: excluye la calle, el cielo y las ramas.
2. Ajusta el tamaño mínimo y máximo de objeto para ignorar personas lejanas y falsos positivos.
3. Usa cruce de línea en lugar de detección de movimiento para accesos y perímetros.
4. Establece horarios: una notificación a las 3 de la mañana no se debe mezclar con el tránsito de la tarde.
5. Revisa semanalmente los eventos del primer mes y ajusta.

Un sistema con IA bien configurado puede reducir las notificaciones en un 80 o 90 % manteniendo las que importan. Eso determina si el usuario sigue usando la app o la silencia.

Privacidad y datos del reconocimiento

Las analíticas tratan con datos que pueden identificar a personas. Antes de activar reconocimiento facial, conteo de personas en áreas con aviso insuficiente o cruce de información entre sucursales, revisa la normativa aplicable y actualiza tu aviso de privacidad. Lo explicamos con más detalle en privacidad y videovigilancia.

Recomendación práctica: activa las analíticas que resuelven operación y evita las que generan perfiles de personas identificables sin base legal. La IA útil no necesita necesariamente saber quién es cada quien, solo qué ocurrió.

Preguntas frecuentes

Última revisión: 28 de octubre de 2026 · Valeria Ortega