Analítica IA sobre CCTV (detección/seguimiento de personas en tiendas)
- Registrado: 2026-10-01 · Origen: Daniel envió video de Santiago Iaconis (@iaconsanti_) sobre sistema "GerentIA" (analítica retail con IA sobre cámaras existentes).
- Estado: Idea / evaluación técnica. Pendiente decisión de Daniel.
Qué hace el video (analizado por Nexus)
- Software que reusa cámaras CCTV existentes + IA para rastrear personas y generar estadísticas de negocio.
- Detección: cuerpo/persona (tracking de trayectoria / re-ID), NO reconocimiento facial.
- Funciones mostradas: captación (pasan vs entran), embudo de conversión (entraron → recorrieron → atendidos → caja → compraron), colas/tiempo de espera, personal vs clientes, mapa de calor y recorridos por zonas, informe diario generado por IA con recomendaciones.
- KPIs: Visitas, Captación 16%, Conversión 37%, Atendidos 215/547, hora punta.
Repos base (no partir de cero)
- Frigate NVR —
github.com/blakeblackshear/frigate— el más maduro; corre sobre RTSP, detección de persona, zonas, eventos. Ideal para el motor de detección. - vision-track —
github.com/mahdikheirkhah/vision-track— pipeline producción: YOLO fine-tuned + BoT-SORT (buffer 120 frames) + ONNX + Streamlit, para edge. - smart-retail-analytics —
github.com/intel-iot-devkit/smart-retail-analytics— OpenVINO, tráfico/engagement, InfluxDB + Grafana. - retail_video_analytics —
github.com/kellinpelrine/retail_video_analytics— YOLOv3 + DeepSORT + re-ID multicámara. - Retail-Store-Video-Analytics (
github.com/Karthy5), retail-vision-analytics (github.com/john-pinto) — YOLOv8 + dashboard. - Librerías clave: Ultralytics YOLO, Roboflow Supervision, BoxMOT (ByteTrack/BoT-SORT), OSNet (re-ID).
Dificultad
- MVP (1-2 cámaras: conteo, captación, zonas): fácil-medio (días).
- Nivel GerentIA (embudo, tiempos de atención, staff vs cliente, mapa de calor, re-ID multi-cámara, informes IA): medio-alto.
- Partes difíciles (no es detectar): re-ID entre cámaras, distinguir cliente vs personal confiable, robustez (luz/oclusión/mall), empaquetar en producto.
- Todo el stack es open source y corre en edge (sin nube → privacidad).
Cámaras
- Las Hikvision típicas sirven: basta RTSP/ONVIF.
- Principal:
rtsp://user:pass@IP:554/Streaming/Channels/101 - Sub-stream (para detección):
.../102 - Recomendado: usar sub-stream para detectar, 1080p–4MP, lente 2.8mm (amplio), IR, PoE, H.264 (H.265 complica CPU).
- Atajo: Hikvision DeepinView/AcuSense ya traen people counting + line crossing de fábrica (iDS-2CD7146G0, DS-2CD6825G0). Menos flexible que software propio.
⛔ RESTRICCIÓN DE DANIEL (2026-10-02): SIN COMPRAR HARDWARE
- "se debe trabajar con lo que se tiene" → descartado mini PC / Coral TPU / Jetson.
- El modelo debe correr en CPU sobre equipos existentes (servidores Omni/Zeta, PC/laptop que ya haya en tienda).
- Implica: usar substreams a baja tasa (1–5 fps) y reencuadrar el diseño a "procesar en lo que ya está", no a "comprar un nodo edge".
- Ver
SPIKE EJECUTADO: ya funciona en CPU (onnxruntime) sin acelerador.
Legal (Perú)
- Tracking de cuerpo: OK con aviso (cartel + política).
- Reconocimiento facial = dato biométrico → base legal/consentimiento (Ley 29733). El video es tracking, no rostro.
Conexión con Hoseg
- El dashboard Hoseg ya mide visitas/conversión/ticket/hora punta, pero manual (web chica). Un módulo así lo automatiza.
Costos (estimación Nexus, 2026-10 · refs públicas)
El software es gratis (open source). El gasto es hardware.
- Edge barato (piloto): Jetson Orin Nano Super ~$399 (≈S/1,500) o Coral USB TPU ~$60–90 + mini PC existente.
- Edge potente (multi-tienda): mini PC RTX 50-series ~$1,800–3,000 (≈S/7,000–11,000) → sirve ~15 cámaras por VPN.
- Cámaras (si no se reusan): Hikvision domo 2MP ~S/175–370; 4MP ~S/260–620; kit 4 cámaras+NVR ~S/1,750.
- PoE switch: ~S/150–400.
- Electricidad: ~S/15–60/mes por nodo.
- Licencias software: S/0 (open source).
- Importación Perú: +18% IGV + arancel → ~+25–30%.
- Alternativa SaaS llave en mano (GerentIA u otros): ~$20–60/cámara/mes ≈ S/75–230; 6 tiendas × 4 cámaras ≈ S/1,800–5,500/mes (estimado, pedir cotización real).
Escenarios:
- ~~Piloto 1 tienda: ~S/1,700–2,500~~ · ~~Producción: ~S/7,000–11,000~~ → ANULADO por la restricción de Daniel (2026-10-02): S/0 en hardware, se usa lo existente. Único costo real: luz del equipo que ya está encendido (≈S/0 incremental).
Inventario de cámaras (dato de Daniel, 2026-10-01)
Tiendas D2C Hoseg (todas con Hikvision domo):
- Larcomar: 2 · Marriott Lima: 2 · Casa Hoseg: 5 · Cusco Plaza: 2 · Marriott Cusco: 2 → 13 cámaras / 5 tiendas.
- Ciudades: Lima (Larcomar, Marriott Lima, Casa Hoseg) y Cusco (Cusco Plaza, Marriott Cusco).
- Hardware disponible: laptop Core i5 (para piloto).
Arquitectura propuesta (edge por tienda) — ACTUALIZADA 2026-10-02
- Equipo existente por tienda (dato de Daniel): DVR + laptop Core i5. → el laptop i5 ES el nodo edge (procesa en CPU). Sin comprar nada.
- NO mandar los 13 streams a un servidor central (ancho de banda/latencia).
- El laptop i5 de cada tienda procesa el substream (1–5 fps) de sus 2–5 cámaras → envía solo las métricas al dashboard central (reusar el de Hoseg).
- ⚠️ Un laptop como nodo siempre-encendido: dejar enchufado, impedir suspensión/tapa, correr el agente como tarea de arranque (patrón Delta), cuidar térmica y Windows Update.
- Rendimiento estimado YOLOv8n CPU (i5): ~5–15 fps @640 → sobra para 2–5 cámaras a baja tasa.
Próximo paso propuesto
- Spike: montar Frigate o YOLO+ByteTrack sobre (1) el video enviado y (2) una cámara RTSP de prueba → demo de conteo + captación + mapa de calor.
- Requiere: 1 cámara (o su RTSP) + OK de Daniel.
🧪 SPIKE EJECUTADO (2026-10-02) — cámaras de casa de Daniel
Datos del equipo (casa, LAN 192.168.18.x):
- DVR Hikvision DS-7204HGHI-K1 (4 canales, firmware V4.70.160), IP 192.168.18.15, user admin. Puertos abiertos: 80 (ISAPI), 554 (RTSP), 8000 (SDK).
- Canales: Cam01 y Cam02 con video (960×1088, "1080P Lite"); Cam03 y Cam04 = NO VIDEO (sin cámara).
- ⚠️ GET /ISAPI/Streaming/channels/<ch>/picture (snapshot) → NO soportado (statusCode 4 notSupport) en este modelo.
- RTSP: rtsp://<user>:<pass>@192.168.18.15:554/Streaming/Channels/101 (substream .../102).
Puente de red (clave):
- Omni (VPS) no alcanza la LAN de casa; pc-casa (Delta, DESKTOP-B9GV67C) no anuncia ruta de subred por Tailscale (PrimaryRoutes: None).
- Solución: Delta como nodo edge → captura RTSP local y sube los frames a Omni por Tailscale (HTTP POST a 100.96.185.88:8098). Verificado: Delta↔Omni OK.
- Añadido a Delta: ffmpeg vía winget install Gyan.FFmpeg (ruta en %LOCALAPPDATA%\Microsoft\WinGet\Packages\Gyan.FFmpeg_...\bin).
Detección (en Omni): opencv 4.13 + onnxruntime 1.26 (CPU). Modelo YOLOv8n ONNX (/tmp/y8.onnx, HF SpotLab/YOLOv8Detection), input 640, salida [1,84,8400].
- ⚠️ GOTCHAS del modelo: (1) ese export da las cajas normalizadas 0–1 respecto al lienzo 640 (no en px); (2) YOLOv8 no trae NMS → aplicarlo con cv2.dnn.NMSBoxes; (3) el tiny-yolov3 de onnx/models bajó roto (salidas ±5e14, descartado).
- Validado: imagen de referencia con 2 personas → 2/2 correctas.
Artefactos (spike):
- Nexus/cctv_test/detect.py — detector de personas + anotación.
- Nexus/cctv_test/cctv_pipeline.py — pipeline: pide a Delta capturar (canal×) → Delta sube a Omni → Omni detecta → live/metricas.csv + cam{n}_latest.jpg.
- /tmp/cctv_rx.py — receptor HTTP (POST) en Omni :8098.
- Muestras: Nexus/cctv_test/ch1.jpg, ch2.jpg, clip_ch1.mp4 (10s), ref_annot.jpg, live/.
Escenas actuales: Cam01 = calle/poste + auto; Cam02 = garaje/entrada. Sin personas en las pruebas → conteo 0 (correcto).
Pendiente: prueba en vivo con una persona frente a la cámara (validar detección real); luego tracking (ByteTrack) + zonas/embudo + captación; y decidir edge (Jetson/Coral) por tienda.