Visión por computador para aforos de playa: YOLO, SAM 2 y RGPD en 2026

El aforo de una playa urbana no es un problema trivial. Una mañana de agosto, entre 8.000 y 25.000 personas pueden distribuirse sobre 600 metros lineales de arena, con grupos solapados, sombrillas que ocluyen siluetas y movimiento bidireccional en accesos. En Clotitec, partner de nuestro partner de IA, trabajamos con destinos turísticos costeros para desplegar sistemas de visión por computador que estimen ocupación en tiempo real respetando el RGPD y el AI Act. Este artículo describe la pila técnica que usamos en 2026 y los compromisos honestos que asumimos.

El problema y por qué importa

Las administraciones costeras necesitan datos de aforo para tres decisiones: dimensionar servicios (limpieza, socorristas, transporte), informar al ciudadano antes de desplazarse y cumplir planes de gestión de capacidad de carga. Hasta hace pocos años se hacía con conteos manuales puntuales y extrapolaciones; los sistemas actuales combinan cámaras IP, modelos de detección y dashboards en tiempo real con fiabilidades anunciadas en torno al 99% bajo condiciones controladas. La cifra es optimista para escenarios reales y conviene entender por qué.

Arquitectura: detección, segmentación y conteo

Nuestra pila combina dos modelos abiertos consolidados:

• YOLOv9 (extendido por la línea YOLOv10-v12 con módulos de atención) para detección rápida de personas. Latencia inferior a 30 ms por frame en GPU modesta.
• SAM 2 (Segment Anything Model 2 de Meta) cuando se necesita segmentación instancia a instancia, por ejemplo para distinguir personas tumbadas de sombrillas o toallas. SAM 2 procesa aproximadamente 44 fps y soporta vídeo, lo que permite seguimiento temporal.

El flujo típico es: YOLOv9 detecta candidatos a "persona", SAM 2 segmenta cuando la confianza es baja o hay solapamiento, un módulo de tracking (ByteTrack o equivalente) mantiene identidades a través de frames y un agregador estima densidad por zonas.

Para playas con alta ocupación, donde SAM 2 reconoce limitaciones en escenas masivas y puede confundir objetos similares, complementamos con modelos específicos de crowd counting basados en mapas de densidad (CSRNet, P2PNet) que no intentan localizar personas individualmente sino estimar densidad por píxel. Esta combinación da mejor resultado en arenales saturados que cualquier modelo aislado.

Anonimización: requisito previo, no añadido

Una imagen de playa con caras reconocibles es dato personal según el RGPD. La anonimización debe ser irreversible y aplicarse antes de cualquier almacenamiento o transmisión. Nuestra pila la realiza on-edge:

• Detección de caras y matrículas con un modelo dedicado (variantes especializadas de YOLO entrenadas para este fin).
• Difuminado gaussiano fuerte o sustitución por parches sintéticos. Las técnicas de blur por sí solas, correctamente implementadas, son matemáticamente irreversibles.
• Métricas de cobertura objetivo: > 95% de caras detectadas y > 96% de matrículas, en línea con los benchmarks publicados por proveedores de mapping y por sistemas tipo Google Street View.
• La imagen original nunca sale del dispositivo. A los servidores solo viajan estimaciones agregadas o frames ya anonimizados.

Esta arquitectura edge-first es además la única compatible con despliegues en zonas costeras donde la conectividad 4G/5G es inestable.

Lo que medimos y dónde fallamos

Publicar un "99% de fiabilidad" sin contexto es engañoso. Nuestras métricas reales en condiciones de producción:

• MAE (Mean Absolute Error) sobre conteos: 5-8% en playas con densidad media (1 persona/8 m²), 12-18% en saturación extrema (1 persona/2 m²).
• Precision/Recall en accesos: > 0,95 para conteo de personas que cruzan una línea con cámara cenital bien posicionada.
• Falsos positivos por sombrillas e infantes: principal fuente de error. Mitigado con segmentación SAM 2 y entrenamiento con datasets locales etiquetados.
• Degradación al atardecer y con contraluz: error +30-50% si no se compensa con cámaras térmicas o multiespectrales.

Reconocer estos límites es parte de un despliegue serio. Vendemos un sistema que estima, no un sistema que cuenta exacto.

Cumplimiento RGPD y AI Act

Tres principios guían nuestros despliegues:

1. Minimización. No grabamos vídeo continuo en almacenamiento permanente. Procesamos en flujo y guardamos solo agregados estadísticos.
2. Anonimización on-edge irreversible. Cumple el principio de privacidad por diseño del artículo 25 del RGPD.
3. Transparencia. Cartelería visible en accesos, página informativa en la web municipal, evaluación de impacto (EIPD) y registro de actividades.

Desde el 2 de agosto de 2026 entran en vigor la mayoría de obligaciones del AI Act (Reglamento UE 2024/1689) sobre sistemas de alto riesgo. Un sistema de aforo agregado y anonimizado, sin identificación individual, no se clasifica como alto riesgo, pero sí está sujeto a las obligaciones de transparencia y a la prohibición tajante de reconocimiento facial en espacios públicos cuando no concurren las excepciones tasadas. Lo dejamos claro en cada propuesta: nuestra pila no hace reconocimiento facial, no identifica personas y no extrae características demográficas.

Coste de despliegue

Un despliegue tipo para un arenal de 600 metros con tres puntos de cámara y procesado edge cuesta entre 18.000 € y 35.000 € en hardware (cámaras industriales, mástiles homologados, micro-PC con GPU integrada, conectividad) más 8.000-15.000 € en software, integración y dashboard. El mantenimiento anual ronda el 12-18% del CAPEX inicial. Los modelos open-source (YOLO, SAM 2) eliminan licencias por inferencia, lo que cambia significativamente el TCO frente a soluciones propietarias.

Para destinos que se lo plantean

Antes de comprar tecnología recomendamos definir la pregunta a responder. No es lo mismo "¿hay sitio ahora?" que "¿necesito redimensionar el servicio de socorrismo?" o "¿qué patrón de afluencia tengo año a año?". Cada pregunta admite una arquitectura distinta y un nivel de inversión distinto.

En Clotitec Lab ejecutamos pilotos cerrados de dos a cuatro semanas con datos sintéticos y, si aplica, cesión de cámara existente. Para conocer la pila completa visite Plataforma IA o agende una sesión técnica.