Anonimización en streaming para cámaras de seguridad ciudadana
Visión general
De qué trata este proyecto.
Construye una pipeline que anonimice rostros y matrículas en vídeo de seguridad a 25 fps con RetinaFace y YOLOv8, mide precisión y obtén tu certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Construir una pipeline de anonimización en streaming a 25 fps que cumpla RGPD/LOPDGDD, alcance recall de anonimización mayor o igual a 0,98 y degrade el aforo aguas abajo en menos del 8%.
Earning criteria — what you'll demonstrate
- Aplicar detección de objetos en tiempo real sobre flujos de vídeo a 25 fps
- Diseñar una pipeline que conserve utilidad analítica eliminando información personal identificable
- Medir el impacto de la anonimización sobre tareas aguas abajo, no sólo sobre la detección
- Conectar requisitos legales (RGPD/LOPDGDD) con decisiones de ingeniería trazables
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Visual Intelligence and Visual Reasoning
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosComputer Vision Engineer
Detección de objetos en tiempo real bajo restricciones de fps y de privacidad es trabajo nuclear para una persona ingeniera de CV en cualquier empresa de videovigilancia o de IA física que opere en Europa.
Este proyecto afina
- object-detection
- real-time-video
- model-evaluation
MLOps Engineer
Sostener 25 fps en producción con pipeline dockerizada y métricas operativas es exactamente el alcance MLOps en sistemas de visión en streaming.
Este proyecto afina
- edge-deployment
- real-time-video
- model-evaluation
AI Safety Researcher
Diseñar una pipeline que conecta recall de anonimización con la cadena de custodia RGPD muestra el razonamiento de seguridad y privacidad por diseño que se valora en equipos de red team y de responsible AI.
Este proyecto afina
- privacy-engineering
- model-evaluation
- object-detection