Joaquín García.

En este momento, Joaquín García Gómez está realizando el doctorado en el grupo ASP (Applied Signal Processing) del departamento de Teoría de la Señal y Comunicaciones de la Universidad de Alcalá. Su tesis estará encaminada a la detección acústica de eventos sonoros, en un contexto más amplio que únicamente el de la violencia. En el grupo están trabajando con detección de drones y detección de actividad vocal. Ésta última tiene una aplicación muy concreta, que es la mejora de la calidad de los audífonos. También están colaborando en temas de inspección de tuberías mediante ultrasonidos.

-¿Cómo te has sentido con este premio y con el hecho de que la UAH sea la segunda más galardonada, con 5 premios?
-Me siento enormemente agradecido al Colegio Oficial de Ingenieros de Telecomunicación (COIT), por haber considerado que mi propuesta debía ser premiada entre todas las que se presentaron. Que la UAH sea la segunda más galardonada demuestra el talento que existe en esta universidad, tanto por parte del alumnado como del profesorado, que nos lleva formando todos estos años. Me gustaría dar las gracias enormemente a mi tutor (Roberto Gil) y mis compañeros del laboratorio por toda la ayuda que me han proporcionado durante estos meses, especialmente a Inmaculada Mohíno, que me ha ayudado desde el primer momento en el campo del machine learning, y Marta Bautista, compañera del grado y del máster que trabajó codo con codo conmigo para que este trabajo saliera adelante.

-Háblanos de tu proyecto, ‘Detección acústica de situaciones violentas en transporte público’.
-Mi TFM ha desarrollado un algoritmo genético capaz de detectar si se está produciendo una situación violenta en un determinado entorno. Para ello, durante el trabajo se elaboró una base de datos de situaciones en distintos medios de transporte público (autobús, tren, metro), incluyendo escenas violentas y no violentas. El siguiente paso fue el desarrollo y aplicación de técnicas de machine learning, con las que se ha conseguido hacer aprender al ordenador a detectar situaciones de este tipo. La aplicación final sería implementar este algoritmo es un sistema de adquisición de audio con micrófonos, que permitiera monitorizar en todo momento un medio de transporte y enviar posibles alertas a los agentes de seguridad para que intervinieran si fuese necesario.

-¿Qué es un algoritmo genético?
Un algoritmo genético o evolutivo es un método de optimización para buscar la mejor solución a un problema. Básicamente se tienen una serie de ‘individuos’ que representan las soluciones de un determinado problema, los cuales se cruzan entre sí para generar nuevos individuos. Esto se hace iterativamente, de manera que las soluciones cada vez son mejores hasta llegar a una solución óptima.
En nuestro caso los ‘individuos’ son las características extraídas de la señal de audio, de manera que este tipo de algoritmo nos sirve para seleccionar qué medidas aplicadas al audio son más útiles y relevantes para la detección de violencia.

-¿Cómo se implementaría el sistema que propones en tu TFM?
-En el trabajo se realizó un estudio acerca del coste que supondría para un procesador implementar este tipo de algoritmo, y se llegó a la conclusión de que cualquier microprocesador del mercado de bajo coste debería ser capaz de procesar todas las instrucciones necesarias. Por lo tanto, la implementación sería bastante sencilla en términos de coste computacional. De hecho en el grupo ASP otros compañeros se encuentran implementando el algoritmo en un nodo basado en el microprocesador ARM Cortex M4. Se trata de un nodo alimentado con una batería y un pequeño panel solar que le proporciona cierta autonomía.

-La realidad es que se trata de un ámbito en el que las medidas de seguridad cada vez deberían ser más exigentes…
Totalmente. El transporte público es un entorno en el que se mueven millones de personas al día alrededor del mundo, y aunque no existen cifras oficiales sobre la tasa de agresiones producidas, sabemos que a día de hoy siguen ocurriendo con frecuencia. Creo que en ciudades o barrios con altas tasas de delincuencia o vandalismo un sistema de este tipo sería de gran utilidad hoy en día. De hecho, cuando se realizó el estudio se vio que en gran cantidad de países de Latinoamérica mucha gente deja de coger el tren o el autobús por este tipo de situaciones. Un sistema que garantice la seguridad de la gente sería una auténtica revolución en muchas partes del mundo.

-¿Qué diferencia tu propuesta de otras que pueden existir en el mercado, por qué la detección acústica y no visual es mejor?
-No existe un tipo de detección mejor que otra, depende del tipo de aplicación. En nuestro caso nos decantamos por la detección acústica por las múltiples ventajas que presenta y que eran determinantes en nuestro sistema: un coste de implementación y coste computacional menor, una menor intrusión en la privacidad de los usuarios y una relación área de cobertura-coste superior a la de las videocámaras.

-¿Este sistema podría utilizarse en otros espacios?
Exacto. Este sistema podría ser implementado en otros entornos igualmente problemáticos. Prevenir el bullying escolar en colegios o la violencia de género en el hogar son otros dos ejemplos de aplicación clara de este tipo de sistemas.

Publicado en: Entrevista