Cómo la visión por computador detecta a quien observa por encima del hombro

El reto no empieza por identificar un rostro, sino por entender la geometría del espacio que hay delante del terminal. En un cajero biométrico de nueva generación, la cámara registra una secuencia continua: quién está operando, quién espera su turno y quién se ha acercado más de lo razonable. Distinguir esas tres situaciones exige algo más que un detector de caras. Los modelos que funcionan combinan estimación de pose, seguimiento de trayectorias y umbrales de distancia calibrados sobre el propio encuadre del cajero.

La señal más útil no es la posición del cuerpo, sino su evolución en el tiempo. Un cliente legítimo permanece estable frente a la pantalla, con los hombros orientados hacia el teclado y una distancia que apenas varía. Una persona que se aproxima por detrás suele describir una trayectoria lateral, se detiene a media distancia y gira la cabeza hacia la zona de introducción de la tarjeta. Ese patrón, repetido en pocos segundos, es lo que dispara el aviso antes de que la operación se complete. No hay una tasa de acierto que se pueda prometer: lo que se puede revisar son las variables que alimentan la alerta.

El problema real aparece en vestíbulos concurridos. En una sucursal con fila habitual, tener gente detrás del usuario es lo normal, no una anomalía. Un sistema mal calibrado genera falsos positivos constantes y termina ignorado por el personal. Por eso los enfoques más sensatos trabajan con varias capas: tiempo de permanencia dentro de una zona delimitada, ángulo de orientación respecto al teclado y coherencia entre la trayectoria observada y el flujo esperado de la sala. Si alguien cruza de lado a lado sin detenerse, no debería activar nada.

La calibración por sucursal importa más de lo que parece. Un cajero en una estación de servicio con espacio abierto no se comporta igual que uno empotrado en un pasillo estrecho. Los umbrales de distancia que funcionan en un sitio generan ruido en otro, y ajustarlos exige revisar grabaciones reales del propio entorno, no solo datos de laboratorio. Ahí es donde un equipo de prevención de fraude puede aportar criterio: qué se considera proximidad razonable en cada ubicación y qué no.

Queda un límite honesto por reconocer. La visión por computador describe lo que ocurre en el encuadre, no lo que pasa por la cabeza de nadie. Un aviso de presencia ajena es una señal para revisar, no una prueba de intención. Los sistemas que se presentan como definitivos suelen ocultar justamente eso: que siguen dependiendo de una persona que interprete el contexto. El análisis de patrones sirve para reducir el ruido, no para sustituir el juicio.

Continúa el recorrido con los patrones visuales que delatan un dispositivo superpuesto en el cajero o revisa los límites documentados de la verificación biométrica.