La verificación biométrica resuelve una parte del problema: confirma que quien opera es quien dice ser. No dice nada, en cambio, sobre la escena que se organiza alrededor del terminal. En esta página nos detenemos en esa segunda capa, la que observa el espacio inmediato del usuario durante la operación. La visión por computador estima la posición de los cuerpos, sigue trayectorias cortas y mide distancias relativas entre el cliente y cualquier figura que se aproxime por detrás. Cuando alguien se sitúa demasiado cerca mientras se teclea el importe o se retira el efectivo, el sistema puede emitir una señal. El matiz importa: en sucursales con cola, en pasillos estrechos o junto a una parada de transporte, esa proximidad es parte del paisaje y no una amenaza. Distinguir una presencia ajena de una manipulación real exige umbrales calibrados por ubicación, contexto temporal y una gestión explícita de los falsos positivos. Aquí describimos cómo se plantea ese análisis y qué límites documentamos, sin convertir el texto en una guía de seguridad personal ni prometer una detección infalible.
En esta página hemos seguido una sola idea: cómo se ve, desde la cámara del cajero, la presencia de alguien detrás de quien opera. Los umbrales, el contexto del vestíbulo y los falsos positivos en horas punta son el material que analizamos.
Escríbenos si necesitas contrastar criterios de calibración, revisar cómo se comporta la detección en una sucursal concreta o discutir los límites documentados de este tipo de señal. No hay respuestas automáticas ni promesas de detección perfecta: solo una conversación técnica sobre lo que se puede observar y lo que no.
Antes de escribir, puede ayudarte revisar los recursos publicados o volver al planteamiento general del proyecto. Si prefieres ir directo al formulario, está en contacto.
Abrir el formulario de contactoLa detección de presencia ajena detrás del cliente no es una alarma de seguridad personal ni una promesa de bloqueo automático. Es una señal más dentro del análisis: el sistema observa la geometría del espacio frente al terminal y decide si esa figura cercana merece atención o si forma parte del trasiego normal de la sucursal.
El modelo estima la pose de cada cuerpo en el encuadre y sigue su trayectoria durante unos segundos. Quien teclea, quien aguarda en la cola y quien se ha acercado demasiado no ocupan la misma franja de distancia ni se mueven igual. Esa diferencia es la que se intenta capturar, no el simple hecho de que haya alguien detrás.
Un vestíbulo con pasillo estrecho y una sala amplia con dos cajeros no generan la misma densidad de transeúntes. Fijar una distancia única para todo el parque produce avisos constantes en unos sitios y silencio en otros. Por eso el proyecto insiste en revisar el umbral contra el histórico de cada ubicación antes de darlo por bueno.
En horas punta, la multitud es el entorno y no una amenaza. Un sistema que trata cada figura próxima como un incidente se vuelve ruido que el equipo deja de leer. El análisis trabaja con la idea de que cierta tasa de falsos positivos es inevitable y que lo relevante es que sean revisables, no que desaparezcan.
La señal aislada dice poco. Lo que aporta valor es la secuencia: cuánto tiempo lleva esa persona ahí, si se movió hacia el teclado, si coincide con un patrón ya visto en la misma franja horaria. El sistema entrega el contexto y deja la interpretación donde corresponde, sin cerrar la operación por su cuenta.
La visión por computador no distingue intención. Puede describir una figura cercana y su recorrido, pero no sabe si esa persona va a interferir. Reconocerlo por escrito evita expectativas equivocadas y ayuda a que quien evalúa el sistema entienda qué señal está recibiendo y qué no.
Este bloque forma parte del análisis sobre detección de presencia ajena y falsos positivos; el contexto general del proyecto está en la página sobre el enfoque de VigiaBio.