CountIn
Conteo de personas en tiempo real con visión artificial que se ejecuta por completo en el navegador: un seguidor propio y geometría de cruce de líneas, sin servidor.
- Rol
- Desarrollador único
- Stack
Una ejecución real en una calle concurrida de Madrid (vídeo "Calle Preciados Madrid" de OsvaldoGago, CC BY-SA 3.0; esta captura comparte la misma licencia): detecciones, tracks y la línea de conteo.
- 0
- fotogramas enviados a un servidor: todo se detecta en el navegador
- 1
- permiso necesario: la cámara
- In / Out
- contados por línea con un producto vectorial con signo
CountIn cuenta personas en tiempo real desde una webcam con TensorFlow.js. Todo corre en el navegador: sin servidor, sin instalación, y el flujo de la cámara nunca sale del equipo. El proyecto está en pausa por ahora, se mantiene online como referencia.
Cómo funciona
- Detección. Un modelo COCO-SSD cargado con TensorFlow.js encuentra personas en cada fotograma. La detección corre cada dos fotogramas para mantener la UI responsiva.
- Seguimiento. Un seguidor propio basado en centroides empareja las nuevas detecciones con los tracks existentes por distancia, con un umbral de confianza contra falsos positivos parpadeantes y un historial corto de posiciones para sobrevivir a la oclusión.
- Cruce de línea. El usuario dibuja líneas de conteo; para cada track, el sistema comprueba si el segmento entre su posición anterior y la actual interseca una línea, con un producto vectorial y un signo direccional para entrada o salida.
- Panel. Los conteos se actualizan en vivo por línea, con la ocupación acumulada y un gráfico de flujo.
- Hub y estaciones de cámara. Varios teléfonos o webcams se emparejan con un panel central por código QR. Cada estación detecta en local y envía solo números por WebSocket a un backend en FastAPI, nunca vídeo.
Lo interesante
- El seguidor es propio, así que cada etapa es depurable: cuando los conteos se desvían, se ve qué etapa falla.
- Contar es geometría, no ML: un producto vectorial con signo.
- La parte de privacidad es corta: el permiso de la cámara es el único permiso, el modelo se descarga una vez y se cachea, y funciona sin conexión tras cargar la página.
El rendimiento de TensorFlow.js varía mucho según el hardware, así que procesar cada dos fotogramas y renderizar en canvas en vez de en el DOM es lo que mantiene la sensación de tiempo real.
Estado
En pausa. La demo en vivo está offline ahora mismo; ejecútalo en local desde el repo con Docker Compose (frontend en Vite, backend en FastAPI y PostgreSQL). La detección está cubierta por tests end-to-end con Playwright y una cámara sintética.
Borrador con IA, edición a mano. Lo publico cuando me suena a mí.