OpenPetCam: enseñan a vigilar a un perro con una cámara de 12 dólares y firmware de código abierto

Una cámara doméstica suele implicar un compromiso: o un dispositivo barato que envía el vídeo de tu casa a servidores ajenos, o una solución cara con un ecosistema cerrado. El autor de OpenPetCam decidió esquivar ambas opciones y montó su propio stack en un fin de semana.

Qué se construyó

La base es una cámara china de 12 dólares de Amazon. Se le instaló firmware abierto y encima se escribió un servidor que controla todo lo demás. En dos días, el autor implementó el seguimiento del perro mediante el detector YOLO, el control silencioso de la cámara, push-to-talk (se puede hablar con la mascota a través del altavoz de la cámara), un registro de actividad y varias funciones menores.

Un rasgo especial es la automejora mediante feedback. La interfaz funciona con Claude: el usuario deja comentarios y el modelo de lenguaje ayuda a modificar la propia interfaz y el comportamiento del sistema. El autor subraya que puede cambiar la UI como quiera, en lugar de esperar actualizaciones del fabricante.

Por qué interesa a los profesionales

El proyecto muestra un patrón conocido: hardware barato más firmware abierto más servidor local más un LLM como herramienta de refinamiento. Antes, un conjunto así requería semanas de trabajo; ahora, combinarlo con un agente de código reduce el camino a un par de días. Para los desarrolladores es un buen ejemplo didáctico de cómo construir un sistema de visión por computadora en el borde sin depender de la nube.

Para los responsables de producto la conclusión es otra: la privacidad se ha convertido en un argumento real. La gente no quiere que el vídeo de su casa acabe en manos de terceros y está dispuesta a montar las soluciones por su cuenta. Si un producto masivo no ofrece procesamiento local, el nicho para alternativas de código abierto sigue abierto.

El propio YOLO actúa aquí como caballo de batalla: un detector de objetos ligero resuelve muy bien la tarea de «dónde está ahora el perro» en hardware modesto o en un servidor doméstico. El registro de actividad se construye sobre las detecciones: cuándo apareció la mascota en el encuadre, cuánto tiempo permaneció en un lugar, cuándo desapareció.

Limitaciones

Es un proyecto personal de fin de semana, así que aún es pronto para esperar fiabilidad industrial. Reprogramar cámaras siempre conlleva riesgos: puedes acabar con un «ladrillo», y el soporte de modelos concretos depende de la comunidad. Del texto no queda claro con qué precisión funciona el detector con mala iluminación, cuántas cámaras admite ni cómo se protege el propio servidor si se expone a internet. El mecanismo de automejora mediante Claude también está descrito de forma escueta: se desconoce qué cambios realiza el modelo automáticamente y cuáles requieren confirmación humana.

Qué hacer

Si tienes una cámara vieja o una Raspberry Pi, echa un vistazo al repositorio de GitHub e intenta ejecutarlo en tu propio hardware. El autor pide comentarios y pull requests, así que el proyecto es un buen candidato para una primera contribución al código abierto. Los equipos de producto deberían tomar nota del enfoque en sí: el procesamiento local, el código abierto y la posibilidad de personalizar la interfaz mediante un LLM se están convirtiendo en una ventaja competitiva en el hardware de consumo. Y quienes construyan sistemas similares deberían pensar en la seguridad desde el principio: acceso restringido, actualizaciones y permisos claros para el código que se autoconfigura.