Умная видеоаналитика: мыльный пузырь или прорыв в технологиях?

Мейнстримом рынка видеонаблюдения 2021 года является интеллектуальное программное обеспечение с элементами искусственного интеллекта и глубокого обучения. Прогнозируемый среднегодовой темп роста рынка до 2025 года – 10,4%. Об этом говорят прогнозы  аналитиков из MarketsandMarkets  и  IHS Markit. Однако многие пользователи не понимают, что такое современная видеоаналитика: мыльный пузырь или прорыв в технологиях. Давайте разбираться.

Зачем нужна видеоаналитика?

Парадокс в том, что, если в системе видеонаблюдения задействованы десятки или сотни видеокамер, то общая ситуационная осведомленность может снижаться. При наличии множества видеопотоков достаточно трудно их отслеживать с помощью человеческих ресурсов, особенно если запись должна осуществляться непрерывно.

Так, например,   после террористических взрывов в Лондонском метро (2005 г.), для просмотра видеозаписей и поисков преступников были привлечены полиция, военнослужащие и сотни волонтеров.

Для решения подобных задач, без привлечения дополнительных человеческих ресурсов, создано интеллектуальное видеонаблюдение и самообучающиеся видео аналитические алгоритмы. Они способны реагировать на неограниченное количество сценариев.

К слову, сегодня во времена пандемии, вопросом номер один на крупных предприятиях и в офисных центрах, является ношением масок. В приоритете бесконтактные методы контроля.

Если использовать интеллектуальный алгоритм с машинным обучением, реагирующий на сочетание двух объектов «человек-маска», то удаленный оператор будет получать уведомления о нарушениях. При этом можно настроить точное выполнение указания (маска должна быть надета на лицо).  

В транспортной сфере для решений СБГ (системы безопасного города) используются более сложные алгоритмы для распознавания комплексов объектов:

• отслеживание соблюдение правил ПДД, в том числе допустимых скоростей движения;
• мониторинг работы светофоров;
• распознавание государственных номеров транспортных средств;
• идентификация цвета и модели автомобилей, а также внешних черт пешеходов;
• определение направления движения и загруженности дорог;
• фиксация фактов незаконных парковок.

Что такое умная видеоаналитика и нейросеть?

Нейросеть представляет собой обучаемый алгоритм, состоящий из цепочки нейронов. Каждое звено – это отдельный элемент, отвечающий за определенное распознавание (цвет, объем, размер, один объект). Все звенья вместе «видят» объект наблюдения целиком.

При этом  система умеет обучаться: запоминать и сравнивать информацию, действовать по заданному шаблону и выдавать самостоятельные реакции.

Однако на выходе не стоит ждать проявления «мощного» интеллекта, равному человеческому или превосходящего.

Объясню на примере: допустим, цель видеоаналитики – выявление сотрудников без каски. Если человек наденет кепку вместо каски, нейросеть даст вердикт «нет каски». Она не сможет дать ответ «это кепка, а каска».  

Возможности искусственного разума в видеонаблюдении

На данном этапе развития IT-рынка искусственный разум способен принести пользу и прибыль, так как может применяться в видеонаблюдении для выполнения следующих задач:

• бесконтактные методы идентификации объектов, в том числе и в движении;
• распознавание лиц (с точностью до 99,8%)  и автомобильных номеров;
• ведение списков (VIP, черные);
• противодействие правонарушениям и преступлениям;
• обнаружение нештатных ситуаций и быстрые оповещения операторов;
• отслеживание соблюдения трудовой дисциплины и предоставления качественного сервиса;
• контроль за соблюдение техники безопасности на производствах;
• подсчет и классификация объектов (покупателей, посетителей, автомобилей, животных). 

Особенности поведенческой видеоаналитики

Поведенческая умная видеоаналитика предназначена для обнаружения подозрительных лиц и возможных правонарушений (от кражи на АЗС до крупных террористических атак).

Алгоритмы, способные сканировать и анализировать последовательность  подозрительного положения человеческого тела, а также сравнивать их со снимками из базы данных, являются поведенческими.

Уже сегодня подобные технологии применяются:

• в торговле. Прочтите статью «Камера для распознавания воров в магазинах. Миф или реальность?»;
• в транспортной инфраструктуре крупных городов;
• в полиции, исправительных учреждениях;
• в общественных местах.

Недостатки ИИ

Несмотря на обширный функционал и спектр возможностей искусственного интеллекта, ему свойственны некоторые недостатки:

• отсутствие возможностей анализа последовательности событий;
• техническая невозможность понять очевидные логические взаимосвязи происходящего в поле зрения IP- камер;
• большие вероятности получения тупикового результата обучения нейросети;
• необходимость многоцикловой настройки элементов системы и установление взаимосвязей;
• продолжительные временные затраты на обучение нейросети;
• относительно высокая стоимость решения. Однако с каждым годом ценовая политика становится все ниже и ниже. Обратите внимание на сервис Faceter и его демократические расценки.

Выводы

То, что вчера казалось вымыслом и научной фантастикой, сегодня стало реальностью благодаря искусственному интеллекту. Видеонаблюдение приобрело дополнительные аналитические функции, расширив сферу своего действия от вопросов безопасности до решения сложных маркетинговых задач.  Технологический прорыв свершился, будущее уже наступило.