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.
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:
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».
На данном этапе развития IT-рынка искусственный разум способен принести пользу и прибыль, так как может применяться в видеонаблюдении для выполнения следующих задач:
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:
Несмотря на обширный функционал и спектр возможностей искусственного интеллекта, ему свойственны некоторые недостатки:
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.
