Так само, як десять років тому IP-технології змінили відеоспостереження, сьогодні галузь змінюється під впливом технологій штучного інтелекту, машинного навчання, глибокого навчання, великих даних та інтелектуальної відеоаналітики.
Почнемо з деяких визначень. Поняття "штучний інтелект" пов'язане з моделюванням розуму в комп'ютерах. Машинне навчання займається розробкою комп'ютерних алгоритмів, які отримують доступ до даних і використовують їх для вивчення самих себе. Нейронні мережі - це комп'ютерні системи, які імітують роботу мозку людини.
Глибоке навчання - це підмножина алгоритмів машинного навчання, які, як було доведено, створили абсолютно нові можливості у вирішенні багатьох нерозв'язних раніше проблем. Великі дані - метадані - це величезна кількість структурованих і / або неструктурованих даних - в нашому випадку, величезна кількість відео, яке щодня створюють відеокамери безпеки, встановлені в містах по всьому світу.
Штучний інтелект у відеоспостереженні
Традиційно головною перевагою відеокамер спостереження була їх здатність отримувати докази, а також в режимі реального часу забезпечувати віддалений перегляд. Десять років тому для вирішення проблеми втрати концентрації уваги людини були розроблені технології відеоаналітики - комп'ютери не втомлюються, не нудьгують, не відволікаються і можуть контролювати те, що відбувається постійно.
Разом з цим впали ціни на відеокамери спостереження, їх почали активно впроваджувати, і системи управління відео почали збирати непотрібні, дорогі, неструктуровані дані. Технологія штучного інтелекту, здавалося, відповідала нагальним потребам галузі в тому, як ефективно використовувати ці великі дані, знижуючи капітальні витрати.
Три обмежуючих фактора
Однак, все це було лише в теорії, оскільки численні технологічні бар'єри перешкоджали використанню штучного інтелекту. Незважаючи на десятиліття досліджень, присвячених тому як змусити комп'ютер розпізнавати різні об'єкти в відео, якість результатів, м'яко кажучи, викликала здивування.
Обмеження штучного інтелекту, в основному, виражалися в наступному:
Недолік розуміння. Програмне забезпечення повинно мати можливість розрізняти об'єкти (людина, автомобіль, тварина і т. д.) При різних обставинах (день, ніч, погодні умови і т. д.).
Нездатність навчатися. Використовуваний підхід вимагав ручного налаштування програмного забезпечення в кожній відеокамері спостереження для кожного типу інциденту. Збільшення кількості використовуваних відеокамер спостереження зробило цей підхід непрактичним, враховуючи весь обсяг ручної праці, необхідний для налаштування, переналаштування і підтримки функціонування системи відеоспостереження.
Висока вартість. Гірка правда полягає в тому, що бюджети на забезпечення безпеки завжди будуть обмежені. До недавнього часу технології штучного інтелекту були надзвичайно дорогими.
Однак, сьогодні застосування штучного інтелекту в системах безпеки досягло переломного моменту:
Розуміння. Глибоке навчання може точно визначати і класифікувати об'єкти як в нерухомих зображеннях, так і на відео.
Уміння вчитися. Оскільки штучний інтелект безперервно збирає і аналізує дані, після закінчення певних періодів часу створюються метадані. Методи машинного навчання обробляють ці метадані і створюють моделі, які застосовуються для визначення поведінки, що відхиляється від норми. Цей метод дозволяє масштабувати систему, при цьому людині не потрібно налаштовувати кожен новий пристрій заново - все відбувається автоматично.
Більш низька вартість. Збільшення обчислювальної потужності графічного процесора і прийняття масовим ринком знизило вартість серверів. Сьогодні, при правильній реалізації, один сервер може використовуватися з сотнями і навіть тисячами відеокамер спостереження.
Істотне скорочення витрат на впровадження цих методів означає, що повністю автоматизоване рішення для відеоспостереження в містах швидко стане реальністю. Ми побачимо більше реалізованих проектів вже в найближчі місяці, а протягом найближчих декількох років нові інтелектуальні технології стануть стандартом для будь-якого смарт-сіті.
Джерело www.sourcesecurity.com. Переклад статті виконала адміністратор сайту Олена Пономаренко
