Є багато причин, за якими кінцеві користувачі вважають за краще відеоаналітику. Можливість виявити обличчя, а також одяг, автомобільні номери та інше в мережі з сотень, навіть тисяч камер відеоспостереження, настільки вражає, що це неможливо ігнорувати.

Продуктивність полягає не тільки в альтернативних витратах, виграних шляхом економії часу. Для серйозних застосувань в сегменті безпеки здатність розпізнавати та відстежувати загрози або уразливості на граничній швидкості, вважається ключем до успішних операцій. Ще одна річ, яка лежить в основі відеоаналітики, — це необхідність підтримування роботи основної інфраструктури (це може бути залізнична станція, аеропорт, автострада або міська вулиця). І це вважається пріоритетом не тільки для власників інфраструктури, але й для правоохоронних органів, що займаються питаннями захисту та управління ресурсами міст. Зіткнувшись з надзвичайними ситуаціями, вони хочуть знати все в деталях.

Продуктивність — це теж гроші. Кінцеві користувачі в приватному та державному секторі вкладають вагомі фінансові кошти у свої системи відеоспостереження. Новітні рішення наділені винятковою здатністю, та дані, які вони генерують, — дорого обходяться. Але, щоб відповідати цьому, інформація повинна бути здобута швидко та точно, щоб гарантувати ситуаційну обізнаність, яка призводить до прискореного реагування людей.

Сьогодні менеджери з безпеки та операційні команди не хочуть тонути в відеопотоках, а повинні бути поінформовані та уповноважені ними — і ніщо не дає таку здатність в тому вигляді, якому її надає програмне забезпечення для відеоаналітики.

Що помічено при вивченні тематичних досліджень та оглядів продуктів в цьому році, — це те, що системи відеоспостереження об'єднуються та інтегруються в масштабах, яких ніхто ніколи не бачив раніше. Поняття «потайних систем безпеки» повністю відсутнє в кінці операцій, коли менеджери хочуть набагато більшого та набагато швидше. І в цьому моменті є побічний елемент, обумовлений опціями технологій, а також наростальним досвідом інтеграторів, здатних руйнувати величезні взаємопов'язані мережі. Починають виникати «супер-системи» IP камер, що пропонують деталізований доступ та дивовижний потенціал, але ця потужність має свою ціну.

Досвідчені менеджери знають, що є момент, коли додавання камер до системи більше не підвищує ситуаційну обізнаність, а створює шум, сповільнює прийняття рішень та зменшує час відгуку, роблячи рішення більш сенсорним. Відповідно до думки деяких експертів, саме це злиття взаємопов'язаних мереж відеоспостереження та експлуатаційні обмеження, пов'язані з їх моніторингом, приведуть на новий рівень освоєння та функціональність відеоаналітики.

Технологія Deep learning грає тут важливу роль — вона забезпечує надійну функціональність при знижених вимогах до обробки, та здійснює це без будь-яких збоїв та проблем. Завдяки глибокому навчанню, системи вивчають своє оточення з моменту включення та роблять це з дивовижною швидкістю.

Цікаво те, як відеоаналітика з розпізнаванням облич буде діяти на ринку користувачів — широка публіка в деяких країнах незадоволена даною технологією в рамках громадського відеоспостереження, і це може призвести до таких змін, як маскування облич в деяких застосуваннях. Але неможливо уявити майбутнє, в якому відеоаналітика не зробить вагомого впливу на рішення по управлінню безпекою всіх видів.

Сьогодні більшість великих систем відеоспостереження не працюють на повну потужність з точки зору збору даних та генерації звітів, і це тому, що оператори просто не здатні довести кожну камеру до рівня пікселів. Але відеоаналітика може — і кінцеві користувачі знають це.