Термин “видеоаналитика” (Video Content Analysis - VCA) часто используется для описания технологий, предназначенных для оказания помощи аналитикам в классификации или обнаружении на видео представляющих интерес событий. Эти события могут включать появление того или иного объекта или действия. Технология VCA использует сложную смесь алгоритмов.
За последние четыре года корпорация System Planning Corporation, Арлингтон, штат Вирджиния, выпустила несколько исследований и оценила девять VCA технологий по классификации объектов и поиску видео. В ходе обсуждений с потенциальными пользователями и разработчиками, стало ясно, что негативное восприятие видеоаналитики представляют собой серьезное препятствие для широкого внедрения данной технологии.
Несмотря на ряд проблем, мы считаем, что у видеоаналитики действительно есть потенциал для помощи в решении существующих в нашем мире проблем. Технологии VCA быстро развиваются, поэтому иногда трудно понять, где заканчивается реальность, и где начинается фантазия. Что было невозможно еще несколько лет назад, теперь является обычным делом.
Фильмы и ТВ-шоу размывают грань между фактами и вымыслами, изображая возможности поиска видео, которые действительно существуют, но со значительно большей скоростью, автоматизацией, точностью и надежностью, чем можно достигнуть в настоящее время. Кроме того, технология распознавания номерных знаков регулярно используется на стоянках и в гаражах, а программное обеспечение для распознавания лиц может использоваться для входа в систему компьютера или для разблокировки смартфона. Потенциальные пользователи видят огромные возможности инструментов видеоаналитики, но не учитывают эксплуатационные ограничения работы таких систем. Вместе эти факторы способствуют распространению нереалистичных ожиданий в отношении возможностей новых технологий.
Поиск в видео по сути неоднозначен из-за сложности и глубины информации, содержащейся в изображении. Правильный ответ для одного пользователя может быть неправильным для другого. Представьте себе ситуацию: правоохранительные органы используют видеокамеры наблюдения низкого качества. Первоначально следователи могут использовать видеоаналитику, чтобы узнать, появлялись ли в поле зрения видеокамеры наблюдения автомобили. На данном этапе любое обнаруженное транспортное средство будет представлять собой правильный ответ. После просмотра всех транспортных средств в видео и сопоставления этой информации с другой информацией, следователь решает, что подозреваемый автомобиль - серебристый седан. Затем запрашивается находящийся рядом источник видео более высокого качества, который позволит найти все серебристые седаны - таким образом любой обнаруженный серебристый седан будет представлять положительный результат. Наконец, после дополнительного расследования, подозреваемый автомобиль будет идентифицирован. Теперь, все последующие запросы будут включать только совпадение марки и модели.
Выше представлены примеры, в которых результаты поиска технически правильны, но не согласуются с ожиданиями и требованиями пользователя. Это проблема, которая присуща алгоритмам VCA. Программное обеспечение не может спросить: "Это то, что вы имели в виду?", чтобы уточнить интересующие вас объекты.
Важной задачей технологии VCA является не просто предоставление правильного результата, но и обеспечение желаемого результата. Обеспечение желаемых результатов требует конвергенции трех понятий: намерения пользователя, интерпретации видеоаналитики и результатов видеоаналитики. Отлично реализованный алгоритм будет добиваться полного совпадения между интерпретацией и результатами, но этого не достаточно, чтобы удовлетворить потребности пользователей. Обучение пользователей работе с видеоаналитикой повысит доверие к технологии VCA. Это означает, что пользователи должны потратить какое-то время, чтобы понять все тонкости и нюансы предоставленных результатов и поэкспериментировать с вариантами запросов, чтобы узнать, как ограничить нежелательные ответы.
Хотя мы считаем, что обучение пользователь - лучший путь к улучшению признания, на разработчиков VCA также возложена задача по предоставлению пользователям полезных инструментов и информации. Без понимания программного обеспечения VCA пользователи не смогут эффективно изменять свои запросы для улучшения производительности системы. Более подробная информация даст представление о «мыслительном процессе» инструмента видеоаналитики, тем самым позволяя пользователю понять, какие функции изображения помогают получить нужный результат. Предоставив пользователям информацию, которая позволит лучше понять результаты поиска, программное обеспечение должно также предоставить пользователям средства для изменения этих результатов.
Источник www.sourcesecurity.com. Перевод статьи выполнила администратор сайта Елена Пономаренко
