Есть ряд причин, по которым конечные пользователи предпочитают видеоаналитику. Возможность выявить лица, а также одежду, автомобильные номера и прочее в сети из сотен, даже тысяч камер видеонаблюдения, настолько впечатляет, что это невозможно игнорировать.
Производительность заключается не только в альтернативных затратах, выигранных за счет экономии времени. Для серьезных применений в сегменте безопасности способность распознавать и отслеживать угрозы или уязвимости на предельной скорости, считается ключом к успешным операциям. Еще одна вещь, которая лежит в основе видеоаналитики, — это необходимость поддержания работы основной инфраструктуры (это может быть железнодорожная станция, аэропорт, автострада или городская улица). И это считается приоритетом не только для владельцев инфраструктуры, но и для правоохранительных органов, занимающихся вопросами защиты и управления ресурсами городов. Столкнувшись с чрезвычайными ситуациями, они хотят знать все в деталях.
Производительность — это тоже деньги. Конечные пользователи в частном и государственном секторе вкладывают весомые финансовые средства в свои системы видеонаблюдения. Новейшие решения наделены исключительной способностью, и данные, которые они генерируют, — дорогого стоят. Но, чтобы соответствовать этому, информация должна быть добыта быстро и точно, чтобы гарантировать ситуационную осведомленность, которая приводит к ускоренному реагированию людей.
Сегодня менеджеры по безопасности и операционные команды не хотят тонуть в видеопотоках, а должны быть информированы и уполномочены ими — и ничто не дает такую способность в том виде, котором ее предоставляет программное обеспечение для видеоаналитики.
Что замечено при изучении тематических исследований и обзоров продуктов в этом году, — это то, что системы видеонаблюдения объединяются и интегрируются в масштабах, которых никто никогда не видел прежде. Понятие «потайных систем безопасности» полностью отсутствует в конце операций, когда менеджеры хотят гораздо большего и гораздо быстрее. И в этом моменте есть побочный элемент, обусловленный опциями технологий, а также растущим опытом интеграторов, способных разрушать огромные взаимосвязанные сети. Начинают возникать перекрывающиеся «супер-системы» IP камер, что предлагают детализированный доступ и впечатляющий потенциал, но эта мощность имеет свою цену.
Опытные менеджеры знают, что есть момент, когда добавление камер к системе больше не повышает ситуационную осведомленность, а создает шум, замедляет принятие решений и уменьшает время отклика, делая решение более сенсорным. Согласно мнению некоторых экспертов, именно это слияние взаимосвязанных сетей видеонаблюдения и эксплуатационные ограничения, связанные с их мониторингом, приведут на новый уровень освоение и функциональность видеоаналитики.
Технология Deep learning играет здесь важную роль — она обеспечивает надежную функциональность при сниженных требованиях к обработке, и осуществляет это без каких-либо сбоев и проблем. Благодаря глубокому обучению, системы изучают свое окружение с момента включения и делают это с удивительной скоростью.
Интересно то, как видеоаналитика с распознаванием лиц будет действовать на рынке пользователей — широкая публика в некоторых странах недовольна данной технологией в рамках общественного видеонаблюдения, и это может привести к таким изменениям, как маскирование лиц в некоторых применениях. Но невозможно представить будущее, в котором видеоаналитика не окажет весомого влияния на решения по управлению безопасностью всех видов.
Сегодня большинство крупных систем видеонаблюдения не работают на полную мощность с точки зрения сбора данных и генерации отчетов, и это потому, что операторы попросту не способны довести каждую камеру до уровня пикселей. Но видеоаналитика может — и конечные пользователи знают это.
