Видеонаблюдение обычно связано с безопасностью. Но чаще решение используется для записи инцидентов и помогает в расследовании постфактум, а не для предотвращения нежелательных событий. Видеоаналитика на основе искусственного интеллекта — многообещающая тенденция, которая в корне меняет способ работы камер видеонаблюдения. Извлечение управляемых данных из видеопотока может помочь распознать опасные ситуации на раннем этапе, минимизировать ущерб и, в идеале, вовсе избежать аварийных ситуаций. В то же время искусственный интеллект весомо расширяет области применения видеонаблюдения, за пределами систем безопасности.

Однако, шумиха вокруг этой новой технологии не дает пользователю выбирать подходящие решения для расширенного спектра продуктов. Это часто приводит к переоценке, сопровождаемой полным разочарованием. Может ли видеоаналитика на базе ИИ на самом деле стать ключом к технологическому прорыву в видеонаблюдении?

Технологический прорыв или “мыльный пузырь”?

Часто говорят, что рынок программного обеспечения для управления видео (VMS) становится популярнее и доступнее. Некоторые продукты со схожими опциями затрудняют выбор. В результате имена компаний и репутация превращаются в один из их первостепенных пунктов продаж. У производителей есть два варианта: погрузиться в ценовую войну и рассчитывать на сокращение расходов или на самом деле предложить инновацию.

Разработчики ПО для видеонаблюдения, которые выбирают второй путь, тяготеют к созданию продуктов, использующих искусственный интеллект на основе нейронных сетей и технологии Deep learning. Возникший два или три года назад рынок ИИ-видеоаналитики переживает бум роста. Эта новая техническая волна всколыхнула все еще застойные закоулки мира VMS и дала небольшим амбициозным разработчикам повод для оптимизма. Похоже, у них теперь есть шанс стать лидерами рынка в ближайшие годы.

Однако, ажиотаж вокруг этой популярной тенденции вызывает разумные опасения у опытных профессионалов индустрии безопасности. Эти проблемы исходят от клиентов, которые ищут решение персональных проблем, а также от поставщиков, создающих долгосрочную стратегию развития. Это во многом напоминает другой технический пузырь, такой как тот, который был построен вокруг видеоаналитики до ИИ, и лопнул, когда стало ясно, что сенсационные обещания вокруг него были рекламной уловкой. Тем не менее, бытует масса факторов, которые указывают на то, что видеонаблюдение на базе ИИ не является еще одним обманом.

На что способен искусственный интеллект?

Что же может делать искусственный интеллект в системах видеонаблюдения на данном этапе развития? Он не способен достаточно проанализировать последовательность событий и понять «логику» того, что происходит в поле зрения IP камер. По крайней мере, сегодня. Но вероятно, что ИИ научится делать это в ближайшие годы. Но аналитика нейронной сети уже может продуктивно обнаруживать, классифицировать и отслеживать объекты, гарантируя повышенную точность даже в загруженных сценах.

Искусственный интеллект сегодня может быть использован для:

  • Обнаружения дыма и огня, для раннего оповещения о пожаре на открытых площадках
  • Различия людей от транспортных средств, животных и других движущихся объектов, например, для защиты заповедника от браконьеров.
  • Различия человека в шлеме и защитной одежде и без, чтобы предотвратить несчастные случаи на опасном производственном объекте или строительной площадке
  • Подсчета объектов конкретного типа, например: автомобилей на стоянке, людей в торговом центре и прочее

Это только некоторые примеры. После обучения нейронной сети, она способна решать и другие, аналогичные задачи. Как правило, нейронная сеть, обученная в конкретных условиях, не воспроизводима. Иными словами, не будет работать так же производительно в других условиях. С другой стороны, разработчики научились быстро обучать ИИ для нужд конкретного проекта. Первостепенным требованием считается наличие достаточного количества видеозаписей.

Несколько отличительным от этого считается использование нейронных сетей для распознавания лиц и номерных знаков. Это пример воспроизводимых нейронных сетей, что делает их более привлекательными в коммерческом отношении. Если невоспроизводимые нейронные сети только недавно стали экономически целесообразными из-за ускоренного развития специализированного аппаратного обеспечения, то использование ИИ в распознавании лиц и ANPR давно устоялось.

Другой вид видеоаналитики ИИ, который мы рассмотрим — это аналитика поведения. Эта функция, вероятно, больше, чем любая другая приближает системы видеонаблюдения к пониманию того, что происходит. И потенциал этого огромен.

С технической точки зрения, такая видеоаналитика сочетает искусственный интеллект с классическим алгоритмическим подходом. Нейронная сеть, обученная по массе сценариев, может определять положение тел, голов и конечностей людей в поле зрения уличных и внутренних камер. Алгоритм выводит массив данных, содержащий описания их поз. Могут быть установлены условия для данных, чтобы выявить конкретную позу, такую как поднятые руки, а также поверженных или приседающих людей. Разработчики могут использовать это для ускоренного создания новых инструментов обнаружения, чтобы идентифицировать предполагаемо опасное поведение.

Систему возможно настроить так, чтобы она автоматически отправляла предупреждения с моментальным снимком инцидента с видеокамер в полицию, а там могли оценить угрозу и при необходимости принять меры. Важно, чтобы полиция получила предупреждение, даже если на месте происшествия нет возможности активировать охранную сигнализацию.

Что теперь?

Поведенческая аналитика может быть развернута везде, где только можно вообразить. С помощью этой функции можно обнаружить практически любую позу, которая указывает на предполагаемое опасное поведение. Своевременное реагирование на сигнализацию помогает избежать материального ущерба или, в других ситуациях, несчастных случаев.

Область развития для аналитики поведения — это способность анализировать последовательность поз одного и того же человека или комбинацию поз и относительных позиций нескольких людей. Это будет следующий уровень эволюции использования ИИ в видеонаблюдении: переход от «обнаружения» к «пониманию» поведения в текущем времени.

В основной форме, видеоаналитика этого типа может быть развернута для обнаружения отклонений от процедуры поиска в исправительных учреждениях, когда проверяемый должен принять заранее заданную последовательность поз. Более продвинутый вид позволяет обнаруживать любые виды ненормального поведения, такого как драка в общественном месте. В идеале поведенческая аналитика может прогнозировать опасные ситуации на основе почти незаметных сигналов, полученных из собранной статистики и анализа больших данных.

Сегодня это звучит как чистая фантастика, но то, что не так давно казалось невозможным, теперь стало реальностью с искусственным интеллектом.