Оливер Филиппу, старший аналитик исследовательской компании IHS Markit, рассказал о том, что технология глубокого обучения позволяет сделать видеонаблюдение “умнее”.

Индустрия видеоаналитики до сих пор оправляется от ущерба репутации, который она понесла в результате слишком больших обещаний и очень незначительных результатов. В течение многих лет надежность видеоаналитики была под сомнением: производители пытались разработать алгоритмы, которые могли бы функционировать в различных условиях. За последние годы индустрия прошла долгий путь и возможности видеоаналитики выросли. Инновации в сфере глубокого обучения помогают произвести революцию в отрасли и ускорить развитие возможностей видеоаналитики. За последние несколько лет наблюдается значительный рост в исследованиях и разработках нейронных сетей глубокого обучения, доказывающий их возможности и предоставляющий им доступ к гораздо более широкой группе пользователей.

Обеспечение большей точности и надежности

Существует две основные области, в которых видеоаналитика на основе глубокого обучения может предложить большие преимущества по сравнению с технологией, которая ей предшествовала.

1. Точность

Претензии, долгое время предъявляемые к видеоаналитике, заключались в том, что ее алгоритмы не могли обеспечить точную классификацию объектов и предметов. Этот недостаток в алгоритмах компьютерного зрения приводил либо к упущенным из виду угрозам безопасности, либо к ложным тревогам. Способность алгоритмов глубокого обучения воспринимать происходящее интуитивно, как человек, означает, что точность обнаружения значительно возрастает, а количество ложных тревог снижается. Нейронные сети - важная для индустрии видеоаналитики разработка. Хотя не всем пользователям нужно аналитическое решение, которое всегда точное на 100%, многие случаи использования требуют того, чтобы система безопасности была как можно ближе к такому результату. Некоторые пользователи не могут себе позволить упустить из виду угрозу безопасности и им приходится тратить большие суммы денег на расследование ложных тревог. Алгоритмы глубокого обучения доказали, что могут достигать 99,9-процентной точности там, где обычные системы едва ли достигнут 95 процентов точности. Во многих случаях даже эти несколько процентов имеют решающее значение.

2. Надежность

Мало того, что глубокое обучение продемонстрировало свою способность повысить эффективность компьютера в классифицировании объектов и предметов, оно также позволяет обрабатывать и анализировать все возрастающие объемы видеоматериалов за более короткое время. Такие компании как Avigilon, Qognify и IronYun, используя глубокое обучение, создают решения для маркетинговых задач. За короткое время они могут превратить огромное количество видеоматериалов в полезную информацию. Программное обеспечение для обработки видео, которое позволяет пользователям управлять материалами своих систем видеонаблюдения с использованием интерфейса, подобного Google, значительно сокращает время, необходимое для поиска соответствующих видеоматериалов в архиве, который может хранить видео тысяч каналов.

Распознавание лиц - это область, которая во многом выиграла от использования технологий глубокого обучения. Глубокое обучение не только повышает точность распознавания лиц, но и позволяет обнаруживать лица в местах большого скопления людей. Учитывая возрастающую угрозу терактов в людных местах, эта возможность может радикально изменить весь подход к обеспечению безопасности, позволяя правоохранительным органам отслеживать подозреваемых с гораздо большей скоростью и эффективностью.

Источник www.psimagazine.co.uk. Перевод статьи выполнила администратор сайта Елена Пономаренко.