«Глибоке навчання» (Deep learning) останнім часом стало одним з найбільш поширених жаргонів в індустрії фізичної безпеки, і не дарма. Потенційні переваги штучного інтелекту (ШІ) величезні, і тільки зараз їх починають розуміти та усвідомлювати. Але як відокремити маркетинговий ажіотаж від реальності? Як відрізнити майбутній потенціал від поточного стану справ? У цій статті ми вирішили прояснити останні новини про цю нову технологію та те, наскільки добре індустрія безпеки розуміє весь свій потенціал.

Глибоке навчання — підмножина штучного інтелекту, дозволяє мережам навчатися виконувати завдання розпізнавання мови, голосу та зображень. При відеоспостереженні ці мережі вчаться робити прогнози шляхом багаторазового повторення зображень людей і транспортних засобів з камери відеоспостереження. Ця можливість ідеально підходить для використання з дронів, що патрулюють периметр в пошуках аномалій, або в програмному забезпеченні, яке вагомо знижує кількість помилкових тривог, що повідомляються операторам станцій центрального моніторингу. По мірі використання програмне забезпечення продовжує підвищувати свою точність. Що робить ці мережі настільки потужними, так це їх здатність узагальнювати вивчені ними концепції і потім застосовувати їх до зображень, які вони ніколи раніше не бачили. Багато кінцевих користувачів, інтеграторів та виробників розуміють поточний потенціал Deep learning. Однак можуть пройти роки, перш ніж ми дізнаємося весь потенціал цієї технології.

На відміну від машинного навчання, Deep learning відмінно підходить для пошуку закономірностей в неструктурованих даних, таких як зображення, що робить його відповідним для галузі відеоспостереження. Технологія також може «вчитися» при меншому контролі з боку людини. Глибоке навчання дає камерам відеоспостереження можливість ідентифікувати об'єкти та їх визначальні характеристики. Ця можливість революціонізує такі додатки, як відеоаналітика на основі руху, усуваючи помилкові спрацьовування сигналізації, які можуть призвести до вагомих витрат часу та коштів. Повний потенціал цієї технології виходить далеко за рамки безпеки, оскільки ці пристрої здатні надати вичерпну інформацію про поведінку споживачів в роздрібній торгівлі, а також надати дієву інформацію про операції, яка може спростити робочі процеси.

Світ технологій розвивається і стає все більш дієвим. Завдяки цьому Deep learning зможе принести вагому користь у багатьох галузях, в тому числі в сфері безпеки. Одним із прикладів вважається відеоаналітика зображень / відео, що забезпечує поглиблене розуміння відеопотоків, таких як протоколи безпеки, управління процесами, потік людей, аудит і дотримання нормативних вимог. При моніторингу тривог технологія вивчає шаблони, зовнішні вхідні дані та архівну активність, щоб зменшити кількість помилкових спрацьовувань сигналізації.

В контролі доступу глибоке навчання допомагає зрозуміти закономірності використання точок входу / виходу в будівлі, таких як управління зайнятістю, збори і дотримання вимог до захищених зон будівлі. Що цікаво в Deep learning, так це те, що точність, отримана останнім часом, часто навіть перевищує те, що люди можуть робити з конкретними завданнями. В індустрії фізичної безпеки глибоке навчання може допомогти організаціям проаналізувати свої дані та знайти реальні рішення, такі як розпізнавання облич або підрахунок людей.

Індустрія безпеки в цілому тільки що пройшла перші етапи розуміння того, куди нас можуть привести штучний інтелект та глибоке навчання. Декілька факторів стимулюють ШІ, першим з яких є поширення даних, що генеруються сотнями з мільйонів датчиків по всьому світу, включаючи камери відеоспостереження, комплекти контролю доступу та системи керування будівлями. Всі ці датчики видають дані 24 години на добу, 7 днів на тиждень, і тепер ми починаємо використовувати програмні системи для «здобичі» цих даних. Цей майнінг виявляє невідомі досі зв'язки між даними з різних сховищ, що дає деякі цікаві результати. Потім використовуються алгоритми для опису цих відносин, а вони, в свою чергу, використовуються або можуть використовуватися для розпізнавання певних ситуацій по мірі того, як інциденти відбуваються або навіть передують інциденту.

Сьогодні ми знаходимося тільки на ранніх етапах реалізації технології Deep learning. Якими б захопливими не були інновації сьогодні, їхнє майбутнє відкриває ще більше можливостей, що обмежуються тільки нашою уявою.
 

Читайте інші цікаві статті про системи безпеки:

Біометрія в сфері фізичної безпеки, охорони здоров'я та управління персоналом

Технології, які роблять мобільний контроль доступу безпечним рішенням