Відеоаналітика продовжує вдосконалюватися та швидко стає стандартом для пристроїв та рішень відеоспостереження. Стрімкий розвиток програмного забезпечення з відеоаналітикою також поступився місцем наростальному впровадженню штучного інтелекту та технологій Deep learning в індустрії безпеки. Штучний інтелект, здатний підключатися до іншої інформації за допомогою датчиків, включаючи підрахунок людей, управління ідентифікацією та теплове картування, здатний надати кінцевим користувачам набагато більше інформації, ніж традиційні рішення. Ці функції збору даних розширюють можливості операцій та представляють нову цінність для кінцевих користувачів не тільки з точки зору безпеки, але й з точки зору експлуатації.
Постійне навчання
Передова технологія моделювання ШІ постійно вивчає, як виглядає типова сцена. Це вагомо знижує кількість помилкових спрацьовувань системи безпеки, оскільки може визначати нетипові події або рух та попереджати користувачів в режимі поточного часу, щоб ініціювати потрібну відповідь.
Інші можливості ШІ, такі як фільтрація метаданих, допомагають вагомо прискорити розслідування. Фільтрація метаданих автоматично розпізнає об'єкти, місця і руху, а потім витягує і зберігає інформацію, що відноситься до кожної сцені. Ці метадані забезпечують класифікацію, ідентифікацію та контекст відеопотоків, дозволяючи користувачам швидко та легко систематизувати, шукати й витягувати інтелектуальну інформацію з величезних обсягів матеріалів з камер відеоспостереження. Крім того, технологія зіставлення людей зі штучним інтелектом витягує характеристики зовнішнього вигляду обраної людини та швидко переглядає багатогодинні відеозаписи в пошуках найбільш схожих збігів з одного або декількох записаних відеопотоків.
Попри всі ці переваги, для деяких вартість залишається однією з головних перешкод на шляху впровадження ШІ. Ще одна проблема — обчислювальна потужність. Початкові рішення вимагали складних серверних налаштувань, що робило їх недоступними для більшості організацій. На щастя, ціни продовжують знижуватися, оскільки нові функції ШІ стають доступними через деякі чинні рішення ПЗ для відеоспостереження та хмарні додатки. Це, в поєднанні з тим фактом, що виробники представляють більш зрозумілі та лаконічні додатки, які вирішують повсякденні завдання, дозволяє все більшій кількості користувачів використовувати переваги штучного інтелекту.
За даними дослідницького центру The Hill, штучний інтелект неухильно зростає — з 12 мільярдів доларів у 2017 році, до прогнозованих 60 мільярдів доларів у 2021 році. Але цей прогноз, ймовірно, буде рости експоненціально в розпал пандемії COVID-19. Прискорене поширення вірусу неминуче спонукає багато підприємств (більшість з яких втрачають непомірні суми доходів) замінити людей, як фактор виробництва. Машини не можуть бути заражені вірусом і, отже, не зупинять виробництво, не порушать ланцюжок постачання продуктів харчування або інші виробничі процеси. Їм також не потрібно дистанціюватися в суспільстві.
Соціальне дистанціювання
Керівні принципи в сегменті охорони здоров'я, згідно з яким люди повинні знаходитися на відстані 1,5 м один від одного, впливають на багато аспектів повсякденного життя, як в особистому, так і в професійному плані. Для повсякденних справ, настільки ж простих, як похід в продуктовий магазин, тепер потрібна охорона на вході, щоб розділяти людей та пропускати одночасно обмежену кількість покупців. Деякі компанії не зможуть покрити витрати на охоронців та співробітників служби безпеки для забезпечення соціального дистанціювання протягом тривалого періоду часу. Це дорого. Автоматизація процесів за допомогою відеоаналітики, безсумнівно, буде більш привабливим й доступним рішенням.
У боротьбі з поширенням COVID-19 особливо важлива можливість поєднувати технології розпізнавання осіб та ШІ для виявлення лихоманки. Тепловізійні камери вже давно використовуються для виявлення людей з підвищеною температурою. Відеокамери, оснащені мультисенсорною технологією на основі штучного інтелекту, використовуються в масі об'єктів, включаючи аеропорти, лікарні та фабрики. Технологія автоматично виявляє людей з лихоманкою, відстежує їх рух, розпізнає їх обличчя та визначає, чи мають вони захисні маски.
Організації, які можуть бути не в змозі виділити бюджет на нове складне програмне забезпечення зі штучним інтелектом, швидше за все, будуть прагнути використовувати вже наявні вкладення в відеоспостереження за допомогою стандартних доповнень. Наприклад, прості технології, такі як підрахунок людей, пропонують масу переваг. Крім допомоги в забезпеченні соціального дистанціювання, вони здатні надати інформацію для визначення маркетингових та операційних стратегій, а також дані для прийняття ключових бізнес-рішень. Затребувані можливості, ймовірно, будуть включати в себе пасивне виявлення персоналу, вимір часу очікування та варіант підключення декількох пристроїв систем безпеки й контролю доступу, для перекриття широких отворів.
Робота з ефективною відеоаналітикою
Багато кінцевих користувачів вже використовують просту, але економічну аналітику типу «blob», яка зазвичай включає зображення, аудіо або інші мультимедійні об'єкти, а також пристрої для задоволення їх експлуатаційних вимог. Зараз це звичайна справа в багатьох додатках, оскільки аналітичні IP камери відеоспостереження та пристрої plug-and-play довели свою економічність та легкість розгортання.
Щоб ще краще використовувати переваги штучного інтелекту, виробники та інтегратори повинні допомогти клієнтам зрозуміти їх больові точки та проблеми. Інтегратори повинні пояснювати клієнтам, як ті можуть працювати більш продуктивно, продовжуючи при цьому знижувати ризики, підвищувати безпеку й виконувати вимоги нормативних правил та обов'язок виявляти обережність.
Хоча замовники швидко впровадили вбудовану відеоаналітику, пристрої все ж можуть видавати помилкові спрацьовування через погодні умови або інші фактори навколишнього середовища. Це може стати проблематичним, особливо для великих об'єктів, оскільки ситуація здатна призвести до того, що групи моніторингу будуть або непродуктивно реагувати на помилкові спрацьовування сигналізації, або відключати оповіщення, потенційно пропускаючи критичні інциденти.
Додатки для Deep learning
Саме в таких середовищах рішення глибокого навчання вже дають вагомі переваги та окупність інвестицій. Вони вчаться на власному досвіді та вагомо перевершують людські можливості завдяки здатності аналізувати вражаюче число точок даних, взятих з відеозапису з однієї або декількох відеокамер одночасно. Це дозволяє додаткам штучного інтелекту спочатку виявляти, а потім ідентифікувати подію або загрозу, одночасно фільтруючи помилкові спрацьовування та підвищуючи продуктивність служб швидкого реагування, а також гарантуючи, що критичні інциденти ніколи не будуть пропущені.
Значення та додатки для штучного інтелекту будуть продовжувати рости як в цілому, так і у відповідь на боротьбу з COVID-19. Хоча ніщо поки не може замінити цінність людського інтелекту та прийняття рішень, наявність ШІ в арсеналі допоможе в боротьбі з невидимим ворогом.
