Přední světový vývojář inteligentního VMS a PSIM software
Kde koupit

Mohou vůbec někdy být video analýzy založené na úmělé inteligenci inteligentní?

11/23/2019

Video dohled je běžně spojován s bezpečností. Ale ve většině případů se používá k zaznamenávání incidentů a pomoci při vyšetřování, spíše než k prevenci nežádoucích událostí. Analýza videa založená na umělé inteligenci je velmi slibný trend, který zásadně mění způsob, jakým věci fungují. Zpracování dat z video streamu může pomoci včas rozpoznat rizikové situace, minimalizovat škody a v ideálním případě se zcela vyhnout nouzovým situacím. Umělá inteligence zároveň výrazně rozšiřuje oblasti použití video dohledu nad rámec bezpečnostních systémů.

Avšak nadšení kolem této nové, trendové technologie brání potenciálnímu uživateli ve výběru kvalitních řešení z široké nabídky produktů. To často vede k přílišnému očekávání, po kterém následuje naprosté zklamání. Může být analýza videa poháněná umělou inteligencí skutečně klíčem k technologickému průlomu ve video dohledu? Podíváme se na to, co technologie umí, co ne a kam může vývoj pokračovat.

Technologický přelom nebo jen další bublina?

Často se říká, že trh se softwarem pro správu videa (VMS) je stále více komoditizovaný a široce dostupný. Mnoho produktů s podobnými vlastnostmi (nebo alespoň podobnými sliby od výrobce) ztěžuje výběr. V důsledku toho se jména a pověst výrobců stávají jedním z jejich hlavních prodejních předností. Výrobci mají dvě možnosti: nechat se vtáhnout do cenové války a spolehnout se na snižování nákladů, nebo nabídnout produkt, který je skutečně inovativní a revoluční.

Vývojáři VMS, kteří volí druhou cestu, tíhnou k vytváření produktů, které využívají umělou inteligenci založenou na neuronových sítích a hlubokém učení. Trh s analýzou videa AI, který se objevil před dvěmi nebo třemi lety, zažívá velký růst. Tato nová technologická vlna rozvířila vody světa VMS a dala malým, ambiciózním vývojářům něco, v čem mohou být optimističtí. Zdá se, že nyní mají šanci dostat se do vedoucí pozice na trhu v příštích několika letech.

Nicméně nadšení kolem tohoto populárního trendu oprávněně vzbuzuje u zkušených profesionálů v bezpečnostním průmyslu obavy. Tyto obavy pocházejí od klientů, kteří hledají řešení svých problémů, a od dodavatelů, kteří budují dlouhodobou strategii rozvoje. To do značné míry připomíná další technologickou bublinu, jako byla ta, která se vytvořila kolem analýzy videa před AI a praskla, když se ukázalo, že senzační sliby kolem ní byly čistým marketingovým výmyslem. Existuje však mnoho faktorů, které naznačují, že video dohledové systémy s umělou inteligencí nejsou další bublinou.

Tři faktory

TPrvní – a hlavní – pochází ze systémů již fungujících u zákazníků. Splňují stejné sliby, které daly během předchozí bubliny horké hlavy, které se ve spěchu snažily naučit počítač analyzovat události v reálném čase pomocí klasického algoritmického přístupu.

Druhým je skutečnost, že do této nové technologie investovaly nejen softwarové a cloudové startupy, ale také velicí vývojáři VMS. Dokonce i giganti jako Intel, který představil celou řadu hardwarových akcelerátoru neuronové sítě a sadu softwarových nástrojů, které zefektivňují práci s nimi, přímo v oblasti počítačového vidění.

Třetí faktor spočívá ve schopnostech umělé inteligence. Umělá inteligence hraje šachy, řídí auta a dělá zázraky v mnoha dalších oborech. Proč by to nemohlo být aplikováno na video dohled a analýzu?

Co umí umělá inteligence? Co umí umělá inteligence v systémech video dohledu v této fázi vývoje? Nedokáže tak docela analyzovat sled událostí a pochopit „logiku“ toho, co se děje v zorném poli kamer. Alespoň zatím ne.Ale je pravděpodobné, že se to AI v příštích letech naučí. Ale analytika neuronové sítě již dokáže velmi dobře detekovat, klasifikovat a sledovat objekty a poskytuje vysokou přesnost i v rušných scénách. Umělou inteligenci lze v reálném světě využít k:
  • detekci ohně a kouře pro včasné varování před požárem na otevřených prostranstvích (les, velký sklad, parkoviště atd.);
  • odlišit lidi/vozidla od zvířat a jiných pohybujících se objektů, např. chránit perimetr přírodního parku před pytláky;
  • odlišit osobu v přilbě a ochranném oděvu od osoby bez nich, aby se předešlo úrazům ve výrobním zařízení nebo na staveništi;
  • počítat předměty určitého typu, např. auta na parkovišti, lidi na prodejní ploše, zboží pohybující se na běžícím pásu atd., obecně v řešeních nesouvisejících s bezpečností.

To je jen několik příkladů. Po natrénování neuronové sítě může řešit i jiné podobné úkoly. Obecně platí, že neuronová síť trénovaná ve specifických podmínkách není replikovatelná. Jinými slovy, za jiných podmínek nebude fungovat tak dobře.Na druhou stranu se vývojáři naučili rychle trénovat umělou inteligenci pro potřeby konkrétního projektu. Nejdůležitějším požadavkem je mít dostatek videozáznamu.

Na rozdíl od toho je použití neuronových sítí pro rozpoznávání obličejů a RZ příkladem reprodukovatelných neuronových sítí (natrénování jednou, nasazení všude), díky čemuž jsou komerčně atraktivnější.Jestliže se nereprodukovatelné neuronové sítě staly ekonomicky přijatelné teprve nedávno díky rychlému vývoji specializovaného hardwaru (například zmiňovaný produkt Intelu), pak je použití AI pro rozpoznávání obličeje a RZ již dlouhou dobu dobře zavedeno.

Dalším druhem analýzy AI, kterou prozkoumáme, je Behaviorální analýza (analýza chování). Tato funkce, pravděpodobně více než kterákoliv jiná, přibližuje video dohledové systémy k pochopení toho, co se děje na kameře. Její potenciál je obrovský.

Jak funguje analýza chování

Z technického hlediska kombinuje analýza chování umělou inteligenci s klasickým algoritmickým přístupem. Neuronová síť trénovaná na množství scénářů dokáže určit polohu těla, hlavy a končetin lidí v zorném poli kamery. Algoritmus vytváří data obsahujících popis postojů.

Lze nastavit podmínky pro detekci konkrétního postoje, jako jsou zvednuté ruce, skloněné nebo přikrčené osoby. Vývojáři to mohou využít k rychlému vytvoření nových detekčních nástrojů k identifikaci potenciálně nebezpečného chování specifikovaného klienty. U této detekce není potřeba další trénování neuronové sítě.

Jak lze použít analýzu chování

Někdo, kdo se krčí vedle bankomatu, může být technik, bezpečnostní pracovník nebo zloděj. V každém z těchto případů by měl být upozorněn operátor video dohledu.

Osoba v pozici střelce spolu se zaměstnancem banky nebo pokladní se zdviženýma rukama by mohla naznačovat loupež. Systém lze nakonfigurovat tak, aby automaticky zasílal upozornění se snímkem na policejní stanici, aby policsté mohli vyhodnotit hrozbu a v případě potřeby zasáhnout. Je životně důležité, aby policie obdržela výstrahu, i když zaměstnanec není schopen alarm aktivovat.

Pozornost by měla být zaměřena na ležící osobu. Může to být někdo, kdo potřebuje okamžitou pomoc, nebo to může být někdo, kdo spí na nevhodném veřejném místě, například u vnitřního bankomatu s nepřetržitým provozem.

K zajištění bezpečnosti na pracovišti lze také použít behaviorální analýzy. Například sledování, zda se zaměstnanci při chůzi po schodech ve výrobní hale nebo na staveništi drží zábradlí.

Co teď?

Analýzu chování lze nasadit kdekoliv si to klient bude přát. Pomocí této funkce lze detekovat prakticky jakýkoliv postoj, který naznačuje potenciálně nebezpečné chování. Včasná reakce na poplach pomáhá předejít materiálním škodám nebo v jiných případech obětem na životech.

Oblastí potenciálního rozvoje pro analýzu chování je schopnost analyzovat sekvenci pozic stejné osoby nebo kombinaci pozic a relativních pozic několika jedinců. To bude další úroveň evoluce v používání umělé inteligence ve video dohledu: přechod od „detekce“ k „pochopení“ chování v reálném čase.

V nejzákladnější podobě lze tento typ analýzy použít k odhalení odchylek od postupu prohlídky v nápravných zařízeních, kdy kontrolovaná osoba musí zaujmout předem definovanou sekvenci poloh. Pokročilejší forma umožňuje detekovat jakýkoli druh abnormálního chování, například rvačku, která vypukne na veřejném prostranství. V ideálním případě může analýza chování předvídat nebezpečné situace na základě téměř nepostřehnutelných náznaků získaných ze shromážděných statistik a analýzy velkých dat.

V tuto chvíli to zní jako čistá fantazie, ale to, co se ještě nedávno zdálo jako nemožné, je nyní s AI realitou. Umělá inteligence už porazila lidi v šachu a hře Go (Weiqi). Dokáže umělá inteligence jednoho dne porazit lidi v šarádách? Je docela možné, že se brzy přesvědčíme sami.

Článek z www.securityinformed.com.