Přední světový vývojář inteligentního VMS a PSIM software
Kde koupit

Umělá inteligence a speciální analýzy mění svět video dohledu

03/13/2020

Detekce vysoce rizikových situací ještě před jejich eskalací je jednou z hlavních motivací vývoje umělé inteligence (AI) pro bezpečnostní řešení. S umělou inteligencí se mohou dohlížející operátoři posunout od pouhého sledování k využívání všech dat a záběrů pro identifikaci hrozeb a informování bezpečnostních složek o těchto situacích.AI je stále vyvíjející se technologie; mezi výhody, které přináší, patří minimalizace rizika, maximalizace prevence kriminality a záchrana životů.

V minulosti byly videozáznamy archivovány krátkou dobu, než byly přepsány. Části umělé inteligence – jako je video analýza, strojové učení a hluboké učení – dnes využívají velké objemy dat generovaných ekosystémy IoT k rozpoznání opakovaných vzorců v souborech dat, které jsou následně převedeny na poznatky, které posilují strategie pro prevenci zločinu po celém světě. Tato technologie poskytuje ucelenější pohled na data, spojuje jednotlivá data k popisu toho, co se děje, aby bylo možné rychle identifikovat rizikové situace dříve, než dojde k jejich eskalaci.

Rostoucí poptávka

Celková hodnota trhu pro analýzu videa v reálném čase byla v roce 2018 celosvětově odhadována na 3,2 miliardy USD a podle londýnského Brandessence Market Research se očekává, že do roku 2023 vzroste na 9 miliard USD. Umělá inteligence již není jen módní slovo nebo trend – stává se nedílnou součástí naší stále rostoucí datové sféry.

Na rozdíl od všeobecného přesvědčení není umělá inteligence výhradním vlastnictvím vývojových gigantů, jako je Google, Amazon nebo Apple, kteří do značné míry využívají umělou inteligenci k optimalizaci rozpoznávání řeči a obrazu a také ke správě obsahu. Rostoucí obavy o fyzickou bezpečnost byly také katalyzátorem trvalého růstu AI.

Hrozba útoků se zbraní zařadila školy mezi první uživatele AI; ve skutečnosti podle IHS Markit v roce 2018 tvořily odhadovanou část trhu ve výši 450 milionů dolarů. „Hledáme řešení, která nám pomohou identifikovat situace dříve, než nastanou, nebo alespoň hned, jak nastanou, abychom mohli reagovat o něco rychleji,“ řekl pro Los Angeles Times Paul Hildreth, koordinátor nouzových operací pro školy Fulton County v Atlantě, v září 2019.

Analýzy videa založené na AI také zvyšují efektivitu a nabízejí firmám informace, které se netýkají bezpečnosti. Například v oblasti maloobchodu mohou majitelé obchodů používající kamery s analýzou zaznamenat zloděje a upozornit bezpečnostní personál, aby okamžitě zasáhl. Analýzy v obchodě mohou také sledovat přesný pobyh návštěvníků v prodejně, dobu zdržení a aktivitu u jednotlivých regálů. Inteligentní města využívají sítě inteligentních senzorů pro sběr dat a lepší organizaci reakcí na incidenty, na základě toho jak se vyvíjejí, a také zlepšují procesy, jako je řízení dopravy.

Policie v New Yorku, New Orleans a Atlantě nyní používá ke zlepšení vyšetřování incidentů kamery vybavené analýzou videa. V Hartfordu, v Connecticutu, policejní síť 500 kamer zahrnuje některé jednotky s AI, které dokážou prohledávat hodiny videa, aby našly lidi v určitém oblečení, nebo pomocí rozpoznávání RZ identifikovat místa, kde bylo naposledy viděno podezřelé vozidlo.Tyto jednotky také mohou upozornit na poflakování se (loitering), detekovat opuštěné předměty a osoby i předměty, které vstupují do předem definované zóny. Tyto instalace a jejich uživatelé představují jedny z prvních aplikací analýzy videa pro sledování ve Spojených státech.

Vzestup behaviorální analýzy

Behaviorální analýza, podmnožina AI, se objevila jako jeden z nástrojů, jak toho dosáhnout. Spojení výkonějšího počítačového hardwaru, hlubokého učení a šíření dat, které tvoří dnešní datovou sféru, behaviorální analýza rozpoznává nebezpečné situace na základě detekce určitých lidských postojů – například zvednutých paží pokladníka nebo osoby krčící se poblíž bankomatu.

K zajištění bezpečnosti na pracovišti lze také použít behaviorální analýzy – například sledování, zda se zaměstnanci při chůzi na schodech drží zábradlí či upozorněním na pád člověka. Software může dokonce detekovat potenciálního střelce v reálném čase a dávat okamžitá upozornění prvním respondentům, aby pomohl minimalizovat rizika pro studenty, zaměstnance a budovy.

Využití behaviorální analýzy bude v budoucnu stále růst. Prozatím behaviorální analýza zvýšila povědomí o hodnotě sledovacích systémů s umělou inteligencí a o jejich přínosech pro podniky v mnoha odvětvích.

Infrastruktura musí držet krok

Vzhledem k tomu, že analýza založená na umělé inteligenci staví sledovací řešení do předních linií odhalování zločinu, úložiště dat a technologie, které tato řešení pohánějí, musí fungovat na nejvyšší úrovni. Neuronové sítě si dokáží poradit se speciálními požadavkami učením se z videomateriálu získaného na dané lokalitě; ale žádné z těchto učení nemůže proběhnout, pokud propustnost záznamu není dostatečně vysoká. Hlubokého učení navíc nebude moci být přínosem, pokud dojde k vynechání snímků videa kvůli málo výkonným úložným systémům.

Aby inteligentní sledovací systémy s analýzou AI fungovaly optimálně, musí se rozvinout infrastruktura úložiště.Aby bylo možné pojmout takové množství videa a metadat ze sledování AI, je zapotřebí nová architektura, která využívá jak místních, tak cloud zdrojů. Výrobci úložišť označují tuto konfiguraci jako IT 4.0.

Nasazení NVR a zařízení vybavených umělou inteligencí umožňuje provést počáteční analýzu přímo na zařízení. To snižuje latenci a zlepšuje efektivitu; umožňuje tak například upozornění bezpečnostních pracovníků na univerzitě, že neoprávněná osoba odhalená venkovní kamerou vstoupila na stadion po zavírací době.

S architekturou IT 4.0 se poté, co proběhne základní zpracování dat na zařízení, video a data přenesou do centralizovaného prostředí pro dlouhodobé uchování záznamu a hluboké učení. Budeme-li pokračovat v oblasti vzdělávání, univerzita provozující veřejný nebo soukromý cloud by mohla agregovat video a data ze všech sledovacích systémů nasazených napříč různými částmi kampusu. S tímto holistickým obrazem by ředitelé škol mohli identifikovat nejnavštěvovanější místa v kampusu a další poznatky, které jim pomohou při plánování různých akcí.

Vybudování úložiště pro standardní monitorovací systémy je jedna věc, nicméně budovat úložiště pro podporu Big Data aplikací, které využívají desítky kamer s vysokým rozlišením a současně umělou inteligencí zpracovávají události, je něco úplně jiného. Když se podíváme na komponenty úložiště, je pro integrátory zásadní, aby zvážili výběr pevných disků v zařízeních a serverech jejich zákazníků.Tyto harddisky musí zapisovat velké množství dat, jak jsou záběry přenášeny ze zařízení do cloudu, a číst stejná data v reálném čase, aby bylo možné detekovat, identifikovat a poskytovat inteligentní poznatky.

ako osvědčený postup by integrátoři měli vyměnit standardní pevné disky – které jsou navrženy tak, aby fungovaly pouze 40 hodin týdně – za pevné disky optimalizované pro dohled, které jsou určeny pro nepřetržitou pracovní zátěž. Měli by také hledat vestavěný software pro monitorování stavu zařízení, aby byly před selháním identifikovány všechny problémy, které by mohly vést ke ztrátě dat.

Článek z www.securityinfowatch.com.