Розширення застосувань штучного інтелекту в системах відеспостереження

Завдяки вдосконаленню штучного інтелекту (ШІ) розпізнавання стає більш точним, а застосування – більш різноманітним. Протягом десятиліть еволюції мета індустрії спостереження розширилася за межі «безпеки» до більш просунутих застосувань, таких як контроль доступу, керування роздрібною торгівлею та виробничими підприємствами, операції на парковках та медичні застосування, допомагаючи компаніям різних галузей створювати більш гнучкі та ефективні моделі роботи.

Виклики в інтеграції систем традиційного спостереження

Однак, оскільки більшість операторів систем відеоспостереження  довгий час зосереджувалися на самому «спостереженні», їх застосування у виробничих та комерційних галузях часто вимагає комбінування рішень від різних постачальників, щоб задовольнити потреби власників майна. Наприклад, автоматизація розпізнавання номерних знаків для збору плати за паркування може включати в себе комбінацію камер, периферійних пристроїв керування, комп’ютерних серверів або систем штучного інтелекту. Ці пристрої часто поставляються різними виробниками, що призводить до збільшення різних витрат на інтеграцію та тестування, усунення невизначеностей і трудомістких процесів, не кажучи вже про потенційні катастрофи, спричинені необхідністю ремонту обладнання, що призводить до зупинки роботи або інших непередбачуваних наслідків.

Точність і різноманітність у системах спостереження з підтримкою ШІ

Завдяки останнім досягненням в області застосування штучного інтелекту, індустрія відеоспостереження отримала значні переваги. Найбільший внесок обчислень штучного інтелекту в систему відеоспостереження полягає в більш точному розпізнаванні зображень і «виявленні поведінки».

Наприклад, до впровадження обчислень штучного інтелекту системи спостереження могли використовувати лише різницю між пікселями для визначення того, чи вторгся об’єкт, чи залишився, чи зник з місця події, не маючи можливості точно ідентифікувати об’єкт. Собака, що заходить у заборонену зону, і поліетиленовий пакет, що летить на місце події, могли легко призвести до хибних тривог, марної трати ресурсів і зусиль на обробку сповіщень.

Завдяки обчисленням штучного інтелекту ми можемо точно ідентифікувати типи об’єктів, незалежно від того, чи це розпізнавання облич, моделей автомобілів або номерних знаків – практично будь-який об’єкт, який навчили за допомогою глибокого навчання, може бути розпізнаний.

Розвиток відеоспостереження завдяки алгоритмам штучного інтелекту у камерах

Впроваджуючи ШІ безпосередньо у відеокамери, можна досягти більш спрощеної системи відеоспостереження. Подумайте, чи дійсно є місце для додаткової проводки або встановлення сервера в таких місцях, як перехрестя доріг, заводські серверні або середовища, де працює виробниче обладнання. Розгортання системи відеоспостереження зі штучним інтелектом може бути таким же простим, як від’єднання старого пристрою від мережевого кабелю і заміна його на нову камеру зі штучним інтелектом. Таким чином, сучасні камери зі штучним інтелектом закономірно стали мейнстрімом на ринку відеоспостереження зі штучним інтелектом.

Камери з вбудованим штучним інтелектом можуть виконувати такі завдання:

• Безпосереднє розпізнавання зображень на камері, наприклад, розпізнавання номерних знаків автомобілів співробітників на території заводу.
• Безпосереднє керування подіями та виявлення поведінки на камері, наприклад, запис події, якщо виявлено автомобіль з незареєстрованим номерним знаком, що залишає територію.
• Безпосереднє керування периферійними пристроями з камери, наприклад, відчинення шлагбаума на парковці для номерних знаків, внесених до білого списку.

Раніше для виконання цих завдань була потрібна складна мережа кабелів і конфігурація сервера, але тепер з ними може впоратися одна камера зі штучним інтелектом.

Виявлення поведінки – справжнє диво розпізнавання зображень за допомогою ШІ

Просто ідентифікувати об’єкти недостатньо, необхідно також знати, «що відбувається». Наприклад, виявивши автомобіль, що в’їжджає на територію заводу, чи можемо ми визначити, чи він паркується правильно або незаконно на траві? Незалежно від об’єкта, що розпізнається, повинно бути доступно кілька режимів виявлення поведінки:

• Виявлення забороненої зони: спрацьовує, коли певні об’єкти потрапляють у заборонену зону (наприклад, тварини випадково потрапляють на дорогу).
• Обмежена за часом заборонена зона: спрацьовує, коли певні об’єкти перебувають у забороненій зоні протягом встановленого часу.
• Виявлення перетину лінії: спрацьовує, коли певні об’єкти перетинають лінію.
• Виявлення загублених об’єктів: спрацьовує, коли певні об’єкти зникають зі сцени протягом встановленого часу (наприклад, обладнання, взяте з кімнати відпочинку).
• Втрачений/знайдений об’єкт: спрацьовує, коли загублений або знайдений об’єкт з’являється на місці події протягом встановленого часу (наприклад, неідентифіковані предмети, залишені у вестибюлі).
• Виявлення саботажу: спрацьовує, коли огляд камери перекривається (наприклад, повітряною кулькою).
• Виявлення одночасної присутності об’єктів одного виду: підтримує виявлення більше одного визначеного об’єкта в зоні розпізнавання, запускаючи тривогу в разі одночасної присутності (наприклад, одночасне носіння захисних шоломів і жилетів).
• Виявлення відсутності об’єктів одного виду: підтримує виявлення відсутності одного або декількох зазначених об’єктів, викликаючи тривогу, якщо вони відсутні (наприклад, не носять одночасно захисні шоломи і жилети).

Завдяки виявленню поведінки розпізнавання ШІ набуває сенсу, генеруючи різноманітні комбінації подій для більш універсальних застосувань.

Розширення застосувань камер зі штучним інтелектом за межі стандартних функцій

Відсутність прив’язки до моделей розширює сферу застосування камер зі штучним інтелектом. В даний час моделі ШІ, що застосовуються в промисловій і комерційній сферах, в основному зосереджені на розпізнаванні людей, об’єктів і транспортних засобів в певних зонах, підрахунку статистики, розпізнаванні номерних знаків для контролю доступу, а також контролю безпеки на об’єкті за допомогою виявлення будівельних касок і жилетів, виявлення диму і вогню тощо.

Ці моделі та функції можуть надаватися безпосередньо виробниками камер зі штучним інтелектом, тоді як деякі камери з ШІ підтримують функції, запрограмовані користувачами. Наприклад, якщо на заводі потрібно розпізнати певні об’єкти або продукти, ці моделі можна зібрати в групи і запрограмувати камери на їх детекцію, не чекаючи на офіційні моделі від постачальників камер зі штучним інтелектом.

Типові застосування ШІ в системах спостереження

Ці функції ШІ можна легко застосувати в типових промислових і комерційних ситуаціях, таких як:

• Розпізнавання людей, транспортних засобів і об’єктів. Визначення певних ділянок, попереджувальних ліній або заборонених зон на території підприємства, запис або видача попереджень при вході певного персоналу або в’їзді на територію транспортних засобів.
• Підрахунок людей і транспортних засобів. Підрахунок щільності персоналу в офісах, конференц-залах та транспортних засобів на автостоянках для контролю натовпу або руху. У торгових приміщеннях це може використовуватися для оперативного контролю.
• Розпізнавання номерних знаків. Створення чорних і білих списків на території підприємства для контролю в’їзду і виїзду транспортних засобів. Запуск спеціальних сповіщень про події для певних VIP-номерів, наприклад, привітання.
• Виявлення масок, захисних шоломів і жилетів. Виявлення того, чи правильно персонал на будівельних майданчиках носить відповідне захисне спорядження.
• Виявлення диму та вогню. Запобігання аваріям за допомогою функцій виявлення диму та вогню в зонах, де традиційні датчики можуть бути недоречними.
• Виявлення загублених або знайдених об’єктів. Якщо на території підприємства загублено об’єкт або з’являється щось, чого там не повинно бути, надсилається сигнал тривоги, що допомагає керівництву якомога швидше відреагувати на ситуацію.

Спрощена інтеграція з бекенд серверами

Інтеграція бекенд серверів для керування відео та пошуку подій стає простішою. Після того, як камери зі штучним інтелектом ідентифікують об’єкти та надсилають події, вони можуть негайно взаємодіяти з периферійними пристроями, щоб відреагувати на події, наприклад, відчинити шлагбаум для автомобілів із «білих списків». Якщо подія не потребує негайної обробки, її можна зберегти на внутрішньому відеосервері для подальшого використання.

Точний пошук відео за подіями

Ключовим моментом є те, що використання «подій» як критерію для пошуку є набагато точнішим, ніж просто використання часу. Наприклад, якщо в громадському приміщенні на території підприємства зникла якась річ, без записів подій може бути невідомо, коли саме вона була загублена, що призведе до пошуку «голки в стозі сіна» в усьому можливому часовому інтервалі, що, безсумнівно, призведе до марної трати ресурсів.

Відеосервери, інтегровані з камерами з підтримкою ШІ, можуть отримувати записи подій, надіслані камерами, включно з часом події. Класифікуючи відеозаписи за типами подій, менеджери можуть швидко знайти потрібні відеозаписи, перейшовши до відповідної категорії подій.

У згаданому вище сценарії менеджерам потрібно лише отримати доступ до записів подій «виявлення втраченого об’єкта», щоб швидко визначити, коли і як сталася втрата.

Важливість відкритих форматів даних

Для великих компаній, які розгортали системи відеоспостереження в минулому, одним з найболючіших аспектів могла бути інтеграція з ІТ-інфраструктурою. Наприклад, відображення інформації про паркувальні майданчики (наявність вільних місць і зайнятість автомобілями) часто вимагає відстеження в різних системах. Якщо формат обміну даними основної камери зі штучним інтелектом або всієї системи спостереження зі штучним інтелектом закритий, це, природно, викликає головний біль у ІТ-персоналу.

Ідеальна фронтенд або бекенд система відеоспостереження повинна надавати відкриті формати даних, навіть пропонуючи SDK або API для інженерів для доступу та інтеграції даних. ІТ-персонал також може дотримуватися цього стандарту, розробляючи внутрішнє програмне забезпечення для більш індивідуальних застосувань, не будучи обмеженим постачальниками систем відеоспостереження, що є більш ефективною галузевою моделлю.

Яскравим прикладом є система розпізнавання номерних знаків. ІТ-менеджери можуть отримати доступ до даних про події на камерах за допомогою SDK і написати власні правила, щоб вирішити, чи відображати вітальне повідомлення для VIP-персон на вхідному світлодіодному екрані. Якщо постачальники систем відеоспостереження не пропонують відкриті формати даних, це завдання стає дуже складним і заплутаним, що, безсумнівно, збільшує витрати.

Спрощення впровадження систем спостереження з підтримкою ШІ

Рішення для відеоспостереження зі штучним інтелектом зазвичай мають просту та надійну архітектуру. Раніше, через архітектурні обмеження, впровадження ШІ-спостереження могло вимагати подолання значних перешкод. Як вже згадувалося, зараз найпростіший метод полягає в тому, щоб просто від’єднати стару камеру від мережевого кабелю і підключити нову камеру зі штучним інтелектом, не зачіпаючи електропроводку і не прокладаючи нових ліній зв’язку.

Забезпечення кібербезпеки

Ще один важливий аспект – кібербезпека. Якщо постачальники систем безпеки не можуть забезпечити кібербезпеку, це означає, що вони відступають від основної мети відеонагляду і розгортають ще більш небезпечні системи. Важливо переконатися, що виробники мають відповідні сертифікати безпеки та впроваджують системи шифрування та захисту даних.

Висновки

Завдяки вдосконаленню ШІ, індустрія відеоспостереження перетворюється, забезпечуючи більш точне розпізнавання та різноманітніші застосування. Від безпеки до керування роздрібною торгівлею, автостоянками та медичними установами, сучасні системи відеоспостереження дозволяють створювати гнучкі та ефективні операційні моделі. Інтеграція штучного інтелекту безпосередньо в камери спрощує інсталяцію та експлуатацію, забезпечуючи точність розпізнавання об’єктів і подій без складної мережевої інфраструктури. Здатність камер ШІ виявляти поведінку та адаптуватися до різних потреб підприємств робить їх незамінними для сучасного бізнесу. Проте, важливим залишається питання кібербезпеки, що вимагає від постачальників дотримання високих стандартів захисту даних. Завдяки простоті розгортання та надійності нових технологій, штучний інтелект у відеоспостереженні стає ключовим інструментом для забезпечення безпеки та ефективного керування різноманітними операційними процесами.