3 причины, по которым Вы до сих пор не применяете искусственный интеллект в своей системе видеонаблюдения
Бурный рост систем искусственного интеллекта, используемых для улучшения бизнес-процессов, продвижения инновационных продуктов и дальнейшей автоматизации производств и различных процессов, на сегодняшний день коснулся практически каждой отрасли. И сфера систем безопасности, отличающаяся сложностью и технологической «навороченностью» используемых продуктов, не избежала этой тенденции. Более того, оказалась в первых рядах, так как именно в сфере обеспечения безопасности и, в частности, в области видеонаблюдения, появились первые, доступные широкому пользователю, решения на базе искусственного интеллекта, как аппаратные, так и программные.
Но для начала давайте дадим определение. Искусственный интеллект для видеонаблюдения представляет собой программное обеспечение, способное анализировать звуки и изображения с источников видеонаблюдения (камер) с целью дальнейшего распознавания различных объектов и действий, например - людей, животных, транспортных средств, происшествий.
Видеоаналитика с искусственным интеллектом
Все более широкое распространение IP-камер, наличие возможностей облачных вычислений и внедрение интеллектуальных датчиков открыло дорогу на рынок новым продуктам и решениям с интегрированными алгоритмами ИИ. Одним из применений искусственного интеллекта в секторе видеонаблюдения является использование видеоаналитики для анализа видеопотоков с целью извлечения заранее определенных объектов, выявления шаблонов поведения или прогнозирования опасных ситуаций. Например, видеоаналитика с применением искусственного интеллекта может использоваться для мониторинга пересечения периметра охраняемого объекта, для пограничного контроля, обнаружения лиц с повышенной температурой или игнорирующих требование ношения масок в аэропортах или общественных местах, обнаружения оружия или опасных предметов в общественных местах. Да даже просто для фильтрации сигналов тревоги, вызванных неопасными движениями, по сравнению с реальными вторжениями. Эти алгоритмы искусственного интеллекта опираются на машинное обучение, которое использует сложную структуру моделей для анализа содержимого видеопотока, автономно идентифицируя и классифицируя видео в соответствии с предопределенными правилами.
Видеоаналитика с использованием искусственного интеллекта дает многообещающие преимущества, ведет к сокращению эксплуатационных расходов и повышению уровня безопасности. Внедрение подобных алгоритмов увеличивает эффективность функционирования систем видеонаблюдения, позволяя выявлять значительно большее количество действительно опасных ситуаций, резко снижая, при этом, количество реагирований на тревоги, лишь кажущиеся опасными, или так называемые «ложные тревоги».
Казалось бы, если использование видеоаналитики с применением искусственного интеллекта для систем видеонаблюдения настолько эффективно, что мешает применять её повсеместно? Однако, существует несколько бросающихся в глаза факторов, которые останавливают организации, уже активно применяющие видеонаблюдение в своей деятельности, от использования этой технологии. Давайте посмотрим, действительно ли эти факторы настолько значимые и не являются ли проблемы с внедрением искусcтвенного интеллекта в существующие системы лишь кажущимися.
Проблемы, препятствующие использованию искусственного интеллекта в системе видеонаблюдения
Изначально, как и любая высокотехнологичная система, система видеонаблюдения является капиталоемкой и сложной по своей ИТ-структуре. Таким образом, создается впечатление, что для успешной интеграции искусственного интеллекта в систему видеонаблюдения требуются большие усилия, время и затраты. Однако это утверждение можно попытаться опровергнуть благодаря тому, что решения видеоаналитики обладают высокой гибкостью и имеют несколько вариантов реализации.
Итак, давайте выделим три наиболее распространенные и часто встречающиеся проблемы, которые мешают пользователям внедрять ИИ в существующие системы видеонаблюдения.
1. Существующая инфраструктура и устаревшее оборудование.
Любая система видеонаблюдения включает в себя сеть камер, которые снимают видео с различным качеством. Алгоритмы видеоаналитики могут анализировать видеопоток в любом разрешении, от низкого до высокого, в тепловом, инфракрасном и видимом форматах. AI-видеоаналитика часто интегрирована в интеллектуальные камеры, которые имеют соответствующее качество видеоизображения для возможности анализа контента. Затраты, связанные с модернизацией уже устаревших систем, заменой камер на более современные, способные выдавать изображение в более высоком качестве и оснащенные ИИ, для многих пользователей являются чрезмерными и абсолютно неподъемными, а. следовательно, задача внедрения ИИ в систему кажется невыполнимой.
Тем не менее, как выясняется, далеко не все решения для аналитики видео на основе искусственного интеллекта базируются на использовании современных интеллектуальных IP-камер. Это распространенное заблуждение. Вместо этого видеоаналитика может быть развернута на базе интеллектуального видеорегистратора либо на основе сервера. При этом не потребуется менять уже установленные камеры и проложенную кабельную инфраструктуру. Даже если у Вас установлены аналоговые камеры, работающие по коаксиальным кабелям – это не станет проблемой, так как существуют гибридные видеорегистраторы или XVR, оснащенные алгоритмами искусственного интеллекта. Их аналитические функции несколько уступают оснащенности «продвинутых» интеллектуальных NVR, однако дадут Вам возможность использовать не только базовую видеоаналитику, типа контроля пересечения периметра, но и позволят использовать такой функционал, как распознавание лиц.
2. Сложная структура системы или «зоопарк» используемого оборудования.
Существует большое число систем видеонаблюдения, построенных на базе оборудования и программного обеспечения нескольких различных производителей (так называемый «зоопарк»). Они вполне работоспособны, но их владельцам кажется, что попытка внедрения в систему новых решений, таких, как видеоаналитика, потребует если не полной, то хотя бы частичной унификации оборудования, так как для правильной работы видеоаналитики потребуется добиться передачи информации между решениями на максимальной скорости. Понятное дело, что оборудование разных производителей не сможет это обеспечить. Сопутствующие такому процессу затраты, естественно, их пугают.
Как ни странно, но, при всей проблемности эксплуатации подобных систем, данное опасение также является по большей части надуманным. В связи с распространенностью этой проблемы уже давным-давно придуманы методики её преодоления. Успешная интеграция решений в среде с несколькими производителями обеспечивается с помощью отраслевых стандартов, установленных некоммерческими организациями. Например, с помощью такого стандарта, как ONVIF, о котором мы Вам как-то уже рассказывали. Так, профиль Т ONVIF, выпущенный в конце 2018 года, дает возможность поддерживающим его устройствам использовать такой функционал, как поддержка кодека H.265, настройки детектора движения, поддержка событий от датчика вскрытия корпуса и других тревог, управление фокусом и базовые настройки изображения, видеоаналитика. Это позволяет легко интегрировать сторонние решения, такие как видеоаналитика с применением искусственного интеллекта, в большую часть программных и аппаратных комплексов видеонаблюдения различных производителей. Да, каждый случай индивидуален и требует тщательного рассмотрения, но большая номенклатура различных производителей в рамках одной системы вовсе не приводит к однозначному выводу о невозможности внедрения в неё современных разработок.
3. Разнообразие требований к системе безопасности.
Обеспечение высокой производительности при различных сценариях использования изначально является базовой функцией любой системы видеоаналитики с использованием ИИ. Ведь цель построения системы видеонаблюдения может сильно различаться. Так, розничные торговцы могут уделять первоочередное внимание обнаружению краж, в то время как городские власти, внедряющие систему «Умный город», могут быть более обеспокоены обнаружением опасных предметов или фиксацией нарушений правил парковки. Очень часто пользователи не торопятся внедрять в свои системы видеонаблюдения элементы искусственного интеллекта по одной банальной причине: они опасаются, что задачи, которые они хотят решить с помощью использования интеллектуальной видеоаналитики, слишком сложны и специфичны. И «железный мозг» попросту с ними не справится. А следовательно – вложенные во внедрение продвинутой технологии средства будут попросту выброшены на ветер.
Выводы.
Способность искусственного интеллекта функционировать с высокой производительностью, в то же время адаптируясь к специфическим требованиям данного конкретного пользователя, требует соответствующего обучения алгоритмов. И это является неотъемлемой частью работы модели машинного обучения видеоаналитики. Искусственный интеллект можно обучить адаптироваться к различным условиям, и он использует прогрессивное обучение для повышения производительности с течением времени. Совместные усилия экспертов по безопасности, специалистов по обработке данных и бизнес-стратегов могут обеспечить высокую производительность и соответствующее применение искусственного интеллекта в соответствии с конкретными потребностями каждой организации. Что приводит нас к простому выводу. Если у Вас специфические требования к видеоаналитике – будьте готовы потратить время на её обучение и настройку. Но, в принципе, невыполнимых задач для неё не существует, вопрос лишь в том, сколько времени Вы готовы потратить на её доведение до ума и в конечной эффективности системы, прямо от этого зависящей.
Надеемся, что нам удалось хоть немного развеять Ваши опасения и заставить Вас задуматься, почему Вы до сих пор не используете столь полезную технологию в своей системе видеонаблюдения. Да, на первый взгляд затраты и время, связанные с успешной интеграцией элементов искусственного интеллекта в Вашу систему, особенно, если она работает давно и уже несколько устарела, могут показаться пугающими. Но не стоит сразу же отказываться от возможных перспектив. Ведь существуют способы адаптировать новые технологии к существующим системам с минимальными усилиями. Просто Вам о них до нас никто не рассказывал. А учитывая, что в настоящий момент новые продукты, оснащенные элементами ИИ, появляются практически каждый день – сегодня самое время заняться «апгрейдом». Так что не опускайте руки и, если Вам не приходят в голову устраивающие Вас варианты модернизации именно Вашей системы, обращайтесь к нам – мы постараемся предложить Вам наименее затратный и наиболее функциональный вариант, благо – у нас их есть много, на любой бюджет и под любые требования. Ведь если не мы, то кто?
Хотите знать актуальные новости из мира технологий для безопасности? ПОДПИСЫВАЙТЕСЬ на наш ТМ КАНАЛ