3 причины для использования ИИ в видеонаблюдении

3 причины для использования ИИ в видеонаблюдении

Взрыв искусственного интеллекта для усовершенствования бизнес-процессов коснулся всех отраслей промышленности. А теперь ИИ добрался и до сектора безопасности. Появились решения на базе ИИ, как аппаратного, так и программного обеспечения. Распространение IP-камер, облачных вычислительных мощностей и интеллектуальных датчиков проложило дорогу новым продуктам и решениям на базе искусственного интеллекта (ИИ).

Анализ видеоматериалов на основе ИИ

Видеоаналитику на базе искусственного интеллекта (далее – видеоаналитика) можно использовать для анализа видеопотоков обнаруживая характерные сценарии поведения людей, объекты и так далее.

В качестве примера можно привести видеоаналитику ИИ, которая используется для наблюдения за пересечением границы, обнаружения людей с высокой температурой в общественных местах или для отфильтровывания сигналов тревоги от «неумных» систем.

Такая видеоаналитика — вид искусственного интеллекта, опирающийся на специфическую ветвь — машинное обучение. Обучение использует модель искусственного интеллекта для анализа видеопотока, идентифицируя и классифицируя видео в соответствии с заранее заданными правилами.

Внедрение технологий

При умелом использовании видеоаналитики появляются преимущества – снижение эксплуатационных расходов и повышение эффективности работы всей системы. В видеоархив попадает меньше ненужного материала, на экран оператора не выводятся бесполезные тревоги – это приводит к снижению расходов на видеосерверы, системы хранения данных и оборудование диспетчерских постов.

Кажется, что использовать ИИ в видеонаблюдении просто, но есть препятствия для внедрения этой технологии.

Три фактора, удерживающие интеграторов от принятия на вооружение ИИ

Наследие в виде старых систем.

Для качественной работы видеоаналитики нужно высокое качество изображения. На аналоговых системах видеонаблюдения старого поколения (CVBS) видеоаналитка попросту не сможет работать. Затраты на модернизацию старых систем под новые требования часто слишком высоки.

Но не все решения для видеоанализа могут использоваться только с новомодными интеллектуальными камерами. Вместо этого видеоаналитика может быть развернута как непосредственно на камере, так и с серверной интеграцией, поддерживающей и масштабирующей существующую сеть камер. Видеоаналитика также может анализировать видеопоток инфракрасного спектра (см. статью про тепловизоры) 

Сложная IT-структура

 Центр обработки данных (или внутренняя сеть) часто мультивендорная. То есть в системе видеонаблюдения есть оборудование разных производителей — это усложняет интеграцию. Преодолеть эту сложность помогает соблюдение производителями различных стандартов интеграции, — ONVIF, SNMP и так далее. Соблюдение стандартов позволяет легко интегрировать между собой оборудование и софт различных производителей, в том числе и видеоаналитику в основную массу программных и аппаратных технологий.   

Разнообразие потребностей в области безопасности

 Цель видеонаблюдения в разных организациях разная. Ритейл хочет пресекать воровство, а государство с помощью «Безопасного города» выявляет находящихся в розыске преступников и раскрывает преступления. 

 Способность ИИ функционировать с высокой производительностью в разных сценариях требует обучения алгоритмов под конкретную задачу. Получение высокой производительности в различных условиях безопасности неразрывно связано с тем, как функционирует аналитическая модель машинного обучения

Инновации в области наблюдения продвигаются вперед

В то время как для одних затраты и время на интеграцию видеоаналитики велики, для других есть способы адаптировать новую технологию к существующей системе сравнительно быстро и просто.

Появление смарт-камер и продуктов IoT (интернета вещей) только ускорит внедрение ИИ. Если ваша организация стремится улучшить свою работу с новыми технологиями, сейчас самое время.  

Это перевод статьи с сайта SourceSecurity.com. Оригинал здесь

Добавить комментарий