Оборудование систем безопасности
Системная интеграция
    09:00-19:00 пн-пт
    выходной   сб-вс

Топ-менеджер Hanwha Techwin в Европе порассуждал о доступном искусственном интеллекте в современном видеонаблюдении

Ури Гутерман, занимающий пост главы отдела продуктов и маркетинга компании Hanwha в Европе, рассказал о все более широком использовании искусственного интеллекта (AI) в видеонаблюдении, о преимуществах этой технологии и высокой доступности умных камер видеонаблюдения в нынешнее время.

 

 

У многих обывателей, не вовлеченных в тематику видеонаблюдения, может сложиться впечатление, что искусственный интеллект с глубоким обучением является чем-то недоступным и использующимся только для задач с высокими требованиями безопасности и в критически важной инфраструктуре. Ури Гутерман развенчивает это представление, заявляя, что сейчас это уже совершенно не так. Большое впечатление на людей оказывает жаргон в виде фраз «нейронные сети» или «машинное обучение», что напоминает вещи, выходящие за рамки обычных нужд конечных пользователей.

По словам специалиста, искусственным интеллектом уже оснащаются специфические камеры, и установка камер видеонаблюдения с этой технологией не представляет собой что то сложное. Сейчас камеры с AI готовы к работе сразу после распаковки, что позволяет системным интеграторам использовать такие устройства в любом проекте, и хотя необходимо подстраивать функциональность камер с AI под конкретные нужды пользователя, обладания глубокими техническими знаниями для этого не требуется.

Главное, по мнению эксперта, что привнесли умные камеры видеонаблюдения, оснащенные AI с глубоким обучением – они практически ликвидировали ложные тревожные срабатывания, не позволяющие сотрудникам службы безопасности сосредотачиваться на других обязанностях из-за падающих листьев, дождя, колышущихся ветвей деревьев, животных и прочих факторов, столь пагубно влияющих на традиционные камеры с обычной видеоаналитикой.

Такой высокий уровень производительности видеоаналитики обеспечивает точность распознавания угроз, а также позволяет производить поиск нужного объекта, будь это человек или транспортное средство – по его атрибутам, включая пол, возраст, цвет и пр.

Глубокое обучение – часть машинного обучения, представляющее собой способ достижения искусственного интеллекта посредством обучения машины выполнению определенных задач (в данном случае камеры видеонаблюдения) на основе множества примеров. Глубокое обучение использует многоуровневые нейронные сети, которые представляют собой математические модели, напоминающие принципы работы человеческого мозга. Многоуровневые или, по другому, глубокие нейронные сети, значит, что они могут решать сложные задачи, выполняя свои функции с высокой точностью. Это позволяет идентифицировать объекты, распознавать события в первичном видеоматериале.

Ури Гутерман приводит в пример обучение камеры видеонаблюдения распознаванию пола человека в Hanwha Techwin. Для этого инженеры по исследованиям и разработкам компании используют огромную базу данных лиц, где каждому лицу присвоен соответствующий атрибут – пол. Обучение проводится около нескольких дней, после чего нейронная сеть камеры может распознать пол человека с точностью до 98%.

В отличие от традиционной (обычной) видеоаналитики, которая строится на базе обнаружения движения, видеоаналитика на базе AI с глубоким обучением может распознавать статические объекты и помехи в виде света фар или теней, игнорируя их и не позволяя тревоге срабатывать лишний раз.

Гутерман уверен, что производительная видеоаналитика на базе AI вытеснит традиционную, поскольку та не может эффективно работать в быстроменяющихся или сложных средах, не способствуя расследованиям и поиску доказательств, что делает интеллектуальная видеоаналитика. Кроме того, AI и глубокое обучение помогают ритейлу, собирающему статистические данные о клиентах для бизнес-анализа поведения клиентов и моделей совершения покупок.

Упомянул эксперт Hanwha Techwin и о вкладе искусственного интеллекта с глубоким обучением в борьбу против пандемии COVID-19, когда приложения на основе данной технологии встраивались в оборудование для видеонаблюдения, помогая распознавать маски на лице, измерять температуру и обнаруживать нарушение правил социального дистанцирования.

Появляющиеся во все большем количестве относительно недорогие камеры видеонаблюдения, позволяют пользователям быстрее окупать свои вложения в это оборудование путем применения его для своих целей, которые могут быть совершенно различными, подытожил Гутерман.