Analytické kamery, využívajúce algoritmy strojového učenia a umelú inteligenciu, sa stávajú čoraz populárnejšie a to nie len v oblasti bezpečnosti. Dôležitú úlohu začínajú zohrávať napríklad aj v monitorovaní dopravy a parkovania, optimalizácii a zefektívňovaní výrobných procesov alebo dokonca ako nástroj pre analýzu nákupného správania. Oproti bežným bezpečnostným kamerám, ktoré len pasívne zachytávajú obrazy a zvuky, sú analytické kamery schopné aktívne analyzovať a interpretovať tieto dáta. Spoločnosti tak dokážu prijímať strategické rozhodnutia omnoho efektívnejšie.
Problémom bežných bezpečnostných kamier nie je to, že by sa na nich potrebné dáta nedali dohľadať, ale to, že by si ich identifikácia vyžadovala čas a obrovské personálne a teda aj finančné zdroje. V dôsledku toho bývajú častokrát prehliadané bezpečnostné incidenty a podozrivé správanie sa nedeteguje včas na to, aby sa vzniku samotného incidentu zabránilo. To je niečo, čo má analytika pri správnom použití a nakonfigurovaní potenciál zmeniť.
V tomto článku sa bližšie pozrieme na to, čo vlastne analytické kamery sú, akým vývojom prešli a aké druhy analytických kamier poznáme.
Ako funguje analytika v kamerách
Videoanalýza predstavuje súbor softvérových aplikácií, ktoré dokážu automaticky extrahovať užitočné informácie z videa a vytvárať z nich tzv. metadáta. Tieto metadáta sa zvyčajne zameriavajú na popis a identifikáciu rôznych objektov, ako sú osoby, vozidlá a ďalšie prvky v obraze. Analyzované dáta môžu zahŕňať vzhľad (farbu, tvar, textúru, rozmer) a pohyby týchto objektov, ale aj ich ďalšie charakteristiky. Extrahované dáta sa automaticky porovnávajú s uloženými referenčnými dátami a následne, podľa stanovených podmienok sa vykoná príslušná akcia (napr. vygeneruje alarmové hlásenie.)
Príkladmi týchto podmienok môžu byť napr.: pohyb osoby vo vyhradených priestoroch, identifikácia nákladného auta vybranej farby, loitering osoby nad stanovený časový limit, identifikácia konkrétnej ŠPZ vozidla, atď.
Pozrime sa spolu na názorný príklad zachytený na obrázkoch nižšie. Cieľom je identifikovať pohyb osoby vo vyhradených priestoroch (žltou farbou ohraničená). Jedná sa teda o 2 samostatné podmienky:
- Identifikácia osoby
- Pohyb vo vyhradenom priestore
Pre vyvolanie alarmu, musia byť splnené obe naraz. Na obrázku 1 vidíte situáciu, kedy analytika síce identifikovala prítomnosť osoby na objekte avšak ešte alarm nevyvolala, keďže sa táto osoba zatiaľ pohybuje mimo definovanej oblasti záujmu.
Na obrázku 2 vidíte situáciu, ktorá už alarmový signál vyvolala, nakoľko osoba sa nachádza v definovanej oblasti záujmu.
Jednou z kľúčových technológií je tiež strojové učenie, ktoré umožňuje stroju automaticky sa učiť z dát a zlepšovať svoje schopnosti v čase. Výsledky analýzy sa tak postupne zefektívňujú a prispôsobujú podmienkam prostredia, v ktorom sa kamera nachádza.
Loitering
Vyššie sme spomenuli tzv. loitering bez bližšieho vysvetlenia o čo sa vlastne jedná. Funkcia loitering
v analytických kamerách je určená na detekciu osôb, ktoré sa pohybujú nezvyčajne dlhú dobu v určitom obmedzenom priestore. Tento typ správania môže byť indikátorom určitého rizika. Táto funkcia je užitočná najmä v oblastiach s vysokou koncentráciou ľudí, ako sú napríklad letiská, nákupné centrá, verejné priestranstvá a podobne, kde bez použitia umelej inteligencie len veľmi ťažko môžete individuálne sledovať ako dlho sa jednotlivé osoby nachádzajú na predmetnom mieste.
Vývoj umelej inteligencie v kamerových systémoch
Analytické kamery sa začali rozvíjať v 90. rokoch, kedy boli systémy zamerané na detekciu pohybu a vytváranie snímok. Vtedy bola analytická technológia ešte značne limitovaná a detekcia objektov bola založená na jednoduchom porovnávaní s predchádzajúcim snímkami. Tento prístup však nebol dostatočne presný a kamery dokázali detegovať iba celé objekty, nie ich jednotlivé časti.
S nástupom strojového učenia, aplikáciou modelov neurónových sietí a zvyšovaním výpočtovej výkonnosti sa výrazne zlepšila schopnosť analytických kamier detegovať objekty. Analytický softvér bol naučený rozpoznávať rôzne typy objektov v reálnom čase a na základe veľkého množstva trénovacích dát sa naučil rozpoznávať aj ich rôzne časti, napríklad tvár a telo človeka. Tieto moderné technológie umožňujú analytickým kamerám vytvárať presné a detailné snímky, ktoré sú schopné identifikovať objekty aj v komplikovaných scénach, ako napríklad v preplnených dopravných situáciách alebo v zhoršených svetelných podmienkach.
Aké druhy analytických kamier poznáme
Existuje viacero spôsobov, ako klasifikovať analytické kamery, a to podľa rôznych kritérií. My sa pozrieme bližšie na členenie podľa metódy spracovania dát
Edge analýza
Edge analýza je metóda spracovania dát, ktorá umožňuje analyzovať a spracovávať obrazové a zvukové údaje priamo v koncovom zariadení, t.j. napr. v kamere (tzv. edge device).
Analytické kamery s edge analýzou majú v sebe zabudované algoritmy pre detekciu a spracovanie obrazových a zvukových dát, čím sa znižuje potreba prenosu dát a zvyšuje rýchlosť a efektivita spracovania. Analýza nastáva pred prípadnou komprimáciou videa, čo môže mať pozitívny vplyv na presnosť analýzy. Tieto kamery sú ideálnou voľbou pre aplikácie, kde je potrebné spracovávať obrazové a zvukové dáta v reálnom čase. Navyše, vďaka zníženému množstvu prenášaných dát sa šetria aj náklady na prevádzku a údržbu.
Hoci edge analýza prináša množstvo výhod, existujú aj nevýhody. Jednou z nevýhod je obmedzený výpočtový výkon a veľkosť pamäte v kamere, čo obmedzuje rozsah a zložitosť spracovania dát. V prípade potreby spracovania veľkého množstva dát alebo náročných algoritmov, môže byť potrebné využiť externé zdroje výkonu. Ďalšou nevýhodou môže byť potreba opakovaného trénovania a aktualizácie algoritmov, ktorú je potrebné vykonávať jednotlivo, priamo na konkrétnej kamere, čo zvyšuje časovú náročnosť a nákladovosť údržby. Akékoľvek zmeny v prostredí alebo v použití kamery môžu ovplyvniť účinnosť algoritmov a vyžadovať aktualizáciu. Náklady na vybavenie kamery s edge analýzou môžu byť vysoké, pretože táto technológia vyžaduje špeciálne zariadenia s výkonnými procesormi, pamäťou a ďalšími komponentmi, aby bola účinná.
Serverové riešenie
Iným typom riešenia je serverové, ktoré sa od edge riešenia líši tým, že údaje sa spracovávajú a ukladajú na externom serveri, a nie na samotnej kamere. Tento prístup umožňuje spracovať veľké množstvo dát a použiť náročnejšie algoritmy, pretože výpočtová sila a pamäť serverov sú obvykle výkonnejšie ako zariadenia kamery. Okrem toho centralizované riešenie umožňuje lepšiu správu a analýzu dát, pretože všetky údaje sú uložené na jednom mieste a môžu byť ľahko prístupné a analyzované. To môže byť veľmi užitočné pri identifikácii trendov a vzorov v dátach. Serverové riešenia sú považované za flexibilnejšie ako edge riešenia, pretože je možné pridať alebo odstrániť kamery bez toho, aby bolo potrebné meniť hardvér.
Na druhej strane, nevýhodou serverového riešenia je závislosť na sieťovej konektivite, pretože kamery musia byť pripojené k serveru pomocou siete. To môže predstavovať riziko v prípade výpadku siete. Ďalšou nevýhodou centralizovaného riešenia môže byť potenciálna degradácia detailov videa z dôvodu kompresie, ktorá predchádza odoslaniu videa z kamery na server.
Inštalácia a konfigurácia servera na mieste zvyčajne zvyšuje náklady na prevádzku a údržbu, keďže potrebujete vybudovať a udržiavať serverovú infraštruktúru a sieťové pripojenie.
Cloud riešenie
Cloudová videoanalytika sa vykonáva na vzdialenom serveri, tzv. „cloude“, ktorý zabezpečuje spracovanie videa a vytváranie metadát. Tento prístup umožňuje vysokú flexibilitu, keďže sa analýza videa vykonáva na vzdialenom serveri a poskytuje sa prístup k metadátam cez internetové pripojenie. Tento prístup je výhodný v situáciách, keď je potrebné spracovávať a ukladať veľké množstvo dát z rôznych zdrojov a poskytovať prístup k nim z rôznych miest. Považuje sa za riešenie s jednoduchou inštaláciou a použitím, nakoľko zákazník nemusí disponovať vlastnými servermi alebo hardvérom a nie je nutné zabezpečiť ich údržbu a aktualizáciu. S cloudovou videoanalytikou je možné jednoducho pridávať a odoberať kamery a rozširovať kapacitu spracúvania dát podľa potreby, takže umožňuje vysokú škálovateľnosť.
Avšak, ako pri každom riešení, aj tu existujú nevýhody. Nevýhodou tohto riešenia je oneskorený čas spracovania dát a závislosť od internetovej konektivity, keďže údaje musia byť prenesené z kamery na server prostredníctvom internetu. To môže spôsobiť oneskorenie reakcie, čo môže byť v prípadoch, kedy je potrebný okamžitý zásah, výraznou komplikáciou. Množstvo údajov, ktoré musia byť prenesené z kamery na server, tiež môže spôsobiť vyššie náklady na prenos dát.
Na trhu existuje množstvo rôznych typov analytických kamier, vrátane tých s funkciami ako je loitering, zvuková detekcia a analýza emócií. Ich vývoj sa neustále zlepšuje a očakáva sa, že budú v budúcnosti používané stále širšie. Analytické kamery sú však len jedným z nástrojov, ktoré nám pomáhajú zabezpečiť naše prostredie a ich použitie by malo byť v súlade s etickými a právnymi normami.