Бурный рост искусственного интеллекта, используемого для улучшения бизнес-процессов, продвижения инновационных продуктов и дальнейшей автоматизации, сегодня коснулся практически каждой отрасли. Сектор безопасности, известный своей зрелостью и сложностью, не избежал приливной волны ИИ. На самом деле, в секторе безопасности и, в частности, в сегменте видеонаблюдения появилось как аппаратное, так и программное обеспечение на базе искусственного интеллекта. Распространение IP-камер видеонаблюдения, облачных вычислений и интеллектуальных датчиков открыло дорогу новым продуктам и решениям искусственного интеллекта для масштабного функционирования.

 

 

 

 

Видеоаналитика на базе искусственного интеллекта

 

Одним из применений искусственного интеллекта в секторе видеонаблюдения считается использование программного обеспечения с видеоаналитикой для анализа видеопотоков, с целью извлечения конкретных объектов, поведения или ситуаций.

 

Например, ПО для видеонаблюдения с видеоаналитикой может использоваться для мониторинга пересечения периметра для пограничного контроля, обнаружения лихорадки или масок в общественных местах или использоваться для фильтрации сигнализации, вызванной неопасными событиями, по сравнению с реальными вторжениями. Это приложение искусственного интеллекта опирается на конкретную ветвь, машинное обучение, которое использует сложную серию моделей искусственного интеллекта для анализа содержимого видеопотока, автономно идентифицируя и классифицируя видео в соответствии с предопределенными правилами.

 

Действенное использование интеллектуальной видеоаналитики предоставляет многообещающие преимущества: скачок в анализе видеопотока с 10 % до 100 %, снижение эксплуатационных расходов, повышение безопасности, снижение риска и прочее. Использование интеллектуальной видеоаналитики для камер видеонаблюдения кажется легким, однако предусмотрено несколько факторов, которые мешают организациям внедрить эту технологию.

 

 

Внедрение искусственного интеллекта в комплекты видеонаблюдения

 

Индустрия безопасности считается капиталоемкой, сложной по своей ИТ-структуре и разнообразной в зависимости от ситуации с бизнес-потребностями. Таким образом, создается впечатление, что для результативной интеграции ИИ в систему безопасности требуются большие усилия, время и затраты. Однако эти ограничения усилий можно опровергнуть благодаря гибкости решений видеоаналитики.

 

Три области, которые удерживают организации безопасности от внедрения ИИ:

 

Капитал. Операция видеонаблюдения включает сеть IP-камер, которые снимают видео с различным качеством. Видеоаналитика часто работает на интеллектуальных видеокамерах, которые имеют соответствующее качество видеоизображения для анализа контента. Затраты, связанные с капитальным ремонтом устаревших решений видеонаблюдения, преобразованием видео во впечатляющее качество или ожиданием, пока текущая сеть камер будет готова к замене для интеграции ИИ — считаются дорогостоящими, трудоемкими и часто неосуществимыми. Однако не все решения видеоаналитики на основе искусственного интеллекта необходимо развертывать параллельно с интеллектуальными видеокамерами. Вместо этого видеоаналитика может быть развернута как непосредственно на камере, так и с поддержкой интеграции на основе сервера и масштабированием до существующей сети камер. Видеоаналитика ИИ также может анализировать ряд видео от низкого до высокого разрешения во всевозможных форматах: тепловых, инфракрасных, видимых.

 

Сложная ИТ-структура. Единый центральный командный центр или внутренняя сеть безопасности работают в среде нескольких производителей. Это означает, что камеры, ПО для видеонаблюдения и технологические партнеры могут быть предоставлены несколькими производителями, что усложняет успешные рабочие процессы и интеграцию ИТ. Кража или нарушение периметра может произойти за считанные минуты, поэтому для работы на повышенной скорости требуется передача информации между охранными датчиками и камерами. Чтобы преодолеть эту сложность, интеграция решений в среде с несколькими производителями обеспечивается за счет соблюдения отраслевых стандартов, установленных некоммерческими организациями. Это дает легко интегрировать сторонние решения, такие как видеоаналитика, в весомую часть программных и аппаратных технологий.

 

Разнообразие потребностей в безопасности. Цель операции видеонаблюдения может сильно различаться от одной организации к другой. Розничные предприятия уделяют первоочередное внимание обнаружению краж, в то время как городские власти могут быть обеспокоены обнаружением оружия или подсчетом людей. Способность ИИ функционировать с повышенной производительностью, в то же время адаптируясь к потребностям безопасности нескольких организаций, требует соответствующей подготовки алгоритмов. Обеспечение повышенной производительности в различных условиях безопасности считается весомой частью работы модели машинного обучения видеоаналитики. ИИ можно обучить адаптироваться к различным средам, и он использует прогрессивное обучение для повышения производительности с течением времени. Совместные усилия экспертов по безопасности, специалистов по обработке данных и бизнес-стратегов обеспечат повышенную производительность и надлежащее применение ИИ в соответствии с конкретными потребностями каждой организации.

 

 

Развитие инноваций в сегменте видеонаблюдения

 

Хотя для некоторых организаций затраты и время, связанные с успешной интеграцией интеллектуального видеонаблюдения в их сеть, могут показаться пугающими, существуют способы адаптировать новые технологии к текущим операциям с минимальными усилиями. Появление интеллектуальных камер видеонаблюдения и продуктов Интернета вещей только ускорит внедрение искусственного интеллекта. Если организация хочет улучшить свою работу с помощью инноваций — сегодня самое время.

 

тел.: +375 (17) 3-616-444   |   факс: +375 (17) 3-616-555