Sztuczna inteligencja to nie tylko zaawansowane aplikacje do wizyjnych systemów dozorowych

30 Cze 2021

Uri Guterman, dyrektor ds. Produktów i Marketingu w Hanwha Techwin Europe, wyjaśnia, że sztuczna inteligencja i głębokie uczenie nie są jedynie nowinkami technologicznymi, które nadają się do zastosowania jedynie w systemach dozorowych o wysokim poziomie bezpieczeństwa lub o znaczeniu krytycznym.


Każdy, kto nie miał do czynienia z projektami wizyjnych systemów dozorowych, w których wykorzystana jest sztuczna inteligencja i głębokie uczenie, może mieć wrażenie, że te metody są zbyt drogie, aby można je było zastosować w systemach innych niż high-end.

Wraz z wprowadzeniem na rynek przystępnych cenowo kamer z wbudowanymi aplikacjami sztucznej inteligencji i głębokiego uczenia, takie podejście przestało być aktualne. Jednak żargon związany ze sztucznymi sieciami neuronowymi i uczeniem maszynowym, z pewnością mógł ugruntować wrażenie, że oferowane możliwości techniczne wykraczają daleko poza wymagania większości użytkowników końcowych.

 

Eliminacja fałszywych alarmów

To także nie stanowi problemu. Kamery ze sztuczną inteligencją pozwolą na pozbycie się problemu fałszywych alarmów, nękającego branżę zabezpieczeń elektronicznych od dziesięcioleci.

Mówiąc prościej, funkcje analityczne oparte na sztucznej inteligencji i głębokim uczeniu pozwalają ignorować elementy zakłócające, takie jak kołyszące się drzewa, poruszające się chmury i zwierzęta przebiegające w polu widzenia kamery. W tradycyjnych systemach zabezpieczających te elementy powodowały alarmy, gdyż urządzenia nie były nauczone by je ignorować.

Podwyższenie precyzji działania funkcji analitycznych uzyskane dzięki zastosowaniu sztucznej inteligencji i metod głębokiego uczenia oznacza, że operatorzy systemów dozorowych i pracownicy ochrony mogą się teraz skupić na reagowaniu na rzeczywiste incydenty i sytuacje awaryjne, a nie tracić czas i energię na fałszywe alarmy. Oprócz wzrostu precyzji działania, metody analizy oparte na sztucznej inteligencji pozwalają na klasyfikację zaobserwowanych obiektów, w tym podział osób na grupy pod względem wieku, płci, cech ubioru, drobnych szczegółów wyglądu, takich jak okulary, czapka, czy niesiona torba.

Deep Learning AI applications

Łatwa konfiguracja i użycie

W praktyce zastosowanie kamer wykorzystujących sztuczną inteligencję sprowadza się do ich poprawnej instalacji i jest tak samo łatwe jak w przypadku klasycznych kamer z funkcjami detekcji ruchu. Dlatego projektanci systemów zabezpieczających nie powinni obawiać się komplikacji spowodowanych przez propozycję wykorzystania najnowszych zdobyczy techniki.

Kamery ze sztuczną inteligencją są gotowe do pracy zaraz po wyjęciu z pudełka. Ich przewaga nad klasycznymi rozwiązaniami polega na możliwości dostosowania ich funkcji do wymagań operacyjnych użytkowników końcowych. Pomimo, że dla użytkowników końcowych szczegóły techniczne nie są istotne, podajemy zwięzły opis tych metod.

Zacznijmy od funkcji głębokiego uczenia, stanowiącej jedną z dziedzin uczenia maszynowego. Jest to sposób na realizację funkcji sztucznej inteligencji poprzez wyszkolenie maszyny do wykonywania określonych zadań, w oparciu o dużą liczbę przykładów. Aby to zrobić, wykorzystuje się sztuczne sieci neuronowe, które są zasadniczo modelami matematycznymi inspirowanymi ludzkim mózgiem. Sieci neuronowe nadają się do rozwiązywania złożonych problemów, takich jak identyfikacja i rozpoznawanie obiektów lub zdarzeń w materiale wizyjnym, z niezwykle dużą dokładnością.

Przykładowo, umiejętność prawidłowego ustalenia płci zaobserwowanej osoby wymaga wytrenowania sieci neutronowej, która na etapie szkolenia korzysta z bazy danych zawierającej miliony odpowiednio dobranych obrazów osób, z których każdy ma dopisaną prawidłową informację o płci. Po zakończeniu tego procesu sieć neuronowa jest gotowa do uruchomienia i prawdopodobnie będzie miała dokładność około 98%, czyli mniej więcej tyle samo, co zdolność operatora systemu wizyjnego do zrobienia takiej samej oceny.

Metody analizy oparte na sztucznej inteligencji i głębokim uczeniu mają znacznie lepszą skuteczność działania w porównaniu z tradycyjnymi technikami. Te ostatnie zwykle opierają się na wykrywaniu ruchu i dlatego nie są wystarczająco wyrafinowane, aby wykrywać statyczne obiekty, takie jak zaparkowane pojazdy, lub radzić sobie z obecnością elementów zakłócających, takich jak poruszające się smugi światła lub cienie, które mogą być przyczyną fałszywych alarmów.

Skuteczność współczesnych metod analizy treści obrazu jest szczególnie cenna w ruchliwych obszarach miejskich. Nawet w takich warunkach możliwe jest rozpoznawanie osób i tworzenie materiału dowodowego, ułatwiającego prowadzenie dochodzenia kryminalistycznego.

Sztuczna inteligencja i głębokie uczenie są szczególnie przydatne w aplikacjach, które wymagają wyższego stopnia zaawansowania niż te, które były oferowane przez tradycyjne kamery. Przykładowo, sprzedawcy detaliczni mogą uzyskać dane biznesowe. Oprócz liczby klientów odwiedzających ich sklepy otrzymują informacje demograficzne dotyczące ich wieku, płci oraz upodobań zakupowych.

Należy zauważyć, że w ciągu ostatniego roku sztuczna inteligencja i głębokie uczenie wniosły cenny wkład w nasze życie, ponieważ stanowiły podstawowe aplikacje do wykrywania braku masek twarzowych i pomiaru odległości między osobami w miejscach publicznych.

 

Podsumowanie…

Oprócz pomocy w walce z działalnością przestępczą, aplikacje oparte na sztucznej inteligencji i głębokim uczeniu wbudowane w urządzenia brzegowe pozwalają firmom zwiększyć produktywność i bezpiecznie działać w świecie dotkniętym pandemią. Dzięki dostępności nowych, przystępnych cenowo kamer ze sztuczną inteligencją, użytkownicy mogą oczekiwać wysokiego zwrotu z inwestycji, niezależnie od tego, jak wykorzystują tę technikę.

 

Jeśli masz pytania związane z zastosowaniem sztucznej inteligencji i głębokiego uczenia, wyślij e-mail do Uri Gutermana, na adres [email protected]