Jak uživatelsky definovaná detekce objektů změní pravidla hry v oblasti video dohledu

Pread Um (Suk Bong), produktový a marketingový ředitel společnosti Hanwha Vision Europe

Ještě před několika lety bylo těžké si představit, jak všudypřítomnou se umělá inteligence nakonec stane v našich životech. Mysleli jsme si, že umělá inteligence je oporou vědeckofantastických románů. Nyní obrovský posun v dostupnosti a snadnosti nastavení umělé inteligence umožňuje používat umělou inteligenci v mnoha různých aplikacích i lidem s malými nebo žádnými znalostmi programování. S tím, jak se AI stává jednodušší na nastavení pro laiky, není divu, že Očekává se, že do roku 2040 tuto technologii ve Velké Británii přijme 1,3 milionu podniků.

Videodohled není výjimkou, protože předem vyškolené kamery s umělou inteligencí umožňují operátorům získat lepší přehled a kontext z kamerových záznamů. Společnost Hanwha Vision nyní jde v tomto směru ještě o krok dál a v některých svých kamerách nabízí uživatelsky definovanou detekci objektů, která bezpečnostním týmům usnadňuje trénování algoritmů pomocí několika kliknutí a nahrání snímků.

Přizpůsobení AI různým potřebám

To mění pravidla hry pro bezpečnostní týmy. Usnadňuje to přizpůsobení detekce objektů s umělou inteligencí konkrétním obchodním potřebám. Zatímco většina videokamer s umělou inteligencí dokáže detekovat běžné objekty, jako jsou lidé, obličeje a vozidla, nová „uživatelsky trénovaná“ řešení s umělou inteligencí umožňují operátorům trénovat své kamery tak, aby detekovaly uživatelem definované objekty včetně potenciálních nebezpečí, jako jsou krabice a značky na prodejně nebo dopravní kužely na silnici.To však neznamená, že můžete tyto funkce strojového učení jednoduše přenést do své organizace a očekávat, že budou okamžitě fungovat – nebo že budou zcela přesné. Váš tým bude stále muset trénovat rozpoznávací modely s nejlepšími dostupnými snímky, které obsahují vybraný objekt, a s dostatečným množstvím dat, abyste dosáhli co nejlepších výsledků. Zorné pole kamery a pozadí musí být také dostatečně jasné, aby algoritmus dokázal rozlišit pozadí a objekt.

Vědět, na jakých objektech trénovat

Nové možnosti kamer, jako je řešení WiseDetector společnosti Hanwha Vision, nabízejí flexibilitu při detekci objektů na základě požadavků projektu a situace. To však neznamená, že byste měli vybírat širokou škálu objektů, na kterých budete své modely trénovat. Místo toho se zaměřte na dobré provedení jednoho nebo dvou objektů, aby algoritmy strojového učení mohly dosáhnout dobrých výsledků z mnoha snímků těchto objektů. Stanovte si priority, které objekty musí vaše organizace detekovat nejčastěji. Například v uzavřeném prostoru by se mohla ukázat jako výhodná podpora kontroly přístupu trénováním systému na rozpoznávání otevřených a zavřených dveří. Detekce objektů definovaných uživatelem je samozřejmě použitelná téměř v každém odvětví, včetně maloobchodu, řetězců rychlého občerstvení, bank, dopravy, muzeí, továren a nemocnic. Dokáže detekovat loga na vozidlech vjíždějících do areálu a vyjíždějících z něj, konkrétní krabice a loga ve skladu nebo kužely představující možnou překážku na silnici.

Snadné použití

Řešení, jako je WiseDetector, využívají jednoduché rozhraní (v tomto případě Správce zařízení), které uživatelům usnadňuje zachycení snímků, na nichž je objekt určen k detekci, a následné označení objektu pro model strojového učení, z něhož se má učit. Uživatelé jednoduše musí shromažďovat snímky, které obsahují cílový objekt, aby mohli model strojového učení vycvičit k jeho rozpoznání. Čím více, tím lépe, a je třeba také zvážit kvalitu nahrávaných snímků. Chcete, aby byly co nejjasnější a ideálně zobrazovaly objekt z různých úhlů, aby model strojového učení skutečně „pochopil“, co hledá. Systém můžete také přeškolit a zdokonalit jeho schopnosti, abyste dosáhli stále lepších výsledků.

Jeden z mnoha pokroků

Tyto funkce strojového učení a funkce vyškolené uživatelem jsou jen jedním z mnoha pokroků, které se dnes v oblasti CCTV objevují. Strojové učení a umělá inteligence se v oblasti kamerového dohledu objevují stále častěji – a to může být jen pozitivní vývoj díky mnoha výhodám, které přinášejí pro bezpečnost a širší provoz. Mezi ně patří možnost snadno a rychle prohledávat videozáznamy a identifikovat objekty a osoby, které jsou předmětem zájmu, a také odhalit případné protispolečenské nebo kriminální chování. Vedle funkcí vyškolených uživateli očekávejte, že na trh přijde více Edge AI – kdy analýza probíhá lokálně v zařízení – a algoritmů s hlubokým učením. Algoritmy hlubokého učení snižují počet falešných poplachů tím, že přesně detekují předem definované objekty, jako jsou lidé a vozidla, a zároveň ignorují irelevantní pohyb, včetně pohybu větrem ošlehaných stromů, stínů nebo zvířat.

Čas zapojit se

Využití umělé inteligence ke zlepšení zabezpečení videa je bezpochyby vzrušující. Může to být prostřednictvím trénování algoritmu strojového učení pro detekci objektů nebo instalací zařízení Edge AI s předinstalovanými algoritmy. A současný vývoj je jen malým výsekem toho, co strojové učení a AI mohou přinést do odvětví video dohledu. Vzhledem k tomu, že toto odvětví prochází rychlou transformací, kdo ví, co přinese příští desetiletí.