Jan T. Grusznic

Wkroczyliśmy w erę, w której wartość zdecydowanie przesuwa się ze sprzętu na oprogramowanie. Dla użytkowników komputerów oznacza to, że sprzęt – serwer, pamięć masowa lub sieć – nie jest już dostarczany fizycznie przez personel IT.

Wiele popularnych terminów funkcjonujących w dzisiejszym świecie technologii IT, np. sieci zdefiniowane programowo (SDN – Software Defined Network), pamięć masowa zdefiniowana programowo (SDS – Software Defined Storage) i centrum danych zdefiniowane programowo (SDDC – Software Defined Data Center), jest częścią szerszego trendu, który równie dobrze można nazwać Wszystko Zdefiniowane Programowo (SDE lub SDx – Software Defined Everything)¹. Fizyczne przedmioty i funkcje z naszego codziennego życia również stają się zdefiniowane przez oprogramowanie. To przeniesienie wartości na oprogramowanie ma konsekwencje znacznie wykraczające poza branżę IT i zaczyna dotykać nas – branżę elektronicznych systemów zabezpieczeń.

Inteligenta kamera

W roku 2018 prawie wszystkie analizy głębokiego uczenia się były przetwarzane na serwerze lub w chmurze, a nie w urządzeniu końcowym. Obecnie, dzięki układom scalonym z dedykowanym akceleratorem sprzętowym dla algorytmów opartych na sieciach neuronowych, podstawowe wykrywanie i klasyfikacja obiektów stały się standardową funkcją także w kamerach. Nie dziwi zatem fakt, że coraz większa liczba sprzedawców zajmuje się marketingiem aplikacji do kamer dozoru wizyjnego. Jest to kolejny przejaw zwiększonej mocy przetwarzania w urządzeniach końcowych i korzyści z wdrożeń zdecentralizowanej architektury.

Aplikacje do kamer dozorowych nie są nową koncepcją. Odrodzenie ekosystemów opartych na aplikacjach wynikło z ponownego zainteresowania się analityką wizji napędzanej postępami technologicznymi w zakresie sieci neuronowych. Wiele nowych aplikacji dostępnych u przedstawicieli producentów naszej branży opiera się na analizie obrazu opartej właśnie na głębokim uczeniu. Wśród znanych ekosystemów aplikacji do kamer dozoru wizyjnego są:

• Software Defined Camera firmy Huawei,
• Stowarzyszenie SAST (Security and Safety Things) wspierane przez firmę Bosch i związane z nią stowarzyszenie Open Security and Safety Alliance,
• AXIS Camera Application Platform
• Hanwha Open Platform Application,
• MOBOTIX Certified Apps.

Wymienione platformy oferują aplikacje do pobrania do kompatybilnych kamer sieciowych za pośrednictwem „sklepu” z aplikacjami. Takie podejście potencjalnie oferuje możliwość zdalnej zmiany możliwości kamery za pomocą uruchomienia na niej pobranego oprogramowania. Zapożyczony przez Huawei termin ze świata IT (zdefiniowane oprogramowaniem) w odniesieniu do kamer dozoru wizyjnego idealnie wiąże się z kolejnym etapem rozwoju tych kamer. Obecnie jednak oprogramowanie stosowane w kamerach jest sprzężone ze sprzętem, co stanowi ograniczenie². Dopiero oderwanie części sprzętowej od programowej umożliwia zrównoważony rozwój algorytmów przez cały cykl życia kamery, wymagając tylko jednorazowej inwestycji w sprzęt³.

Kamera Zdefiniowana Programowo
(SDC – Software Defined Camera)

Gdy w 2018 r. SAST ogłosił wizję rewolucyjnej platformy z globalnym ekosystem do rozwoju innowacyjnych aplikacji kamer stosowanych w systemach dozoru wizyjnego, pojawiło się wielu sceptyków wskazujących na małe prawdopodobieństwo zmiany pola widzenia kamer w taki sposób, aby można je było uwzględnić w innych zastosowaniach, zwłaszcza że po zakończeniu konfiguracji systemu rzadko zmienia się funkcja kamery. Dzisiaj SAST oferuje 95 różnych aplikacji 29 deweloperów dla 15 urządzeń pochodzących od sześciu producentów⁴.

Ciągła praca nad ulepszeniem tradycyjnych kamer dozoru wizyjnego zmieniła te urządzenia z pojedynczego źródła danych do wielowymiarowej ich integracji. Dostępne dzisiaj nawet najprostsze sieciowe kamery dozoru wizyjnego pełnią wielorakie funkcje: przechwytują strumienie wizji wysokiej rozdzielczości, kodują obraz i zarządzają jego transmisją, przechowują dane wideo czy analizują gromadzone dane. Dostawcy kamer natomiast próbują stworzyć szeroką gamę aplikacji dla różnych scenariuszy bezpieczeństwa, takich jak świadomość sytuacyjna, punkty kontroli oparte na biometrii, inteligentny nadzór transportu (ITS) i punkty kontroli pojazdów.

Nie oznacza to jeszcze, że mamy do czynienia z kamerami definiowanymi programowo. U podstaw SDC bowiem leżą ciągła ewolucja i rozwój algorytmów sztucznej inteligencji (AI), otwartość umożliwiająca integrację i wdrażanie sztucznej inteligencji w różnych scenariuszach bezpieczeństwa oraz cyberbezpieczeństwo na kilku poziomach: sprzętu, aplikacji i danych.

Rekomendacja ITU

Aby jasno określić, czym jest kamera zdefiniowana programowo oraz jakie musi spełniać kryteria, Międzynarodowa Jednostka Telekomunikacyjna (ITU) w lipcu 2020 r. wprowadziła, pod numerem rekomendacji ITU-T F.735.1, pierwszy międzynarodowy standard kamer definiowanych programowo. W preambule dokumentu normatywnego autorzy wskazują na fakt, że wraz z rozwojem urządzeń i metod analizy zawartości obrazu są opracowywane różne algorytmy oparte na sieciach neuronowych dla dużej liczby scenariuszy. Aby spełnić stawiane przed nimi wymagania, niezbędne jest stworzenie kamer zdefiniowanych programowo, które zapewnią techniczne podejście do rozdzielenia sprzętu od oprogramowania, umożliwiając realizację następujących wymagań:

Wdrażanie algorytmów na żądanie
i aktualizacja online

Kamery definiowane programowo obsługują różne aplikacje dzięki jednoczesnej obsłudze wielu algorytmów i aktualizowaniu ich na żądanie. W tradycyjnych systemach dozoru wizyjnego wdrożenie nowej funkcji lub uaktualnienie działającego już algorytmu na ogół wymaga ponownego uruchomienia systemu operacyjnego kamery lub restartu aplikacji. W systemach z kamerami SDC administrator może wdrożyć nowe algorytmy, wysyłając polecenie wdrożenia lub aktualizacji do kamer, które następnie zastosują tę nową funkcję bez ponownego uruchamiania systemu lub innych przerw w działaniu usług.

Wieloalgorytmowe obliczenia równoległe

Kamera SDC obsługuje wieloalgorytmowe obliczenia równoległe. Oznacza to, że może pracować poprawnie z równocześnie działającymi różnymi algorytmami analizy obrazu, np. rozpoznawaniem pojazdów, analizą ruchu/ruchu pieszych, wyodrębnianiem atrybutów ludzkiego ciała itp. Kombinacja algorytmów może działać jako określony tryb pracy urządzenia, zatem będzie się liczyć nie tylko samo wykrycie, lecz również sekwencja detekcji (dla wielu aplikacji). Użytkownicy systemu VSS mogą przełączać się między różnymi trybami, aby dostosować różne scenariusze pracy.

Umiejętność ciągłego uczenia się

Bodaj najbardziej oczekiwana opcja – kamera SDC – wspiera ciągłą naukę sieci neuronowych online. Automatycznie zbiera, czyści i oznacza dane wideo lub obrazy zarejestrowane w rzeczywistej scenie jako zestaw szkoleniowy. Następnie używa go do trenowania oryginalnego modelu szkoleniowego sieci neuronowych, który jest już osadzony wewnątrz urządzenia i dostosowuje parametry tego modelu, aby zakończyć proces jego ostateczną optymalizacją. Dzięki temu model uczenia się staje się odpowiedni dla rzeczywistej sceny, a także poprawia dokładność wyniku analizy.

W ramach rekomendacji znalazł się też opis ogólnej 3-warstwowej architektury funkcjonalnej, którą przedstawiono na rys. 2:

I. warstwa sprzętowa SDC – zapewnia odpowiednie zasoby sprzętowe i chipy AI dla warstwy górnej;

II. warstwa SDC OS – składa się z podstawowego interfejsu API usługi sprzętowej, wspólnego interfejsu API usługi oprogramowania, wspólnego modułu funkcji oprogramowania, podstawowego modułu funkcji sprzętu, warstwy wirtualizacji, menedżera aplikacji i jądra systemu.
1. Jądro jest sterownikiem sprzętu i układów AI.
2. Podstawowy sprzętowy moduł funkcyjny obsługuje najważniejsze usługi związane z kamerą takie jak przetwarzanie obrazu, kodowanie, generowanie strumienia, sterowanie PTZ itp.
3. Podstawowe API usług sprzętowych to API usługowe podstawowego modułu funkcyjnego sprzętu.
4. Wspólny moduł funkcji oprogramowania służy do zapewnienia wspólnych funkcji oprogramowania kamery, które obejmują interfejs bramy API, zarządzanie zdarzeniami, zabezpieczenia, rejestr itp.
5. Wspólny interfejs API usługi oprogramowania służy do udostępniania interfejsów usług, działa jako brama API dla kamery; wszystkie dane wynikowe z uruchomionych aplikacji są dostarczane za pośrednictwem tego wspólnego interfejsu API usługi oprogramowania.
6. Menedżer aplikacji to menedżer kontenerów, który obsługuje zarządzanie cyklem życia aplikacji – instalację, aktywację, dezaktywację, deinstalację, aktualizację, zarządzanie licencjami itp.
7. Warstwa wirtualizacji służy do izolacji zasobów aplikacji i obsługi aktualizacji oraz wdrażania online bez przerw w działaniu usług; główną technologią stosowaną w tym przypadku jest technologia kontenerowa.

III. Warstwa aplikacji – aplikacja łączy się w tym miejscu z systemem operacyjnym używanym w kamerze. Warstwa aplikacji składa się z aplikacji „inteligentnych” i „nieinteligentnych”. „Inteligentne” obejmują rozpoznawanie twarzy, rozpoznawanie tablic rejestracyjnych itp. „Nieinteligentne” aplikacje mogą być stosowane do przesyłania strumieniowego wideo, przekształcania, zarządzaniem sygnałami z czujników powiązanych itp.⁵.

Trendy stoją twardo za SDC

Postęp technologiczny, powiększająca się populacja i coraz większe obawy dotyczące bezpieczeństwa, wzrost liczby przestępstw i wykroczeń drogowych to tylko niektóre z głównych czynników napędzających globalny rynek kamer zdefiniowanych programowo. Kwestia dzisiejszej wielowymiarowości kamer jest adresowana do wielu użytkowników tego samego systemu dozoru wizyjnego, przez co cele stawiane zarówno kamerom, jak i systemom stają się różne. Przykładem może być jednoczesna potrzeba zbierania informacji statystycznych związanych z ruchem pojazdów i klasyfikacja zdarzeń drogowych wraz z identyfikacją wszystkich pojazdów tych zdarzeń.

Jednocześnie jest wiele różnych czynników związanych z kamerami SDC, które działają hamująco na rozwój tego rynku, np. zmienność warunków pogodowych (wpływających negatywnie na poziom jakości analizy obrazu), wysokie początkowe koszty wdrożenia, stosunkowo wysoki koszt utrzymania czy brak narzędzi do zarządzania urządzeniami i aplikacjami. Co więcej, trudności w instalacji i ciągle utrzymujący się niski wskaźnik udanych wdrożeń stanowią wyzwania stojące przed dostawcami takich kamer.

Tymczasem postęp w technologiach, takich jak sztuczna inteligencja, Internet rzeczy i uczenie maszynowe, stwarzają lukratywne możliwości dla globalnego rynku kamer SDC. Według globalnej firmy doradczej ds. rynku technologii, ABI Research, światowa baza inteligentnych kamer z chipsetem sztucznej inteligencji osiągnie w 2025 r. ponad 350 mln sztuk. Włączenie chipsetów AI do kamer dozoru wizyjnego stanie się normą, przy czym ponad 65% kamer dostarczonych w 2025 r. ma być wyposażonych w co najmniej jeden chipset AI. Kamery te będą zawierały modele głębokiego uczenia, które zautomatyzują i usprawnią podejmowanie decyzji w takich zastosowaniach, jak inteligentne zarządzanie ruchem drogowym, autonomiczne urządzenia, monitorowanie i zarządzanie ruchem pieszych, bezpieczeństwo fizyczne i obwodowe oraz zapobiegawcze wykrywanie zagrożeń⁶.

Przyspieszenie wynika z istniejącego trendu SDx. Postęp technologiczny utorował drogę do prawdziwego zdefiniowania centrum danych jako zdefiniowanego programowo. Sieci zdefiniowane programowo i pamięć masowa zdefiniowana programowo stały się normą. Według przedstawicieli firmy ARM⁷ widoczne inicjatywy SDx w różnych branżach, np. motoryzacyjnej, pozwalają optymistycznie myśleć również o branży elektronicznych systemów zabezpieczeń⁸. W przypadku wielu produktów do przechwytywania obrazu, w tym w kamerach, zachodzi ogromna transformacja, której podstawą są przede wszystkim trzy kluczowe trendy (rys. 1):

1. przejście na obliczenia brzegowe,
2. bezpieczeństwo – ze względu na charakter danych,
3. naturalna praca w chmurze, co daje kamerom ogromny potencjał do uruchamiania aplikacji, które mogą być wdrażane z biegiem czasu. Takie podejście również wydłuża znacząco czas życia produktu.

Podsumowanie

Posiadanie otwartego standardu i jednego systemu operacyjnego dla urządzeń elektronicznych systemów zabezpieczeń oznacza, że różni dostawcy sprzętu i oprogramowania mogą korzystać z tej samej platformy. Teoretycznie ułatwia to implementację najlepszych w swojej klasie rozwiązań, zwiększa elastyczność do wprowadzania zmian i jednocześnie zapewnia ściślejszą kontrolę cyberbezpieczeństwa w porównaniu z dotychczasowymi protokołami interpretacyjnymi. Może to również oznaczać, że konfiguracje systemów i aplikacje kamer mogą zmieniać się częściej ze względu na łatwiejszy model dostarczania zapewniany przez ekosystem aplikacji, nieskrępowany obecnymi, bardziej ręcznymi i czasochłonnymi procesami. Ekosystem, umożliwiając zdalną i bezpośrednią sprzedaż oprogramowania, a nawet instalację, będzie wymagać od każdego dewelopera aplikacji znacznych inwestycji w odpowiednie wsparcie techniczne i konfiguracyjne, zwłaszcza gdy mają zbudować skuteczną i wysoko ocenianą aplikację dla urządzeń elektronicznych systemów zabezpieczeń.

Model „sklepu z aplikacjami” może jednocześnie znacząco zakłócić tradycyjny kanał sprzedaży i model licencjonowania oprogramowania w branży dozoru wizyjnego. Gdy różne urządzenia IoT (zatem nie tylko kamery) również znajdą się na tej samej platformie, zwiększy się wymóg wymiany danych i konwergencji urządzeń.
Chociaż ekosystem aplikacji nie jest koncepcją nową, istnieje ryzyko, że może być siłą zakłócającą porządek nie tylko w branży, ale także w dziedzinach bezpieczeństwa i IoT⁹. I może stać się „nową normalnością” dla branży.

Wg raportu Transparency Market Research przewiduje się, że w najbliższej przyszłości Ameryka Płn. i Europa staną się wiodącymi regionami światowego rynku kamer definiowanych programowo. Tu sprzedawcy zapewniają najnowocześniejsze rozwiązania. Nowe projekty i modernizacja kamer standardowych do kamer definiowanych programowo w regionie Azji i Pacyfiku mają do 2027 r. zwiększyć rynek SDC w regionie. Oczekuje się, że coraz powszechniejsze stosowanie automatyzacji i rosnąca potrzeba zdalnego zarządzania zasobami będzie napędzać globalny rynek tych rozwiązań w najbliższej przyszłości

(źródło: Software-defined Camera, SDC, Market – Global Industry Analysis, Size, Share, Growth, Trends, and Forecast, 2019–2027)

Jan T. Grusznic z-ca red. naczelnego „a&s Polska”. Z branżą wizyjnych systemów zabezpieczeń związany od 2004 r. Ma bogate doświadczenie w zakresie projektowania i wdrażania rozwiązań dozoru wizyjnego w aplikacjach o rozproszonej strukturze i skomplikowanej dystrybucji sygnałów. Ceniony diagnosta zintegrowanych systemów wspomagających bezpieczeństwo.

1)  https://www.sdxcentral.com/cloud/definitions/software-defined-everything-sdx-part-1-definition/ (dostęp: 3.02.2016).
2)  Takim ograniczeniem jest np. liczba symultanicznie pracujących różnych aplikacji lub wymóg stosowania API i/lub SDK danego producenta (które same w sobie też wprowadzają ograniczenia).
3)  https://e.huawei.com/gr/products/intelligent-vision/cameras/software-defined-camera (dostęp: 23.07.2021).
4)  https://www.securityandsafetythings.com (dostęp: 27.07.2021).
5) Urządzenia PoE instalowane między przełącznikiem sieciowym a urządzeniami sieciowymi, które muszą być zasilone przez okablowanie ethernetowe. Urządzenie midspan jest przezroczyste dla komunikacji TCP/IP.
6) https://www.abiresearch.com/press/global-installed-base-smart-city-cameras-ai-chipset-reach-over-350-million-2025/ , 29-07-2021
7)  ARM Limited zapewnia usługi w chmurze i rozwiązania Internetu rzeczy (IoT). Firma koncentruje się na projektowaniu i rozwoju procesorów komputerowych, kontrolerów pamięci, systemów protokołów internetowych, audio, wideo i audio, procesorów graficznych, zabezpieczeń i urządzeń pamięci masowej. W roku 2005 wyprodukowano blisko 1,7 miliarda procesorów opartych na technologii ARM, co stanowiło 75% wszystkich 32-bitowych procesorów na rynku
8) „Software-Defined Cameras for Edge Computing of the Future”, Parag Beeraka, ARM, 30-05-2021
9)  IHS Markit Security Technologies Top Trends For 2019, 2018 r.