Wanda Nijholt
Panasonic Business Europe
Według ostatnich badań dotyczących najbardziej monitorowanych miast w użyciu jest 770 mln kamer, do końca 2021 r. na całym świecie będzie ich ponad miliard. Kamera dozoru wizyjnego jest powszechnie stosowanym narzędziem, obecnie obserwujemy ważny okres transformacji technologicznej na tym rynku. Coraz częstsze zastosowanie sztucznej inteligencji i dostępność metadanych z analizy obrazu zmieniają układ sił w zakresie dozoru wizyjnego. Rozwój jest stymulowany pod względem technologicznym i etycznym.
Ewolucja kamer CCTV
Rynek kamer dozorowych rozwija się od wielu lat i przeszedł już kilka małych rewolucji. Przełomem było pojawienie się kamery sieciowej IP, która połączona przez sieć Ethernet przeszła transformację od prostego czujnika do pełnoprawnego narzędzia komputerowego. Po 2000 r., kiedy rynek monitoringu wizyjnego przeżywał rozkwit, opracowano i wdrożono pierwsze algorytmy AI, które umożliwiły analizę strumieni danych wizyjnych i dały początek branży analizy obrazu z kamer.
Dzisiaj systemy te mogą np. wykrywać nietypowy ruch na danych obszarze, rozpoznać obecność osób lub obiektów i przekazać te informacje dalej. Jednak dokładność analizy zależy od warunków środowiskowych, w jakich pracuje kamera. Ulewny deszcz lub silny wiatr utrudniają detekcję, powodując fałszywe alarmy lub przyczyniając się do przeoczenia incydentu. Kolejną przeszkodą jest koszt infrastruktury: aby przeanalizować nagrania wideo i uzyskać odpowiednie wyniki, konieczne jest zainstalowanie serwerów dużej mocy obliczeniowej.
Kamery dozorowe są też często krytykowane za kolejny problem operacyjny: zebrane materiały muszą zostać przetworzone, co wymaga znacznych zasobów ludzkich, zwłaszcza w miejskich centrach bezpieczeństwa. Jednak to nie powstrzymało ich ewolucji, a dzięki postępowi w dziedzinie AI są coraz bardziej wydajne i autonomiczne.
Głębokie uczenie i metadane: skok naprzód w monitoringu wizyjnym
Bardziej precyzyjne algorytmy AI nowej generacji pozwalają dokonywać poprawniejszych wstępnych analiz sytuacji. W przypadku przestrzeni miejskiej mogą zwrócić uwagę operatora na gromadzący się tłum czy nietypowe zachowania ludzi. Umożliwia to zastosowanie deep learning, metody pozwalającej na wykorzystanie dużych ilości danych, na podstawie których algorytmy AI „uczą się” rozpoznawać charakterystyczne wzorce. Na tej podstawie są w stanie rozróżnić nie tylko kształty obiektu (mężczyzna, kobieta, kot), ale też kolory czy cechy szczególne – np. mężczyznę w czerwonej koszulce i z wąsami, dziecko na hulajnodze.
Do tego dochodzi postęp w zakresie procesorów o dużo większej mocy obliczeniowej, które są teraz zintegrowane bezpośrednio z kamerami dozorowymi, co sprawia, że koszty wdrożenia tych technologii są bardziej przystępne dla użytkowników końcowych.
Dzisiejsze systemy dozoru wizyjnego stały się zatem „ekspertami” w wykrywaniu i rozpoznawaniu wzorców na obrazie. Na podstawie tego, co wykryły, tworzą bazę metadanych, która sama się zasila i coraz dokładniej analizuje obraz. Kamera jest teraz podstawowym narzędziem biometrycznym rozpoznawania twarzy. A ochrona danych osobowych?
Z punktu widzenia bezpieczeństwa celem metadanych nie jest identyfikacja obywateli (w Europie niedozwolona ze względu na RODO), ale optymalizacja wykorzystania dozoru wizyjnego, a także uczynienie go proaktywnym i predykcyjnym. Podłączone kamery samochodowe pozwalające uniknąć wypadków, inteligentne miasta optymalizujące ruch drogowy i ograniczające liczbę incydentów – perspektywy są nieograniczone, a niektóre z nich stały się już rzeczywistością.
Dzisiejsze systemy zabezpieczeń wykraczają poza funkcje ochrony. Szacuje się, że do 2024 r. 30% kamer sprzedawanych na rynku będzie wykorzystywało głębokie uczenie. Analiza obrazu oparta na AI przeżywa rozkwit. Teraz to tylko kwestia czasu potrzebnego na wdrożenie infrastruktury i stworzenie aplikacji AI, które pozytywnie wpłyną na nasze życie.
Panasonic Marketing Europe
ul. Wołoska 9a,
02-583 Warszawa
https://business.panasonic.pl/
