Τα Video Analytics έχουν αλλάξει την ασφάλεια

Τα Video Analytics υπάρχουν σχεδόν από τότε που πρωτοεμφανίστηκαν τα κλειστά κυκλώματα τηλεόρασης, κάνοντας το έργο των φορέων ασφαλείας πιο εύκολο. Είναι σχεδόν αδύνατο για ένα διαχειριστή να παρακολουθεί συνεχώς (24ώρες το 24ωρο) και με αποτελεσματικό τρόπο όλες τις πηγές βίντεο.

Τα Video Analytics υπάρχουν σχεδόν από τότε που πρωτοεμφανίστηκαν τα κλειστά κυκλώματα τηλεόρασης, κάνοντας το έργο των φορέων ασφαλείας πιο εύκολο. Είναι σχεδόν αδύνατο για ένα διαχειριστή να παρακολουθεί συνεχώς (24ώρες το 24ωρο) και με αποτελεσματικό τρόπο όλες τις πηγές βίντεο.

Οι αναλύσεις βίντεο αλλάζουν τον τρόπο με τον οποίο βλέπουμε την ασφάλεια και σήμερα ο σύγχρονος εγκαταστάτης μπορεί να εκμεταλλευτεί τις δυνατότητες τους και να προσφέρει περισσότερη αξία στους πελάτες του. Η έννοια της ανάλυσης βίντεο είναι αρκετά απλή. Οι αλγόριθμοι επιτρέπουν σε μια συσκευή να αναλύει βίντεο σε πραγματικό χρόνο και να στέλνει ειδοποιήσεις στον χρήστη. Τα analytics μπορούν επίσης να κατηγοριοποιήσουν διάφορες πτυχές του εγγεγραμμένου υλικού, διευκολύνοντας τη διαδικασία αναζήτησης. Ενώ η σύγχρονη τεχνολογία έχει κάνει τις αναλύσεις βίντεο πιο ακριβείς και πιο προσιτές από ποτέ, υπάρχουν ακόμα ορισμένα εμπόδια στην υιοθεσία τους.

Το ιστορικό

Ένα από τα πρώτα χαρακτηριστικά που έφερε στο φως η εν λόγω τεχνολογία, ήταν η ανίχνευση κίνησης. Τα συστήματα παρακολούθησης βίντεο ταυτοποιούσαν σωστά μια ύποπτη κίνηση μέσα σε μια σκηνή, όπως αυτή ενός εισβολέα, ωστόσο οι ψευδείς συναγερμοί από τα κλαδιά των δέντρων ή η βροχή που έπεφτε μπροστά στο φακό της κάμερας προκαλούσαν διάφορα προβλήματα. Το αποτέλεσμα, ήταν τα Video Analytics γίνονται αναξιόπιστα και οι χειριστές βίντεο αρχίζουν να τα αγνοούν. Έτσι ο σκοπός για τον οποίο είχαν δημιουργηθεί είχε καταστραφεί.

Η πρόοδος στο υλικό και το λογισμικό βελτίωσαν σημαντικά την ακρίβεια, αλλά για κάποιο χρονικό διάστημα τα Video Analytics με τις υψηλότερες επιδόσεις ήταν διαθέσιμα μόνο στον πιο ακριβό εξοπλισμό. Αντίθετα στη σύγχρονη εποχή, τα V.A. έχουν ωριμάσει αρκετά και έχουν εισέλθει στην αγορά βιντεοεπιτήρησης των καταναλωτών.

Από τη πλευρά της κάμερας και του καταγραφικού, η αναβάθμιση του υλικού επιτρέπει στις συσκευές να αντιδρούν στην ανίχνευση συμβάντων πιο γρήγορα και με μεγαλύτερη ακρίβεια. Η αναβάθμιση της επεξεργαστικής ισχύς από την άλλη, επιτρέπει ακόμα πιο περίπλοκες αναλύσεις και έτσι το μόνο πράγμα που μένει για να υιοθετηθούν σε ακόμα μεγαλύτερο ποσοστό από τους χρήστες οι συσκευές με ενσωματωμένα Video Analytics, είναι η εκπαίδευση!

Τι κρατάει μακριά τον καθημερινό χρήστη;

Ένα από τα πιο βασικά εμπόδια είναι η έλλειψη κατανόησης. Η ανάλυση περιεχομένου βίντεο «χάνεται» ανάμεσα σε λέξεις-κλειδιά όπως “Τεχνητή Νοημοσύνη (AI)” και “βαθιά εκμάθηση”. Είναι σημαντικό να διακρίνουμε την ανάλυση βίντεο από τις προηγμένες μορφές και δυνατότητες που προσφέρει η τεχνητή νοημοσύνη. Από τεχνικής πλευράς, η ΤΝ σημαίνει πως μια μηχανή θα πρέπει να μιμηθεί κατά κάποιο τρόπο την ανθρώπινη συμπεριφορά. Ωστόσο ένας μεγάλος αριθμός συσκευών χρησιμοποιεί σήμερα αναλυτικά στοιχεία τα οποία βασίζονται σε κανόνες  βίντεο. Αυτοί οι κανόνες μπορούμε να πούμε πως είναι μία μορφή ΤΝ, διαφέρει όμως από την πραγματική έννοια. Οι αναλύσεις που βασίζονται σε κανόνες είναι μια οικονομικά αποδοτική λύση που επιτρέπει στο σύστημα να εξετάζει ταυτόχρονα πολλά γεγονότα και αντικείμενα με τρόπο που θα ήταν ανέφικτο ή αδύνατο για τον άνθρωπο. Ωστόσο, οι αναλύσεις βάσει κανόνων δεν έχουν τη γνωστική ικανότητα και δεν μπορούν να ερμηνεύσουν μία δραστηριότητα, όπως οι άνθρωποι ή τουλάχιστον μία αρκετά εξελιγμένη μορφή τεχνητής νοημοσύνης.

Μπορεί να ακουστεί περίεργο, αλλά η ανάλυση περιεχομένου βίντεο που βλέπουμε αρκετές φορές στην τηλεόραση, έχει επίσης επηρεάσει αρνητικά την πρακτική εφαρμογή της τεχνολογίας σε πραγματικές καταστάσεις. Οι ελπίδες που μπορεί να έχει ένας παρατηρητής για το σύστημα παρακολούθησης βίντεο μπορεί να είναι μη ρεαλιστικές. Αυτό το φαινόμενο σημαίνει ότι οι integrators θα πρέπει να θέτουν τις προσδοκίες από νωρίς και να εστιάζουν στην εκπαίδευση του χρήστη για το τι μπορεί ή δεν μπορεί να κάνει ένα σύστημα παρακολούθησης βίντεο.

Πως τα V.A. βελτιώνουν την απόδοση μίας επένδυσης

Δεδομένων των καινοτόμων δυνατοτήτων των σημερινών συστημάτων επιτήρησης, οι χρήστες δεν θα πρέπει να σταθούν σε μία απλή εικόνα. Θα πρέπει να επιδιώξουν να αγοράσουν ένα σύστημα που θα τους οπλίσει με λειτουργίες τεχνητής νοημοσύνης κατά τη διαδικασία της ανάλυσης βίντεο. Αυτό σημαίνει όχι μόνο την εγκατάσταση συσκευών με αναλυτικές ικανότητες, αλλά και τη χρήση αυτών των ικανοτήτων.

Αρχικά οι αναλύσεις βίντεο βελτιώνουν την ικανότητα ενός συστήματος να ανιχνεύσει συγκεκριμένα συμβάντα σε πραγματικό χρόνο, επιτρέποντας ταυτόχρονα στο χρήστη να αναζητήσει εύκολα χρήσιμες πληροφορίες κατά την αναπαραγωγή. Η χρήση αναλυτικών στοιχείων βίντεο έχει μια σειρά από πλεονεκτήματα, καθιστώντας το σύστημα πιο λειτουργικό, μειώνοντας παράλληλα τις απαιτήσεις για ανθρώπινο δυναμικό. Ακόμα, ένα τέτοιο σύστημα  παρέχει σημαντικές πληροφορίες για μία επιχείρηση, όπως ημερήσιο/μηνιαίο αριθμό πελατών, προϊόντα με μεγαλύτερη ζήτηση κ.λπ.

Τα Analytics στην… πρώτη γραμμή

Χάρη στις βελτιώσεις υλικού και στην ακρίβεια των αλγορίθμων που αναφέρθηκαν νωρίτερα, οι αναλύσεις βίντεο που θα συναντήσουμε σήμερα έρχονται σε πολύ προσιτές τιμές. Μεταξύ των τεχνολογιών που είναι πιο ευρέως διαθέσιμες είναι τα αναλυτικά στοιχεία που θα συναντήσουμε στις κάμερες ασφαλείας, τα οποία ονομάζονται και edge analytics. Η λειτουργία διέλευσης γραμμής / ταξινόμησης είναι μία από τις πιο συνήθεις λειτουργίες σήμερα.

Το line crossing και το tripwire θα τα συναντήσουμε συνήθως στην προστασία μίας περιμέτρου. Η περιμετρική προστασία χρησιμοποιεί επίσης αλγορίθμους που διαφοροποιούν τον άνθρωπο από τα οχήματα ή και το ανάποδο. Ένα σύστημα σε αυτή την περίπτωση θα στείλει μια ειδοποίηση όταν ανιχνευθούν άνθρωποι αγνοώντας οχήματα και ή ζώα. Οι σημερινές λύσεις περιμετρικής προστασίας έχουν επιτύχει καλύτερη ακρίβεια σε σχέση με τις προηγούμενες εκδόσεις, όπου ψευδείς συναγερμοί είχαν προκληθεί από περιβαλλοντικές συνθήκες ή άγρια ​​/αδέσποτα ζώα. Ο υπολογισμός των ατόμων είναι ένα άλλο εύχρηστο και σημαντικό πλεονέκτημα. Οι επιχειρησιακές δυνατότητες αναβαθμίζονται, καθώς οι υπεύθυνοι καταστημάτων γνωρίζουν ακριβώς πόσα άτομα εισέρχονται και εξέρχονται από ένα χώρο, πόσα άτομα μένουν σε μία συγκεκριμένη περιοχή κ.λπ. Με τον καθορισμό κανόνων μπορούμε να ενεργοποιήσουμε και διάφορους συναγερμούς. Για παράδειγμα, αν τρία ή περισσότερα άτομα παραμείνουν στη ουρά στο ταμείο για περισσότερα από τρία λεπτά, οι διαχειριστές των καταστημάτων μπορούν να ειδοποιηθούν άμεσα και να στείλουν περισσότερους υπαλλήλους στις ταμειακές μηχανές, μειώνοντας αποτελεσματικά τον χρόνο αναμονής.

Τα «high-end» καταστήματα, χρησιμοποιούν επίσης την τεχνολογία παρακολούθησης και την τεχνητή νοημοσύνη για να βελτιώσουν την εμπειρία αγορών και να προσφέρουν στους πελάτες μια βελτιωμένη υπηρεσία. Με την τεχνολογία αναγνώρισης προσώπου (και πάντα με την έγκριση των πελατών), μια κάμερα θα μπορούσε να αναγνωρίσει ένα «VIP» πελάτη και αμέσως να ειδοποιηθεί ένας εκ των υπαλλήλων του καταστήματος για να τον εξυπηρετήσει άμεσα. Όλα αυτά βοηθούν τους ιδιοκτήτες στο να δημιουργήσουν μια διαισθητική και ταυτόχρονα διασκεδαστική εμπειρία και τελικά να βελτιώσουν την εικόνα του καταστήματός τους.

Πέρα από την αξιοποίηση των δεδομένων για την παρακολούθηση των επισκεπτών σε ένα κατάστημα, τα νοσοκομεία μπορούν επίσης να επωφεληθούν από τις αναλύσεις βίντεο και ότι αφορά την ασφάλεια ή την επίγνωση μίας κατάστασης. Μεταξύ άλλων βασικών δυνατοτήτων, τα νοσοκομεία μπορούν να διαμορφώσουν έξυπνες ειδοποιήσεις με βάση πάντα τα μεταδεδομένα που εξάγονται από το βίντεο και να στείλουν σήμα σε πραγματικό χρόνο για ύποπτες συμπεριφορές, απειλές ή άλλες καταστάσεις έκτακτης ανάγκης.

Αναζήτηση και επισκόπηση

Τα μεταδεδομένα  είναι ένα σύνολο δεδομένων που περιγράφουν και παρέχουν πληροφορίες για άλλα δεδομένα που συλλέγονται μέσω των αναλύσεων βίντεο και βοηθούν στην ταξινόμηση και την οργάνωση των εικόνων, ώστε να γίνει ευκολότερη η αναζήτηση. Όταν δεν υπάρχει ένα συμβάν για αναζήτηση, τα συστήματα επιτήρησης παράγουν μια φαινομενικά ατελείωτη ποσότητα υλικού και δεδομένων. Τώρα, με τις αναλύσεις βίντεο ορισμένα χαρακτηριστικά θα «επισημανθούν» στο βίντεο πριν αποθηκευτούν στη συσκευή εγγραφής. Για παράδειγμα, η λειτουργία λήψης στιγμιότυπου ενός προσώπου μπορεί επίσης να αποθηκεύσει (μεταδεδομένα) τα χαρακτηριστικά ενός προσώπου όπως το φύλο, την ηλικία, την έκφραση και αν το άτομο φοράει γυαλιά ή άλλα αξεσουάρ. Μόλις εισαχθούν τέτοια μεταδεδομένα μέσα στο σύστημα, είναι δυνατή η έξυπνη αναζήτηση.

Η έξυπνη αναζήτηση ανοίγει ένα νέο κόσμο δυνατοτήτων. Οι χειριστές μπορούν να βρουν ή να αναζητήσουν ένα όχημα, μία συγκεκριμένη μέρα και ώρα της εβδομάδας ή ακόμα και να χρησιμοποιήσουν τη λειτουργία των χαρακτηριστικών προσώπου για να εμφανίσουν π.χ. όλους τους ανθρώπους με γυαλιά που πέρασαν από ένα συγκεκριμένο σιδηροδρομικό σταθμό την περασμένη εβδομάδα. Με αυτό τον τρόπο η αναζήτηση γίνεται μέσα σε μόλις λίγα λεπτά και όχι σε ώρες. Τέτοιου τύπου συντομεύσεις επιτρέπουν την αποτελεσματικότερη ανασκόπηση  και τη συλλογή «βαθύτερων» πληροφοριών.

Οι αναλύσεις βίντεο αλλάζουν πραγματικά τον τρόπο με τον οποίο χρησιμοποιούμε ή αντιλαμβανόμαστε την ασφάλεια. Μετατρέπουν τις κάμερες ασφαλείας σε συλλέκτες δεδομένων που βοηθούν τις επιχειρήσεις να λειτουργούν πιο ομαλά. Εξοικονομούν χρόνο και παρέχουν μόνο τι χρήσιμες πληροφορίες. Τώρα που οι αναλύσεις βίντεο είναι λιγότερο πιθανό να παράγουν ψευδείς συναγερμούς και είναι ευρύτερα διαθέσιμες σε προϊόντα χαμηλού προϋπολογισμού, ένας μεγάλος αριθμός χρηστών μπορεί να επωφεληθεί από αυτά. Οι κατασκευαστές και οι εγκαταστάτες πρέπει να δείξουν στο μέσο καταναλωτή την πραγματική αξία και όλα τα οφέλη που μπορούν να προσφέρουν τα V.A.

{gallery}7895{/gallery}