Χάρη στις τεράστιες προόδους που έγιναν τα τελευταία χρόνια στη βαθιά μάθηση και τη τεχνητή νοημοσύνη, τα VA κατάφεραν να αυτοματοποιήσουν πολλές καθημερινές εργασίες, οι οποίες πριν από μερικά χρόνια θα φάνταζαν «βουνό» για τους χειριστές των συστημάτων ασφαλείας.
Χάρη στις τεράστιες προόδους που έγιναν τα τελευταία χρόνια στη βαθιά μάθηση και τη τεχνητή νοημοσύνη, τα VA κατάφεραν να αυτοματοποιήσουν πολλές καθημερινές εργασίες, οι οποίες πριν από μερικά χρόνια θα φάνταζαν «βουνό» για τους χειριστές των συστημάτων ασφαλείας.
Οι λειτουργίες των σύγχρονων αναλυτικών στοιχείων είναι αμέτρητες! Υπάρχουν διαθέσιμες εφαρμογές που μετρούν τον αριθμό των ατόμων σε εκδηλώσεις, ανιχνεύουν τον καπνό και τη φωτιά μέσα σε κλειστούς ή ανοιχτούς χώρους σε μόλις λίγα δευτερόλεπτα, αναγνωρίζουν πρόσωπα, ανιχνεύουν άτομα που εισέρχονται και εξέρχονται από έναν χώρο, κ.λπ. Δύο όμως από τις βασικότερες λειτουργίες των VA, οι οποίες θεωρούνται από τις παλαιότερες και πιο ευρέως χρησιμοποιούμενες, είναι η ανίχνευση και η αναγνώριση αντικειμένων. Γιατί όμως δύο σχετικά «απλές λειτουργίες» θεωρούνται ακόμα και σήμερα ίσως οι σημαντικότερες στον κλάδο της ασφάλειας;
Η ανίχνευση και αναγνώριση αντικειμένων επιτρέπει στον χειριστή να εντοπίσει ένα συγκεκριμένο αντικείμενο, όπως ένα άτομο, ένα όχημα ή μία βαλίτσα/ σακίδιο και στη συνέχεια να το παρακολουθεί. Μπορεί να ακούγεται απλό, ωστόσο αυτή η διαδικασία εξοικονομεί χρόνο και χρήμα, καθώς οι χειριστές δεν χρειάζεται να κάτσουν και να αναλύσουν τα πολύωρα πλάνα των καμερών.
Πως δουλεύει;
Πως πραγματοποιείται η ανίχνευση και αναγνώριση αντικειμένων; Μέσω της τεχνητής νοημοσύνης και της βαθιάς εκμάθησης. Η βαθιά εκμάθηση αναγνωρίζει και ταξινομεί αντικείμενα και μοτίβα. Σε ότι αφορά την βιντεοεπιτήρηση, τα λογισμικά ανάλυσης περιεχομένου, εντοπίζουν, εξαγάγουν και ταξινομούν χιλιάδες δεδομένα από το βίντεο και στη συνέχεια επιτρέπουν στο χρήστη να αναζητά εύκολα και γρήγορα ανθρώπους και οχήματα. Η τεχνολογία ανάλυσης περιεχομένου βίντεο (VCA) μπορεί να λειτουργήσει με τα υπάρχοντα συστήματα παρακολούθησης βίντεο CCTV ενός οργανισμού και να χρησιμοποιήσει αλγόριθμους μηχανικής μάθησης για την αναγνώριση και την ταξινόμηση αντικειμένων. Μετά την αποθήκευση και την ταξινόμηση, τα μεταδεδομένα από το βίντεο μπορούν να χρησιμοποιηθούν για τη διαμόρφωση έξυπνων ειδοποιήσεων. Τέτοιες ειδοποιήσεις μπορεί ενεργοποιούνται σε περίπτωση που εντοπιστεί μία ύποπτη δραστηριότητα ή συμπεριφορά ή όταν για παράδειγμα ο αριθμός των ατόμων σε μία περιοχή υπερβαίνει το προκαθορισμένο όριο. Επιπρόσθετα, οι ειδοποιήσεις αυτές μπορούν να ενεργοποιηθούν με βάση την αναγνώριση αντικειμένων, προσώπου, ακόμα και τον εντοπισμό κίνησης.
Για να είναι επιτυχής η βαθιά μάθηση, χρειαζόμαστε τεράστιες ποσότητες δεδομένων, τα οποία πρέπει να υποβληθούν σε επεξεργασία και στη συνέχεια να προσδιοριστούν, ώστε να «εκπαιδευτεί» κατάλληλα το λογισμικό.
Όσον αφορά την ανίχνευση και την αναγνώριση αντικειμένων, τα δεδομένα εκπαίδευσης (τα οποία, στην περίπτωση της ανάλυσης βίντεο, είναι το ίδιο το βίντεο), θα αναλυθούν σε μεμονωμένα πλαίσια για την εξαγωγή κάθε στοιχείου ή και αντικειμένου. Για παράδειγμα, εάν οι ερευνητές θελήσουν να αναζητήσουν ένα παιδί που έχει εξαφανιστεί, το οποίο φορούσε ένα κόκκινο παντελόνι, τότε μπορούν να αξιοποιήσουν τα αναλυτικά στοιχεία βίντεο και να αναζητήσουν, βάση φίλτρων, μόνο άτομα με αυτό το χρώμα παντελονιού. Ο χρήστης θα φιλτράρει την αναζήτησή του με βάση αυτά τα χαρακτηριστικά και το λογισμικό ανάλυσης βίντεο, έχοντας ανιχνεύσει μεγάλα σύνολα δεδομένων ανθρώπων με αυτό το χρώμα/φίλτρο, θα είναι σε θέση να απαντήσει στο ερώτημα αυτό. Για να υλοποιηθεί επιτυχώς αυτή η αντιστοιχία, ο αλγόριθμος βαθιάς εκμάθησης θα πρέπει να γνωρίζει τι είναι το κόκκινο και θα πρέπει να έχει «τροφοδοτηθεί» με χιλιάδες παραδείγματα δεδομένων αυτού του χρώματος.
Το ίδιο περίπου συμβαίνει και με τα εγκαταλελειμμένα αντικείμενα. Ένα εγκαταλελειμμένο αντικείμενο, που μπορεί στο εσωτερικό του να περιέχει μία βόμβα δεν μπορεί να αγνοηθεί. Η λειτουργία ανίχνευσης εγκαταλελειμμένων αντικειμένων χρησιμοποιείται αρκετά χρόνια με επιτυχία σε αεροδρόμια, μεγάλα πολυώροφα κτήρια, εργοστάσια κ.λπ. Όταν οποιοδήποτε αντικείμενο έχει μείνει σε μια σκηνή για περισσότερο χρόνο από αυτόν που έχει οριστεί μέσα στο σύστημα, τότε ένας συναγερμός αποστέλλεται στο προσωπικό ασφαλείας μέσω του VMS ή των κινητών τηλεφώνων. Θεωρείται μία από τις βασικότερες λειτουργίες των VA, που βοηθά αποτελεσματικά στην έγκαιρη διαχείριση πιθανών καταστάσεων. Η ανίχνευση εγκαταλελειμμένων αντικειμένων έχει επίσης χρησιμοποιηθεί για την παρακολούθηση της παράνομης στάθμευσης.
Αρκεί μόνο η ανίχνευση;
Σε αρκετές περιπτώσεις, η ανίχνευση από μόνη της δεν αρκεί, καθώς το άτομο ή το αντικείμενο πρέπει να παρακολουθείται σε πραγματικό χρόνο. Είναι σημαντικό να μπορούμε να παρακολουθούμε με ακρίβεια ένα αντικείμενο από τη στιγμή που εισέρχεται σε μία σκηνή μέχρι την ώρα που θα φύγει από αυτή, ακόμα αν υπάρχει πλήθος ή άλλα εμπόδια. Αυτό φυσικά, δεν ισχύει μόνο για τον εντοπισμό αγνοούμενων ανθρώπων ή παρατημένων αντικειμένων σε αεροδρόμια ή σταθμούς του μετρό. Η παρακολούθηση σε πραγματικό χρόνο εφαρμόζει νέες τεχνικές επιχειρηματικής ευφυΐας σε εμπορικά καταστήματα. Μπορεί ακόμα να εφαρμοστεί με μεγάλη επιτυχία σε ένα εργοτάξιο, τοποθετώντας μία κάμερα στην είσοδό του, η οποία θα στέλνει ειδοποιήσεις σε πραγματικό χρόνο, όταν για παράδειγμα έναν εργαζόμενος δεν φοράει ένα καπέλο προστασίας.
Τα VA επιτρέπουν την αποτελεσματικότερη ανασκόπηση και τη συλλογή «βαθύτερων» πληροφοριών. Μετατρέπουν τις κάμερες ασφαλείας σε συλλέκτες δεδομένων που βοηθούν τις επιχειρήσεις να λειτουργούν πιο ομαλά. Εξοικονομούν χρόνο και παρέχουν μόνο τι χρήσιμες πληροφορίες.
