SECURITY REPORT T.126

88 | SECURITY REPORT Μάιος 2022 Video Analytics CCTV ανιχνεύσει μεγάλα σύνολα δεδομένων ανθρώπων με αυτό το χρώ- μα/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 προ- σωπικό ασφαλείας μέσω του VMS ή των κινητών τηλεφώνων. Θε- ωρείται μία από τις βασικότερες λειτουργίες των VA, που βοηθά αποτελεσματικά στην έγκαιρη διαχείριση πιθανών καταστάσεων. Η ανίχνευση εγκαταλελειμμένων αντικειμένων έχει επίσης χρησι- μοποιηθεί 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 παρακολου- θούμε 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 αντικει- μένων 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. n Η ανίχνευση και αναγνώριση αντικειμένων έχουν εξοικονομήσει αρκετό χρόνο στους χειριστές συστημάτων ασφαλείας. 2 Η λειτουργία ανίχνευσης εγκαταλελειμμένων αντικειμένων χρησιμοποιείται αρκετά χρόνια με επιτυχία σε αεροδρόμια, μεγάλα πολυώροφα κτήρια, εργοστάσια κ.λπ . 1 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 περιε- χομένου, 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 ορ- γανισμού 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 ειδο- ποιήσεων. Τέτοιες ειδοποιήσεις μπορεί ενεργοποιούνται σε περί- πτωση 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 αν- τικειμένων, προσώπου, ακόμα και τον εντοπισμό κίνησης. Για να είναι επιτυχής η βαθιά μάθηση, χρειαζόμαστε τεράστιες πο- σότητες δεδομένων, τα οποία πρέπει να υποβληθούν σε επεξεργασία και στη συνέχεια να προσδιοριστούν, ώστε να «εκπαιδευτεί» κα- τάλληλα 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