Искусственный интеллект в системах видеонаблюдения уменьшит число ложных срабатываний

Технология интеллектуального обучения Deep Learning была впервые реализована компанией Hikvision относительно недавно, и сразу стала объектом повышенного интереса со стороны пользователей по всему миру. Сейчас искусственный интеллект достиг такого уровня вычислительной мощности, что руководством производителя было принято решение о расширении линейки «умных» ИТ-продуктов. Система глубокого обучения применена в практических приложениях Hikvision для снижения числа ложных тревог.

Научить видеокамеры «думать» - цель ближайшего будущего

Разработчики новых программ в своих проектах использовали принцип работы человеческого мозга. По сути, нейронная система – это модель глубокого обучения с очень сложной структурой. Миллиарды взаимосвязанных клеток обмениваются информацией в тысячные доли секунды, анализируя и запоминая полученные данные. Технология Deep Learning является уменьшенной копией нейронной структуры. Это многоуровневая система сбора информации, способная сопоставлять данные и выполнять на их основе определенные действия.

Всего несколько лет назад о внедрении подобной технологии в системы видеонаблюдения даже не задумывались. Сегодня искусственный интеллект демонстрирует высокую эффективность компьютерного видения, голосового перевода, распознавания речи и других функций. По заверениям разработчиков, Deep Learning уже превосходит возможности человека в сфере идентификации лиц, классификации изображений. Например, система способна отличать людей от крупных животных. По данным пожарных служб и полиции, количество ложных тревог на объектах с интеллектуальным видеонаблюдением значительно сокращается. Это новое слово в индустрии безопасности.

Что такое Deep Learning

Алгоритм глубокого обучения практически лишен недостатков традиционных технологий обнаружения. Программа имеет более развитую структуру, состоящую из десятков слоев. Одновременно она обрабатывает гигабайты информации в самых сложных классификациях. Технологию можно сравнить с процессом обучения человека, выраженным математически. Каждый слой программы – это как клетка памяти, которая хранит данные о компонентах картинки. Чем выше уровень, тем конкретнее детали. Сигнал проходит сквозь структуру как по нейронной сети мозга, воспринимая информацию с каждого слоя и используя ее для комплексного анализа объекта.

Система глубокого обучения функционирует без участия пользователя. Для ее полноценной работы нужен только компьютер. Чем больше функций будет установлено в алгоритме, тем точнее будет классификация объекта и тем точнее сработает оборудование. Предполагается, что распознавание с помощью видеокамер Deep Learning вскоре превзойдет человеческие возможности по тысячам параметров.

Зачем нужны интеллектуальные системы?

Современные решения в сфере безопасности не лишены недостатков. Традиционные системы видеонаблюдения работают в основном на обнаружение движения, и при этом не имеют функции анализа полученного сигнала. Самые совершенные IP-камеры отображают точки, формирующие фигуру, одну за одной, что значительно снижает точность определения.

Инфракрасные датчики, которые часто использую для охраны периметра, являются более эффективными в этом отношении, но они подвержены ложным срабатываниям при появлении животного в подконтрольной зоне. Можно устранить недостаток установкой электронных ограждений, но это не всегда безопасно и не всегда возможно с технической точки зрения.

Ложную тревогу в традиционных системах вызывает даже падающий лист или свет, который программа воспринимает как человеческое присутствие. Каждое срабатывание без явной причины требует от пользователей сил и времени на проверку, снижая общую эффективность защиты. По данным служб экстренного реагирования число ложных тревог составляет до 98 % от общего количества вызовов – внушительная цифра.

В качестве примера можно рассмотреть небольшой участок, где ночью почти не бывает людей и очень редко проезжают машины. В темное время суток отсюда может поступить до 50 тревожных сигналов. При каждой тревоге охранник должен либо проверить подконтрольную зону, либо направить туда группу. На проверку каждого сигнала уходит примерно 2-3 минуты, в редких случаях – 15 минут. Добавим сюда время на регистрацию тревоги, на написание рапортов и отчетов. За ночь более 3 часов может быть потрачено впустую из-за ложных срабатываний.

В этом свете технологии глубокого обучения выглядят едва ли не единственным решением вопроса повышения эффективности охранных систем. Программа Deep Learning собирает и анализирует данные от нескольких видеокамер, получает информацию от Научно-исследовательского института Hikvision и от других источников, использует уже накопленные данные по миллионам категорий и контролируется сотнями специалистов. Проведенные эксперименты показали повышение точности срабатываний на 38 %. Если вернуться к примеру с тихим участком, то установка интеллектуального оборудования позволит экономить каждую ночь не менее 1 ч. Обеспечена более точная идентификация по пересечению линии, обнаружению входа и выхода, вторжения.

Другие сферы применения Deep Learning

Новую технологию можно использовать не только в сфере безопасности. Функции Deep Learning расширяют возможности ее применения до невероятных пределов. В частности, алгоритм отслеживания движения отдельных лиц способен оценивать степень угрозы от каждого конкретного человека и определять ложные объекты. Порог обнаружения устанавливают по расстоянию или по времени нахождения на одном месте. Например, если человек приближается на 5 м к видеокамере или не покидает подконтрольную зону дольше 15 с, подается сигнал тревоги. Поведение объекта сравнивается с базой данных и программа выдает решение о степени его опасности.

Еще один полезный сценарий – обнаружение падения. Он также допускает настройку по времени и высоте. Например, распознавание человека на высоте более 0,5 м от пола, если он находится в таком положении дольше 10 с, определяется как тревога. Это решение уже планируется внедрять в домах престарелых и поликлиниках, где упавшему человеку может быть необходима срочная помощь.

Огромное количество интеллектуальных приложений, необычных функций позволяет Deep Learning удовлетворять самые разные потребности систем видеонаблюдения.