PublicatioЖурнал "Системы Безопасности" № 2‘2018

w w w . a l l - o v e r - i p . r u n A L L - O V E R - I P 63 или справа. В традиционной видеоаналитике существует множество запатентованных алгоритмов, что периодически приводит к патентным войнам, судам и т.д.; l видеоаналитика будущего. Работает на основе нейронных сетей и само- стоятельно оценивает поведение человека или событие, а оператору остается только решить, согласен ли он с ее оценкой. Это приводит к комбинации искусственного машинного интеллекта с интеллектом человека, что дает наиболее эффективный результат. На наш взгляд, именно второй тип аналитики действительно изменит мир и прежние правила. Более того, распространяясь все больше и больше, видеоаналитика на основе нейронных сетей будет способство- вать тому, что патенты и патентные войны уйдут в прошлое. При этом роботы не заменят человека – они будут работать совместно, и это ста- нет ключевым фактором развития видеоаналитики в целом: часть рабо- ты будут выполнять машины, а человеческий интеллект – подключаться в сложных ситуациях и принимать окончательное решение. Какие тренды изменят рынок? Дальнейшая трансформация рынка будет происходить под влиянием трех основных трендов, которые уже оказывают на него активное воздействие: 1. Агрегация данных с сенсоров. 2. Автоматизация процессов создания информации. 3. Визуализация событий для принятия решения. Рассмотрим их подробнее. Агрегация Агрегация подразумевает работу с Big Data, а именно – сбор всех воз- можных данных из различных источников и сенсоров на определенном центральном сервере для выделения полезной информации и принятия решений на ее основе. Драйвером этого тренда является Интернет вещей. По оценкам Milestone Systems, в течение следующих 3–4 лет минимум 50% продаваемых лицензий ПО будут предназначены не для видеоканалов, а для подключе- ния разных сенсоров. Автоматизация Автоматизация представляет собой комбинацию машинного и человече- ского интеллекта: машины автоматизируют процесс, а человек подклю- чается к нему тогда, когда система в чем-то не уверена, и принимает окончательное решение. Появление графических процессоров GPU стало ключевым драйвером авто- матизации. На классических CPU собирать и анализировать большие данные было гораздо сложнее, теперь же есть возможность обрабатывать нейрон- ные сети на GPU, что стало действительно переломным моментом. Вычис- лительные мощности GPU в совокупности с искусственным интеллектом поз- воляют анализировать огромное количество данных от разных сенсоров. Визуализация Визуализация событий и процессов помогает человеку быстрее прини- мать решения. По результатам исследования IHS Data, в конце 2014 г. в мире официаль- но насчитывалось 245 млн камер, а по факту – намного больше. Пробле- ма заключается в том, что колоссальное количество данных от этих камер необходимо анализировать. В таком огромном потоке очень сложно заметить террористическую или криминальную активность либо предска- зать, что определенная информация будет служить доказательством в будущем для расследования инцидентов. Но искусственный интеллект и GPU отлично справляются с такой объемной задачей: собирают данные, анализируют, выделяют метаданные и предоставляют готовую информа- цию для принятия решений человеком. На рис. 1. представлен пример использования визуализации. Час видеоза- писи сжимается до 30 с, во время которых показаны все произошедшие события – это помогает быстро найти необходимую информацию и выде- лить нужные данные с помощью фильтров (размер, цвет, направление и т.д.). Новая эра видеоаналитики Говоря о будущем видеоаналитики, уже сейчас можно с уверенностью сказать, что оно будет зависеть от комбинации машинного и человече- ского интеллекта, когда большая часть работы выполняется машинами в автоматизированном режиме, а человек подключается к процессу в том случае, если машина в чем-то сомневается. Это поможет принимать решения быстрее и эффективнее, еще больше ускорить развитие техно- логий и свести патентные войны на нет. Темпы развития станут стремительными, и отдельным компаниям будет сложно справляться с грядущими объемами работы. В данной ситуации игрокам рынка целесообразно объединяться, сотрудничать с разными отраслями и экспертами и действовать как единое комьюнити, чтобы соз- давать решения и продукты нового качества, отвечающие современным требованиям заказчиков. n www.secuteck.ru апрель – май 2018 Ваше мнение и вопросы по статье направляйте на ss @groteck.ru Год назад в журнале "Системы безопасно- сти" № 2/2017 я писал о том, что городско- му видеонаблюдению пора поумнеть, и умным его сделают прежде всего интел- лектуальные технологии поиска в видео- архиве, потому что классическая видеоана- литика реального времени в условиях городской среды не работает и видео используется в основном для расследования уже случившихся происшествий. В целом все это осталось по-прежнему, но с небольшим дополнением: нейросети в видеонаблюдении сделали такой рывок вперед, что уже можно говорить и о применении видео- аналитики реального времени на некоторых критически важных участ- ках городского наблюдения. Этот вывод я делаю не на основании рекламных проспектов, а на осно- ве нашего собственного опыта разработки и применения нейросетевых технологий. Конечно, детекторы неадекватного поведения или терро- риста в толпе так и остались фантастикой, но снизить количество лож- ных срабатываний детектора оставленных предметов до приемлемого уровня вполне возможно. Однако какую бы видеоаналитику вы ни использовали – нейросетевую или классическую – в реальном времени или для поиска в архиве, вам нужны дополнительные и дорогостоящие вычислительные ресурсы. Разумеется, это серьезно сокращает возможности применения анали- тики в проектах. Выход из сложившейся ситуации – в распределении вычислений. То есть устройства, например камеры видеонаблюдения, должны стать достаточно умными, чтобы снять нагрузку с сервера, но при этом не стать очень дорогими. Возможно ли это? Наш опыт сотрудничества с такими производителями, как Dahua и Hikvision, говорит, что возмож- но. При этом важно, что камеры не просто производят детектирование в реальном времени, но и передают на сервер "сырые" метаданные, необходимые для быстрого поиска в архиве. Таким образом мы убиваем двух зайцев. Во-первых, снижаем конеч- ную стоимость решения. Во-вторых, появляется возможность запускать пилотные проекты с видеоаналитикой практически бесплатно – в рам- ках развернутой системы на имеющемся оборудовании. И это особен- но важно именно для видеоаналитики, потому что заказчик должен воочию убедиться, что она работает. Итак, благодаря нейросетям и умным устройствам отрасль сделала еще один шаг в сторону интеллектуального видеонаблюдения. Думаю, что следующий шаг будет сделан, когда мы научимся ускорять нейро- сети прямо на камерах. Судя по появлению таких устройств, как HiSilicon Kirin 970, ждать осталось недолго. Похоже, городскому видео- наблюдению пора не только поумнеть, но и подешеветь. Мурат Алтуев Президент компании ITV | AxxonSoft КОЛОНКА ЭКСПЕРТА Умный безопасный город. Недорого