Камеры наблюдения наделят искусственным интеллектом

Искусственный интеллект в видеонаблюдении

Сегодня видеонаблюдение используется повсеместно. Системы обнаружения устанавливаются как на небольших объектах, так и на больших, в состав которых входит десятки, а то и сотни видеокамер. Крупные предприятия и различные службы, такие как, к примеру ГИБДД, нанимают большой штат операторов видеонаблюдения из-за огромного потока видеоинформации, поступающей с камер каждую секунду.

Но зачастую люди просто не справляются, упуская важные моменты, связанные с безопасностью. Прибавить к этому можно и человеческий фактор, когда люди не могут концентрироваться на одних объектах длительное время. Важные и нужные данные зачастую проходят мимо их внимания.

И здесь на помощь может прийти искусственный интеллект. Оговоримся сразу, ИИ в полном понимании этого слова еще не существует, однако есть системы машинного или глубокого обучения.

Обратите внимание

Различные компании предлагают сегодня свои решения, призванные сделать поиск по видеоархиву простым и удобным. Новые технологии помогают операторам быстро находить конкретного человека или транспортное средство.

Когда у оператора есть описание человека, технология позволяет выбрать его признаки, такие как пол или цвет одежды. В случае экстренного поиска пропавшего или подозреваемого эта технология будет особенно полезна, так как она может использовать описание для поиска человека в течение нескольких секунд.

Сегодня существует несколько решений, направленных на развитие искусственного интеллекта в видеонаблюдении. Рассмотрим некоторые из них.

Облачная платформа Kipod Analytics с искусственным интеллектом

Kipod использует облачные технологии и искусственный интеллект для управления видеоконтентом и кадровым анализом. Системы видео- и аудиоаналитики основаны на глубинном обучении. Искусственный интеллект способен идентифицировать конкретные лица и транспортные средства путем отслеживания с помощью нескольких камер. Kipod также имеет функции обнаружения тревог и классификации объектов.

Поиск видеофрагментов стал более интуитивным благодаря большим данным.

Kipod может искать кадры с определенным типом транспортного средства, человеком с конкретными особенностями лица или даже отслеживать аудиоинформацию, которая содержит определенные звуки, такие как выстрел из пистолета или разбитие стекла. Есть и фильтры для показа видеоматериалов с определенными атрибутами, такими как траектория движения, скрытые лица или остановка определенных объектов.

Kipod не только контролирует и анализирует потоки видео в режиме реального времени или записанные видеофрагменты, но также постоянно улучшается, изучая свои ошибки. Операторы обучают алгоритм, вознаграждая его за правильные уведомления и наказывая за ложные, это гарантирует, что он никогда не совершит одну и ту же ошибку дважды.

Если оператора интересует обнаружение только определенного типа объектов, он может обучить искусственный интеллект делать это.

Система достаточно чувствительна, чтобы различать пешехода и велосипедиста, или различные размеры транспортных средств на дороге.

Важно

Она также может одновременно контролировать и анализировать несколько видеоматериалов, что увеличивает возможности покрытия видео. Все эти функции доступны оператору из веб-браузера, что исключает дополнительные затраты на оборудование.

Технология интеллектуального обучения Deep Learning

Технология была впервые реализована компанией Hikvision и применена в практических приложениях Hikvision для снижения числа ложных тревог.

Разработчики 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.

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.

Алгоритм глубокого обучения Deep Learning 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.

Совет

Сигнал проходит сквозь структуру как по нейронной сети мозга, воспринимая информацию с каждого слоя и используя ее для комплексного анализа объекта.

Sensority Suspect Detection Video Surveillance

Sensority разработала аналитическую систему, основанную на облачных вычислениях, которая использует психофизиологические особенности людей на видеозаписях с камер наблюдения.

Система обнаруживает сотни людей в видеопотоке, комбинируя видеонаблюдение и психофизиологический анализ, чтобы поймать подозрительных или конкретных людей. Система может принимать решения и определять действия субъекта с помощью метода распознавания образов, а также наблюдать психофизиологические изменения. Благодаря глубинному изучению, SDVS способен улучшать аналитику с течением времени.

Sensority Suspect Detection Video Surveillance может работать с множеством камер, одновременно отслеживая несколько объектов с каждой камеры. Система предоставит временную шкалу всех подозрительных действий и предоставит список потенциально опасных событий. SDVS идеально подходит для мест скопления большого количества людей, таких как аэропорты и стадионы.

Face++ Face Comparing

Технология Face ++ Face Comparing — распознает в толпе нужное лицо. Для этого она сравнивать два изображения для определения сходства, используя глубинное обучение, что помогает при проверке личности.

Система с высокой точностью выполняет свои функции независимо от таких факторов, как макияж лица, неправильное освещение и положение головы.

Face ++ помогает защитить пользователей от подделки фотографий, поддельных лиц и 3D-аватаров.

Используя машинное обучение, Face ++ анализирует черты лица человека для того, чтобы определить его возраст, пол, интенсивность улыбки и т. д.

Чтобы еще больше повысить точность программного обеспечения, технология выделяет характерные (антропометрические) точки лица.

Обратите внимание

Программное обеспечение может быстро производить поиск по фотографиям и находить похожие лица, давая оценочные значения доверия и пороговые значения для оценки сходства.

Cogniac AI Visual Observation — платформа для безопасности производства

Платформа использует функцию обучения искусственного интеллекта на основании пользовательского выбора для построения визуальной обратной связи. Подключив изображения и видеопотоки, пользователи могут выбирать объекты и условия, которые представляют для них интерес, для дальнейшего обучения искусственного интеллекта и создания нужных записей в течение нескольких минут.

Искусственный интеллект может определять безопасность на рабочих местах, таких как строительные площадки, где работник должен носить надлежащую одежду для собственной безопасности.

Читайте также:  Миниатюрный робот-разведчик поступит на вооружение израиля

Искусственный интеллект также контролирует изношенное оборудование и отправляет уведомления, если он видит условия, которые могут потребовать внимания.

Cogniac AI может также использоваться и для других целей, таких как распознавание логотипов, осмотр местности или подсчет людей.

Мы рассмотрели лишь часть разработок по использованию ИИ в видеонаблюдении. Технологии на основе искусственного интеллекта помогут решить многие проблемы, связанные с видеонаблюдением.

Сегодня главная задача искусственного интеллекта в отрасли безопасности заключается в ее совершенствовании.

Программное обеспечение для управления видеонаблюдением на основе искусственного интеллекта помогает сократить время, затрачиваемое на наблюдение, делает работу всей системы более эффективной.

Важно

Искусственный интеллект позволяет реагировать на экстренные события в реальном времени, уменьшает сроки проведения расследований, позволяет вычленить нужный объект из огромной массы аналогичных, защитить людей, работающих в промышленном производств и строительстве и многое другое.

Уже сегодня ясно. что за искусственным интеллектом в видеонаблюдение будущее. Это главное направление в его развитии.

Источник: http://zapishemvse.ru/iskusstvennyj-intellekt-v-videonablyudenii/

Intel Movidius наделяет камеры видеонаблюдения возможностями искусственного интеллекта

Компания Movidius приняла участие в презентации Dahua Technology USA, где было рассказано о планах использования модуля обработки визуальной информации Movidius Myriad 2 в качестве компонента для некоторых моделей камер видеонаблюдения из линейки Dahua.

Новые камеры смогут не только наблюдать за обстановкой и вести видеозапись, но и решать более сложные задачи, в том числе выявлять несанкционированные скопления людей, использовать возможности стереоскопического зрения, распознавать лица, анализировать поведение людей в наблюдаемой области и вести подсчёт их количества, а также выявлять неправильно припаркованные машины.

Технологии Movidius позволяют использовать все достоинства искусственного интеллекта при разработке «умных» устройств с сверхнизким энергопотреблением.

Использование модуля обработки визуальной информации Myriad 2 позволило инженерам Dahua реализовать подсистему глубокого обучения нейросети внутри самой камеры.

Подобный подход позволяет использовать новые камеры независимо от наличия доступа к облачным вычислительным ресурсам.

«Текущая задача современных инженеров состоит в том, чтобы находить варианты применения возможностей искусственного интеллекта и машинного обучения при создании востребованных на рынке продуктов.

Подобный подход требует максимальной оптимизации энергопотребления, так как подсистема искусственного интеллекта должна функционировать внутри самой камеры», — отметил в рамках выступления на презентации Dahua Реми Эль-Узан (Remi El-Ouazzane), вице-президент группы новых технологий Intel и руководитель Movidius. «Модули обработки визуальной информации Myriad 2 обладают достаточной вычислительной мощью для обучения нейросетей и при этом потребляют менее одного Ватта электроэнергии. Выдающиеся характеристики нашего модуля позволили Dahua предложить рынку один из самых «умных» продуктов современности».

Сделка по приобретению Intel компании Movidius была закрыта в ноябре 2016 года.

Передовая платформа Movidius для обработки визуальной информации, позволяющая решать задачи анализа видеопотока на базе конечных устройств, сегодня работает в паре с лучшей на рынке сенсорной технологией Intel® RealSense™, что открывает дорогу для создания полностью автономных устройств, способных видеть окружающую обстановку в трёх измерениях, анализировать происходящее вокруг и соответствующим образом адекватно реагировать.

Источник: https://newsroom.intel.ru/news/intel-movidius-helps-bring-artificial-intelligence-video-surveillance-cameras/

Источник: http://sptc.ru/novosti-kompanij/3027-intel-movidius-nadelyaet-kamery-videonablyudeniya-vozmozhnostyami-iskusstvennogo-intellekta

Что такое искусственный интеллект и глубинное обучение?

В последнее время в официальных отчетах и пресс-релизах Hikvision все чаще упоминается словосочетание “Искусственный интеллект”. Казалось бы, с терминологией все понятно. Но искусственный интеллект (дальше – ИИ) – штука непростая, потому что определения этого понятия бывают разными.

Для начала разберемся из чего состоит любой ИИ.

Из механизма пополнения этой базы. Для примитивных ИИ, типа первых шахматных суперкомпьютеров, пополнение происходило вручную, а сейчас программы обучаются сами.

Одним из критериев признания программы ИИ может быть прохождение теста Тьюринга. Цель теста – определить, может ли машина, компьютер, программа мыслить. 

Алан Тьюринг предложил идею этого теста ещё в далёком 1950 году. Предпосылкой стал опыт работы Тьюринга над проблемами машинного интеллекта с 1941 года.

К 1947 Алан упоминает уже о “компьютерном интеллекте”.

Совет

К 1950 публикует статью, в которой заменяет абстрактный вопрос “Могут ли машины думать?” вопросом “Могут ли машины делать то, что можем делать мы, как мыслящие создания?”. А это гораздо проще проверить. 

Были использованы несколько вариантов теста. Один из них – игра в шахматы: человек А играет с компьютером Б, человек А играет с человеком С, который передаёт свои ходы через компьютер.

Второй вариант – разговор в текстовом формате по тому же принципу: человек разговаривает с человеком и с компьютером, пытается понять кто из них кто.

Применялось даже оценивание компьютера жюри из нескольких человек на базе разговора.

Такой тест могут пройти даже чат-боты, проработавшие достаточно долго с большим количеством людей (яркие примеры – pBot, Алиса). Проблемой становится лишь то, что они часто и быстро перенимают основные пороки интернет-общения (грубость, сексизм, расизм и пр.)

Другой критерий – возможность программы или механизма с программой выполнять действия, и принимать решения за человека. Но для достаточно прописанной базы с большим разветвлением вариантов внешних событий и реакций на них это не составит труда.

Контрастный пример: можно сделать машину, которая будет ехать без водителя прямо. А можно сделать машину, едущую только по своей стороне дороги, соблюдающую ПДД (в том числе и фиксировать знаки и сигналы светофора, распознавать движения регулировщика).

В дождь она включит перед камерой дворники, а в минусовую температуру включит печку, в случае же землетрясения будет гудеть, мигать и всячески оповещать людей. Эти машины будут делать одно и то же – ехать.

Обратите внимание

Но ехать по-разному, а для прописывания всех возможных ситуаций только в формате “если случилось А, сделай Б” могут уйти годы.

Поэтому в последнее время под искусственным интеллектом понимают самообучающийся.

Вот несколько ярких иллюстраций из кино и литературы. Робот NDR из повести Айзека Азимова “Двухсотлетний человек”, созданный обычным бытовым роботом и ставший личностью благодаря разговорам со своим хозяином, чтению и событиям долгой жизни.

 Джарвис и Вижн из фильмов о Железном человеке. Джарвис был создан вопросно-ответной системой, но со временем приобрел больше опыта и стал незаменимым. Вижн же был создан с помощью Джарвиса и готового ИИ.

Еще один пример, который наверняка помнят любители фильмов о Терминаторе – Скайнет.

В чем компьютер точно лучше человека? Пожалуй, в скорости мышления. Если в объемах информации мы ещё соревнуемся, то к примеру, даже мой компьютер, оснащенный процессором с тактовой частотой 3 ГГц, в секунду совершает до 3 миллиардов базовых операций.

Даже с учетом того, что более или менее сложные действия (типа отрисовки картинки на мониторе) могут состоять из сотен и тысяч базовых действий, человек всё равно сильно отстаёт.

Читайте также:  Датские ученые создали модульного робота

И мы не берём во внимание суперкомпьютеры, которые обычно занимаются сложной деятельностью.

Ещё одна “победа” компьютера над нами – повторяемость опыта. Если очень сложный компьютер вырабатывает на личном “опыте” программу поведения в той или иной ситуации, то ее можно в готовом виде загрузить в компьютеры попроще. Это используется, в том числе, в видеонаблюдении.

И вот мы подходим к теме обучаемости ИИ, а вместе с ней к глубинному обучению.

Источник: https://hikvision.org.ua/ru/articles/chto-takoe-iskusstvennyy-intellekt-i-glubinnoe-obuchenie

В китае создают тотальную систему распознавания лиц граждан. она поможет ловить преступников и собирать данные на всех остальных — meduza

Офицер полиции из Чжэнчжоу в солнечных смарт-очках, 5 февраля 2018 года.AFP / Scanpix / LETA

Солнечные смарт-очки для полицейских разработала китайская компания LLVision Technology Co. Они внешне похожи на Google Glass, оборудованы камерой и связаны с базой данных правоохранительных органов.

Чтобы проверить личность подозрительного человека, полицейскому надо посмотреть на него с расстояния не больше пяти метров и с ракурса, при котором видно не меньше 70% лица. Система распознавания лиц автоматически начнет искать совпадения в базе данных; на поиск нужно 2-3 минуты.

Если совпадение найдено, система сообщит имя и домашний адрес человека.

Первыми устройство начали использовать полицейские города Чжэнчжоу в китайской провинции Хэнань.

Важно

С 1 февраля они надевают смарт-очки во время дежурства на железнодорожном вокзале Чжэнчжоу, дневной пассажиропоток которого обычно вырастает с 60 до 90 тысяч человек во время .

За полторы недели использования смарт-очков полиция уже поймала с их помощью семерых человек, подозреваемых в разных преступлениях — от дорожных аварий до похищения людей. Еще 26 человек были задержаны за то, что пользовались фальшивыми ID-картами.

Новый гаджет китайских полицейских обеспокоил западных правозащитников. «Если каждого полицейского можно снабдить очками с технологией распознавания лиц, китайская система наблюдения станет еще более вездесущей», — заявил Уильям Ни, специалист по Китаю в международной правозащитной организации Amnesty International.

С помощью системы распознавания лиц Китай хочет создать «рейтинг общественной надежности»

В 2015 году китайские власти запустили проект по созданию национальной базы данных на основе системы распознавания лиц.

Ради него в стране строят сеть камер видеонаблюдения, которую сами китайские власти называют крупнейшей в мире: 176 миллионов камер уже установлены, еще около 450 миллионов планируется установить до 2020 года (для сравнения, в США их около 50 миллионов).

Неизвестно, сколько китайских камер оборудованы системой распознавания лиц, но, по задумке властей, к 2020 году искусственный интеллект сможет за три секунды узнать в лицо каждого из почти 1,4 миллиарда жителей страны.

С помощью этой технологии китайское правительство сможет собирать гигантский объем информации про своих граждан.

Объединив эти данные с базами полиции, банков и онлайн-сервисов, власти планируют с 2020 году ввести в стране так называемый «рейтинг общественной надежности». Каждому жителю будет присваиваться определенное количество баллов, исходя из его поведения.

На основе этих баллов ему будут открывать (или закрывать) доступ к таким привилегиям как туристические визы, социальные пособия или выгодные ставки по кредитам.

Как будут присваиваться и отбираться баллы, пока неясно, но очевидно, что решать это будут власти. «Китай движется к тоталитарному обществу, в котором правительство контролирует и влияет на личную жизнь людей. Как Большой Брат, у которого есть вся информация о тебе, и который может нанести тебе любой ущерб», — говорил The Washington Post китайский писатель Муронг Хукан.

Китай может использовать искусственный интеллект для слежки за неугодными

На Западе считают, что тотальное наблюдение за гражданами дает возможность контролировать инакомыслящих: политических диссидентов, религиозные группы или этнические меньшинства.

По данным агентства Bloomberg, власти Китая уже используют искусственный интеллект для слежки за уйгурами-мусульманами в Синьцзян-Уйгурском автономном районе на северо-западе страны. В регионе живет около 10 миллионов уйгуров — это более 70% его населения.

Там сильны антиправительственные настроения и действует группировка «Восточный Туркестан», которая выступает за отделение от Китая и которую Пекин обвиняет в терроризме.

Совет

В начале 2017 года в Синьцзяне начали тестировать систему, которая с помощью камер наблюдения оповещает полицию, если местные жители уходят дальше чем на 300 метров от «безопасных зон» (ими считаются дом и работа).

В этих случаях полиция имеет право остановить человека или допросить его родных.

Кроме этого, чтобы следить за перемещениями жителей Синьцзяна, их заставляют устанавливать системы GPS в свои автомобили и проходить через сканеры лиц при входе на вокзалы, рынки и автозаправки, писал Bloomberg со ссылкой на анонимный источник, связанный с проектом.

«Такая система хорошо приспособлена для того, чтобы следить за людьми. Раньше слова „Предъявите документы“ были символом тирании; сейчас уже не нужно ничего спрашивать», — прокомментировал проект член консультативного комитета по конфиденциальности данных при министерстве национальной безопасности США Джим Харпер.

Источник: https://meduza.io/feature/2018/02/11/v-kitae-sozdayut-totalnuyu-sistemu-raspoznavaniya-lits-grazhdan-ona-pomozhet-lovit-prestupnikov-i-sobirat-dannye-na-vseh-ostalnyh

Получайте больше от видеонаблюдения, используя аналитику и глубинное обучение

Способность анализировать и обучаться, основываясь на материалах безопасности, стала важным аспектом видеонаблюдения. Мы рассмотрим несколько компаний, которые разработали видеоаналитическое программное обеспечение с такими функциями, как раcпознание разных типов объектов и способностью к обучению.

Облачная платформа Kipod Analytics с искусственным интеллектом и большими данными

Kipod использует мощь облачных технологий, искусственного интеллекта и больших данных для управления видеоконтентом и кадровым анализом. Используя облако, пользователь может просматривать кадры с миллионов камер.

Как видео-, так и аудиоаналитика основаны на глубинном обучении. Искусственный интеллект способен идентифицировать конкретные лица и транспортные средства путем отслеживания с помощью нескольких камер.

Kipod также имеет функции обнаружения тревог и классификации объектов.

Поиск видеофрагментов стал более интуитивным благодаря большим данным.

Kipod может искать кадры с определенным типом транспортного средства, человеком с конкретными особенностями лица или даже отслеживать аудиоинформацию, которая содержит определенные звуки, такие как выстрел из пистолета или разбитие стекла.

Пользователи также могут устанавливать фильтры для показа видеоматериалов с определенными атрибутами, такими как траектория движения, скрытые лица или остановка определенных объектов.

Видеоаналитика на основе глубинного обучения Calipsa

Мониторинг видеонаблюдения в течение длительного времени может быть утомительной задачей для людей. С течением времени можно потерять внимание и концентрацию.

Calipsa разработала систему искусственного интеллекта, которая не только контролирует и анализирует потоки видео в режиме реального времени или записанные видеофрагменты, но также постоянно улучшается, изучая свои ошибки.

Обратите внимание

Операторы обучают алгоритм, вознаграждая его за правильные уведомления и наказывая за ложные, это гарантирует, что он никогда не совершит одну и ту же ошибку дважды.

Если оператора интересует обнаружение только определенного типа объектов, он может обучить искусственный интеллект делать это.

Система достаточно чувствительна, чтобы различать пешехода и велосипедиста, или различные размеры транспортных средств на дороге.

Важно

Она также может одновременно контролировать и анализировать несколько видеоматериалов, что увеличивает возможности покрытия видео. Все эти функции доступны оператору из веб-браузера, что исключает дополнительные затраты на оборудование.

Читайте также:  Как спроектировать собственного робота за считанные минуты

Sensority Suspect Detection Video Surveillance, контроль подозрительного видеонаблюдения

Sensority разработала аналитическую систему, основанную на облачных вычислениях, которая использует психофизиологические особенности людей на видеозаписях с камер наблюдения.

Система Suspect Detection Video Surveillance (SDVS) обнаруживает сотни людей в видеопотоке, комбинируя видеонаблюдение и психофизиологический анализ, чтобы поймать подозрительных или конкретных людей.

Система может принимать решения и определять действия субъекта с помощью метода распознавания образов, а также наблюдать психофизиологические изменения.

Благодаря глубинному изучению, SDVS способен улучшать аналитику с течением времени.

Важно

SDVS может работать с множеством камер, одновременно отслеживая несколько объектов с каждой камеры. Система предоставит временную шкалу всех подозрительных действий и предоставит список потенциально опасных событий. SDVS идеально подходит для мест скопления большого количества людей, таких как аэропорты и стадионы.

Face++ Face Comparing

Технология Face ++ Face Comparing — это нечто большее, чем простое обнаружение лица или распознавание лица. Она может сравнивать два изображения для определения сходства, используя глубинное обучение, что помогает при проверке личности.

Система с высокой точностью выполняет свои функции независимо от таких факторов, как макияж лица, неправильное освещение и положение головы. Face ++ помогает защитить пользователей от подделки фотографий, поддельных лиц и 3D-аватаров.

Используя машинное обучение, Face ++ анализирует черты лица человека для того, чтобы определить его возраст, пол, интенсивность улыбки и т. д.

Чтобы еще больше повысить точность программного обеспечения, технология выделяет характерные (антропометрические) точки лица.

Обратите внимание

Программное обеспечение может быстро производить поиск по фотографиям и находить похожие лица, давая оценочные значения доверия и пороговые значения для оценки сходства.

Cogniac AI Visual Observation, платформа для контроля и безопасности производства

Cogniac AI Visual Observation использует функцию обучения искусственного интеллекта на основании пользовательского выбора для построения визуальной обратной связи.

Подключив изображения и видеопотоки, пользователи могут выбирать объекты и условия, которые представляют для них интерес, для дальнейшего обучения искусственного интеллекта и создания автоматических наблюдений в течение нескольких минут.

Совет

в тему: HIKVISION ПРЕДСТАВЛЯЕТ ПЕРВЫЙ В МИРЕ СЕТЕВОЙ ВИДЕОРЕГИСТРАТОР (NVR) СО ВСТРОЕННЫМ «ГЛУБИННЫМ ОБУЧЕНИЕМ»

Платформа может быть развернута в различных условиях для повышения безопасности. Искусственный интеллект может определять безопасность на рабочих местах, таких как строительные площадки, где работник должен носить надлежащую одежду для собственной безопасности.

Искусственный интеллект также контролирует критическое оборудование и отправляет уведомления, если он видит условия, которые могут потребовать внимания.

Cogniac AI может также использоваться и для других целей, таких как распознавание логотипов, осмотр местности или подсчет людей.

calipsa kipod видеоаналитика видеонаблюдение

Источник: https://security-news.today/poluchajte-bolshe-ot-videonablyudeniya-ispolzuya-analitiku-glubinnoe-obuchenie/

Библиотека

Системы видеоанализа с применением искусственного интеллекта моделируют работу человеческого мозга по анализу и обучению. Они поддерживают структурный анализ до 192 каналов видео в HD-качестве и распознают до 80 человек за 40 мс.

С широким распространением графических ускорителей и технологий глубинного обучения индустрия видеонаблюдения предложит клиентам возможности, которые были недостижимы традиционными средствамиЧжао Шэнбо
Директор по развитию рынка России и СНГ компании Dahua Technology

– Мир заполонили видеокамеры наблюдения. Получаемого видеоматериала слишком много, чтобы весь его можно было обработать силами операторов. Большую часть видеозаписей уничтожают или перезаписывают даже без просмотра. В последнее время в новостях и заголовках профессиональных изданий все чаще фигурируют технологии видеоанализа в сочетании с развитием искусственного интеллекта. Как вы относитесь в этому тренду?
– Технологии видеоанализа развиваются последние 10 лет, и новый виток интереса к ним действительно связан с применением искусственного интеллекта. Машинное обучение сильно упрощает разработку программного обеспечения, а вычислительная мощность графических процессоров настолько возросла, что открыла возможность анализировать видео практически в реальном времени.

Компания Dahua Technology одной из первых на мировом рынке видеонаблюдения занялась технологиями искусственного интеллекта (AI). В 2009 г.

мы создали отдельный департамент для ведения научно-исследовательских работ в области интеллектуальных алгоритмов и их применения для задач безопасности.

Впоследствии этот департамент был объединен с другими исследовательскими командами – так был основан Институт передовых технологий, который занимается искусственным интеллектом, оптикой, кодеками, внутрисхемным программированием и т.п.

На нашем счету несколько успешных внедрений систем видеонаблюдения с применением AI в проектах масштаба города и даже страны.

Например, для саммита G20, который прошел под председательством Китая в Ханчжоу в 2016 г.

, были выбраны решения видеонаблюдения Dahua с использованием технологий глубинного обучения, чтобы автоматически выявлять признаки подозрительного поведения людей в аэропорту и на вокзалах.

– Насколько традиционный интеллектуальный видеоанализ уступает видеоанализу на основе технологий глубинного обучения?
– Технологии глубинного обучения представляют собой искусственные нейронные сети, в которых задействовано несколько уровней абстракции. Такие системы моделируют работу человеческого мозга по анализу и обучению.

Нейронные сети имитируют функцию головного мозга по интерпретации данных: изображения, голоса и текста. Применение глубинного обучения в индустрии безопасности важно по двум причинам. С одной стороны, эти технологии повышают точность некоторых алгоритмов видеоанализа. С другой – позволяют реализовывать функции, которые традиционными средствами были недоступны.

Обратите внимание

Например, распознавание лиц состоит из последовательности трех действий: обнаружение лица, совмещение черт лица и сравнение выделенных характеристик. С применением глубинного обучения качество выполнения каждого из этих действий можно значительно улучшить. Мимика, пол, возраст, цвет волос, эмоции – точность распознавания этих характеристик существенно повышается.

Более того, можно задействовать графический процессор, чтобы ускорить вычисление алгоритмов глубинного обучения.

– Как глубинное обучение может усилить производительность системы видеонаблюдения?
– Традиционная интеллектуальная система видеоанализа не способна успешно обработать масштабную сцену, где одновременно находятся более 300 человек. Не говоря уже о групповом анализе движущихся элементов сцены.

Теперь, благодаря технологиям глубинного обучения и возросшим вычислительным мощностям графических процессоров, видеоанализ может легко справляться с 300 целями одновременно, а также параллельно рассчитывать плотность людского потока и идентифицировать характер движения толпы, обеспечивая силы безопасности более полезной информацией.

– Опишите успешный пример использования глубинного обучения в системах распознавания изображения.

Источник: http://secuteck.ru/articles2/videonabl/sliyanie-videonablyudeniya-i-iskusstvennogo-intellekta

Ссылка на основную публикацию
Adblock
detector