Контакты
Подписка
МЕНЮ
Контакты
Подписка

Интеллектуальное видеонаблюдение:критерии оценки и факторы, влияющие на развитие отрасли

В рубрику "All-over-IP" | К списку рубрик  |  К списку авторов  |  К списку публикаций

Интеллектуальное видеонаблюдение:критерии оценки и факторы, влияющие на развитие отрасли

Чем больше я размышляю на тему интеллектуальности современных систем (особенно видеонаблюдения), тем больше прихожу к выводу, что сегодня термин "интеллектуальность" является в большей степени маркетинговым, чем техническим
Андрей Христофоров
Директор по продажам компании ITV | AxxonSoft

На текущем уровне развития цивилизации ни одна компьютерная система не способна полностью самостоятельно сделать вывод, который заранее не был продуман программистами и заложен в нее как один из вариантов решения. Чем сложнее и вариативнее алгоритмы возможных решений системы, тем более интеллектуальной и самостоятельной она кажется пользователю. Чем больше событийно-реактивных связей описано в алгоритмах, тем больше искусственный интеллект (ИИ) потрясает воображение обывателя. Этапы развития ИИ не сильно отличаются от других отраслей жизнедеятельности человека – это путь от дагеротипии и фильмоскопа до "движущихся картинок" и 3D-кинематографии.

Разговор об искусственном интеллекте и об интеллектуальности систем видеонаблюдения в частности я хотел бы начать с того, как все начиналось.

Историческая справка

Впервые понятие искусственного интеллекта было предложено Джоном Маккарти в 1956 г. на конференции в Дартмутском университете. С тех пор появилось множество более или менее точных определений этого понятия, которые вводят в нашу жизнь различные специалисты. Мне нравится, например, такое: "ИИ – это свойство вычислительной машины, программы или сети нейроподобных элементов самостоятельно реагировать на поступающую информацию". Давайте отталкиваться от этого определения.

Отраслевая специфика

Безусловно, применение ИИ в каждой области очень специфично. Например, если мы говорим о системах семантического распознавания текстов, то сейчас в них сумасшедшая вариативность. Подобные системы способны не только сопоставлять части текстов, но и самостоятельно их создавать, вызывая благоговейный ужас потребителя и создавая ощущение настоящего ИИ. Пример компьютерных стихов одной из поэтических программ:

Гаснут кромкой фонари,
Раскудахталась поземка,
Жухлый вальс, листок любви,
Распласталась грез котомка.1

Безусловно, это графоманство. Но порой некоторые живые авторы пишут еще хуже. При этом такие системы не требуют больших вычислительных мощностей, поскольку данные, которыми они оперируют, по современным меркам весьма небольшие по объему. Так, сегодня можно уместить на одной флешке любую библиотеку мира, хотя еще лет 30 назад обработка текста была для компьютерных систем сложной задачей.

В качестве примера можно также привести шахматные программы, которые имеют высочайшую вариативность и вызывают у пользователя впечатление настоящей интеллектуальности системы, поскольку опираются на запротоколированный шахматный опыт целых поколений.

В отличие от этих систем, не требующих чрезмерных вычислительных ресурсов для просчета вероятностей решения, современные видеоаналитические системы работают с гораздо большим объемом входящей информации и по-прежнему не обладают достаточной вариативностью.

Таким образом, ИИ специфичен для разных аспектов жизнедеятельности человека. И эта специфика обусловлена:

  1. самими данными, которые нужно обрабатывать, их объемом и сложностью обработки;
  2. вызовами извне.

Три блока

Любую машинную систему ИИ, включая видеонаблюдение, можно разбить на три крупных взаимодействующих друг с другом блока:

  1. первый блок занимается системным анализом входящей информации. Это "органы чувств" ИИ, "глаза", "уши" и т.д.;
  2. второй (сам ИИ) – это различные алгоритмические операции, работающие с подготовленными системным анализом данными;
  3. третий, очень важный блок, – это система управления и принятия решений. Именно этот блок взаимодействует непосредственно с пользователем.

Сложность решений, которые принимает ИИ, напрямую зависит от системного анализа, то есть от инструментов анализа, которые используются для обработки входящей информации. Чем сложнее, точнее и интереснее системный анализ, тем более вариативным будет ИИ. Пользователь же взаимодействует с системой управления и принятия решений и на основе этого взаимодействия оценивает степень интеллектуальности всей системы. Именно поэтому даже при наличии очень развитого ИИ, но слаборазвитого системного анализа и плохо сбалансированной системы управления и принятия решений общая эффективность может быть низкой и незаметной для пользователя.

Системный анализ в видеонаблюдении

Как я уже сказал, очень важным с точки зрения построения ИИ является системный анализ, "глаза" и "уши", тактильные сенсоры. Однако, переходя к теме систем видеонаблюдения, нужно понимать, что инструменты для системного анализа, существующие сейчас на рынке, далеки от совершенства и от решения истинных задач и потребностей пользователя. Современный пользователь хочет от системы интеллектуального видеонаблюдения намного больше, чем она способна дать. Почему?

Современные системы машинного зрения умеют фиксировать события, понимать, что в кадре что-то произошло, они могут оперировать понятиями "объект", "субъект" и их свойствами (скорость, цвет, размер, координаты), они даже способны их идентифицировать (например, в случае с распознаванием лиц, номеров автомобилей или ЖД-вагонов). Но по-настоящему интеллектуальной система видеонаблюдения будет выглядеть для пользователя тогда, когда ИИ сможет давать оценку происходящему. То есть когда блок системного анализа сможет присваивать объектам и субъектам, появляющимся в кадре, такие характеристики, с помощью которых блок ИИ будет не просто идентифицировать взаимодействие объектов в кадре, а понять, что непосредственно произошло. Иными словами, не просто сообщить пользователю, что объект А приблизился к объекту Б и некоторое время взаимодействовал с ним, а что человек взял стакан с водой (жидкостью) и выпил из него. Ну и, конечно, мы ждем, что эти характеристики станут сквозными для всей интеллектуальной системы, а не только для одной видеокамеры. Сейчас мы как будто оцениваем мир по-разному – левым и правым глазом. И эти оценки порой не связаны между собой.


Причем запросы пользователя сильно превышают реальные возможности интеллектуальных систем видеонаблюдения именно при анализе видеоизображения в реальном времени. В достаточной степени это связано с тем, что на этапе системного анализа пока не существует механизмов, способных отделить полезную для пользователя информацию о взаимодействии объектов от бесполезной, в связи с чем ИИ вынужден обрабатывать всю поступающую информацию. Для системы ИИ движение ветвей дерева в кадре зачастую настолько же важно, насколько движение человека по дороге. А пользователю становится непонятно, почему при анализе возникающих тревог в реальном времени система управления и принятия решений пытается потратить его, пользователя, время на оценку действий дерева.

Эти технологические недостатки систем интеллектуального анализа зачастую приводят к тому, что у потребителя появляется недоверие к существующим решениям. Настроение меняется от "ИИ может все" до "ИИ не работает совсем". При этом правда где-то посередине.

Я постоянно сталкиваюсь с тем, что клиент хочет применить систему интеллектуального анализа и видеонаблюдения, чтобы полностью исключить человеческий фактор. А ведь именно этот запрос – исключение человеческого фактора – идет вразрез с общей архитектурой построения современного интеллектуального видеонаблюдения. На данный момент система интеллектуального видеонаблюдения – это лишь помощник человека в принятии решений. Полное исключение человеческого фактора станет возможно лишь тогда, когда значительно возрастет вариативность блока управления и взаимодействия. А для этого нужно, чтобы связка "системный анализ – ИИ" смогла давать достоверную оценку тому, что именно происходит в кадре или в системе в целом.

Интеллектуальная обработка видеоархива

К решению задачи эффективно разделять полезную и бесполезную, с точки зрения пользователя, информацию максимально приблизились технологии интеллектуальной обработки видеоархивов. При работе с видеоархивами мы изначально сталкиваемся со всеми существующими недостатками современных систем анализа, однако они могут быть нивелированы тем, что обработка информации происходит постфактум. Известно, что в развитой инфраструктурной современной системе видеонаблюдения полезная информация составляет, к сожалению, меньше 10%. В реальном времени система управления и взаимодействия с пользователем реагирует на каждый вызов и одновременно вываливает на пользователя и полезную, и бесполезную информацию в отношении 1:9, тем самым создавая у него нервозность и ощущение бесполезности системы. При работе с архивом он запрашивает информацию по определенным критериям. По этим фильтрам, которые передает в ИИ блок управления и принятия решений, ИИ может отфильтровать все бесполезное и выдать пользователю лишь полезную информацию как максимально релевантные результаты поиска. При этом в разные моменты времени информация может трактоваться то как полезная, то как бесполезная в зависимости от конъюнктуры запроса.

Если же попытаться в реальном времени настроить подобные фильтры в блоке системного анализа, то есть заранее попытаться угадать, какая информация может быть полезной и какие могут быть вызовы у этой системы, или постараться создать оценку информации с помощью, например, модели нарушителя, то существует огромный риск "оттюнинговать" систему таким образом, что она просто не среагирует в нужный момент. Иными словами, эти действия умышленно снижают вариативность системы, а как мы вывели в начале статьи – чем меньше вариативность системы, тем ниже ее интеллектуальность. В реальной жизни так и происходит – либо мы имеем много ложных срабатываний, либо периодический пропуск ожидаемых событий. И тут, конечно, очень важна точность настройки компромисса.

Именно поэтому на данном этапе развития технологий система постобработки оказывается действительно интеллектуальной и приносит пользу потребителю.

Тенденции развития искусственного интеллекта

Общие тенденции развития компьютерного анализа в различных областях нашей жизни показывают, что все профессионалы, связанные с интеллектуальной обработкой любой информации, идут приблизительно в одном и том же направлении. А именно – в сторону попытки разобраться в человеческих способностях обрабатывать информацию и наделить компьютерные вычислительные программы этими свойствами. То есть увеличить прежде всего вариативность в блоке получения информации и системного анализа, чтобы блок ИИ мог давать более развернутую оценку происходящего. Таким образом, чтобы получить серьезный качественный скачок, очередную революцию на рынке именно интеллектуального видеонаблюдения, требуются серьезные подвижки не только в блоке интеллектуальной обработки, но и в блоке первичного системного анализа.

В свою очередь, на качество первичной обработки и сбора данных влияет множество различных факторов – это и оптическое разрешение камер (чем больше пикселей в изображении, тем больше информации для обработки и анализа), и, как следствие, увеличение объемов обрабатываемой информации, а значит, и возрастающие потребности в процессорных мощностях. Эти данные, увеличивающиеся в сумасшедшей прогрессии, требуется передавать, а следовательно, должна также расти и индустрия хранения и передачи этих данных. И вообще, революция на данном рынке возможна при синхронном развитии большого количества отраслей – как самих инструментов анализа (то есть математического аппарата и научных разработок на эту тему), так и медицины (изучение функционирования мозга человека и поведения живых организмов), психологии (взаимодействие живых организмов друг с другом и с внешними раздражителями) и сугубо технических сфер (процессорные технологии, рост вычислительных мощностей, быстродействия и объемов хранения и систем транспортировки данных). Учитывая темпы развития обозначенных отраслей, мы с вами точно увидим невероятные, поражающие воображение технологии. В интересное время мы живем, друзья.

___________________________________________
1 Автор – машина "Кибер-Пушкин".

Опубликовано: Журнал "Системы безопасности" #6, 2016
Посещений: 5775

  Автор

Андрей Христофоров

Андрей Христофоров

Директор по корпоративным продажам
компании ITV I AxxonSoft

Всего статей:  18

В рубрику "All-over-IP" | К списку рубрик  |  К списку авторов  |  К списку публикаций