Войти
Искусственный интеллект для видеонаблюдения использует компьютерное программное обеспечение программы, которые анализируют аудио и изображения с камер видеонаблюдения для распознавания людей, транспортных средств, предметов и событий. Программа для подрядчиков по обеспечению безопасности - это программное обеспечение для определения зон ограниченного доступа в поле зрения камеры (например, огороженная территория, парковка, но не тротуар или общественная улица за пределами стоянки) и программы на время суток (например, после закрытия рабочего дня).) для имущества, охраняемого камерой наблюдения. искусственный интеллект («ИИ») отправляет предупреждение, если обнаруживает, что злоумышленник нарушает «правило», согласно которому никому не разрешено находиться в этой области в это время суток.
ИИ. программные функции с использованием машинного зрения. Машинное зрение представляет собой серию алгоритмов или математических процедур, которые работают как блок-схема или серия вопросов для сравнения видимого объекта с сотнями тысяч сохраненных эталонных изображений людей в разных позах, углах и т. Д. позиции и движения. A.I. спрашивает себя, движется ли наблюдаемый объект как эталонные изображения, имеет ли он примерно одинаковый размер, высоту относительно ширины, имеет ли он характерные две руки и две ноги, движется ли он с одинаковой скоростью, и если он вертикальный, а не горизонтальный. Возможны многие другие вопросы, например, степень отражения объекта, степень его устойчивости или вибрации и плавность его движения. Комбинируя все значения из различных вопросов, получается общий рейтинг, который дает A.I. вероятность того, что объект является или не является человеком. Если значение превышает установленный предел, отправляется предупреждение. Для таких программ характерно то, что они до некоторой степени самообучаются, обучаются, например, тому, что люди или транспортные средства кажутся больше в определенных частях отслеживаемого изображения - в областях около камеры - чем в других частях, это самые дальние от камеры области.
В дополнение к простому правилу, ограничивающему людей или транспортные средства из определенных областей в определенное время дня, можно установить более сложные правила. Пользователь системы может захотеть узнать, движутся ли транспортные средства в одном направлении, а не в другом. Пользователи могут захотеть узнать, что в определенной области находится больше определенного заранее заданного количества людей. A.I. способен вести наблюдение одновременно сотнями камер. Его способность замечать нарушителя на расстоянии, под дождем или в ярком свете превосходит способность человека делать это.
Этот тип А.И. для безопасности известен как «на основе правил », потому что человек-программист должен установить правила для всех вещей, о которых пользователь хочет получать предупреждения. Это наиболее распространенная форма ИИ. для обеспечения безопасности. Многие системы камер видеонаблюдения сегодня включают этот тип ИИ. возможности. Жесткий диск, на котором размещена программа, может находиться либо в самих камерах, либо в отдельном устройстве, которое принимает данные с камер.
Более новая, не основанная на правилах форма А.И. для обеспечения безопасности была разработана «поведенческая аналитика ». Это программное обеспечение полностью самообучающееся, без первоначального программирования со стороны пользователя или подрядчика по безопасности. В этом типе аналитики A.I. изучает, что является нормальным поведением людей, транспортных средств, машин и окружающей среды, на основе собственного наблюдения за образцами различных характеристик, таких как размер, скорость, отражательная способность, цвет, группировка, вертикальная или горизонтальная ориентация и т. д. A.I. нормализует визуальные данные, то есть классифицирует и маркирует наблюдаемые объекты и паттерны, создавая постоянно уточняемые определения нормального или среднего поведения для различных наблюдаемых объектов. После нескольких недель обучения таким образом он может распознать, когда что-то нарушает шаблон. Когда он замечает такие аномалии, он отправляет предупреждение. Например, автомобили едут по улице. Автомобиль, замеченный на тротуаре, будет аномалией. Если огороженный двор ночью обычно пуст, то вход в него человека будет аномалией.
Ограничения в способности людей бдительно отслеживать живые записи видеонаблюдения привели к спросу на искусственный интеллект, который мог бы лучше справиться с этой задачей. Люди, смотрящие на один видеомонитор более двадцати минут, теряют 95% своей способности удерживать внимание, достаточное для распознавания значимых событий. С двумя мониторами это снова уменьшается вдвое. Учитывая, что на многих объектах есть десятки или даже сотни камер, задача явно выходит за рамки человеческих возможностей. В общем, вид с камеры на пустые коридоры, складские помещения, парковки или строения чрезвычайно утомителен, и поэтому внимание быстро отвлекается. Когда осуществляется мониторинг нескольких камер, обычно используется настенный монитор или группа мониторов с разделенным экраном и вращением каждые несколько секунд между одним набором камер и другим, визуальная скука быстро становится невыносимой. В то время как камеры видеонаблюдения широко распространялись среди пользователей, начиная от автосалонов и торговых площадей до школ и предприятий и заканчивая объектами с высокой степенью защиты, такими как атомные электростанции, задним числом было признано, что видеонаблюдение со стороны офицеров-людей (также называемых "операторами") было непрактичным и неэффективно. Обширные системы видеонаблюдения были сведены к простому ведению записи для возможного использования в судебной медицине для идентификации кого-либо после кражи, поджога, нападения или инцидента. Там, где использовались широкоугольные камеры, особенно для больших открытых площадок, даже для этой цели были обнаружены серьезные ограничения из-за недостаточного разрешения. В этих случаях невозможно идентифицировать нарушителя или преступника, потому что их изображение на мониторе слишком маленькое. Мы можем распознать людей по отдельности, животных, транспортные средства, искусственный интеллект и человеческий мозг
В ответ на то, что охранники не могут в течение длительного времени наблюдать за мониторами наблюдения, первым решением было добавление к камерам детекторов движения. Было высказано предположение, что движение злоумышленника или преступника отправит сигнал тревоги офицеру удаленного наблюдения, устраняя необходимость в постоянной человеческой бдительности. Проблема заключалась в том, что на открытом воздухе наблюдается постоянное движение или изменение пикселей, составляющих общее просматриваемое изображение на экране. Движение листьев на деревьях, развевающееся на ветру, мусор на земле, насекомые, птицы, собаки, тени, фары, солнечные лучи и так далее - все это составляет движение. Это приводило к сотням или даже тысячам ложных срабатываний в день, что делало это решение неработоспособным, за исключением помещений в нерабочие часы.
Следующая эволюция в некоторой степени уменьшила количество ложных срабатываний, но за счет сложной и трудоемкой ручной калибровки. Здесь обнаруживаются изменения цели, такой как человек или транспортное средство, относительно фиксированного фона. Если фон меняется сезонно или из-за других изменений, надежность со временем ухудшается. Экономика реагирования на слишком много ложных срабатываний снова оказалась препятствием, и этого решения было недостаточно.
Машинное обучение визуального распознавания связано с шаблонами и их классификацией. Настоящая видеоаналитика может отличить человеческую форму, транспортные средства и лодки или выбранные объекты от общего движения всех других объектов и визуальной статики или изменений пикселей на мониторе. Это достигается за счет распознавания образов. Когда интересующий объект, например человек, нарушает заранее установленное правило, например, что количество людей не должно превышать нуля в заранее определенной области в течение определенного интервала времени, отправляется предупреждение. Красный прямоугольник или так называемая «ограничивающая рамка» обычно автоматически следует за обнаруженным злоумышленником, и короткий видеоклип об этом отправляется в качестве предупреждения.
Обнаружение злоумышленников с помощью видеонаблюдения имеет ограничения, основанные на экономике и характере видеокамер. Как правило, камеры на открытом воздухе имеют широкий угол обзора, но все же смотрят с большого расстояния. Частота кадров в секунду и динамический диапазон для работы с ярко освещенными и тускло освещенными участками еще больше усложняют задачу камеры, чтобы онадействительно могла видеть движущегося человека-нарушителя. Ночью, даже на освещенных открытых площадках, движущийся объект не собирает достаточно света на кадр в секунду, и поэтому, если он не находится достаточно близко к камере, будет выглядеть как тонкий пучок, еле различимый призрак или полностью невидимый. Яркость, частичное затемнение, дождь, снег, туман и темнота усугубляют проблему. Даже когда человека направляют посмотреть на фактическое местоположение на мониторе объекта в этих условиях, объект обычно не будет обнаружен. A.I. может беспристрастно смотреть на все изображение и изображения со всех камер одновременно. Используя статистические модели степеней отклонения от изученного паттерна того, что составляет человеческую форму, он обнаружит злоумышленника с высокой надежностью и низким уровнем ложных предупреждений даже в неблагоприятных условиях. Его обучение основано примерно на четверти миллиона изображений людей в различных положениях, углах, позах и так далее.
Одномегапиксельная камера со встроенной видеоаналитикой смогла обнаружить человека на расстоянии около 350 футов и под углом зрения около 30 градусов в неидеальных условиях. Можно установить правила для «виртуального забора» или вторжения в заранее определенную зону. Могут быть установлены правила для движения в прямом направлении, оставленного позади объекта, формирования толпы и некоторых других условий. Искусственный интеллект для видеонаблюдения широко используется в Китае. См. Массовое наблюдение в Китае.
Одной из самых мощных функций системы является то, что человек-офицер или оператор, получив предупреждение от ИИ, может сразу же заговорить на улице. громкоговорители для оповещения злоумышленника. Это имело высокую сдерживающую ценность, поскольку большинство преступлений носят конъюнктурный характер, и риск поимки злоумышленника становится настолько очевидным, когда с ним разговаривает живой человек, что он, скорее всего, воздержится от вторжения и отступит. Сотрудник службы безопасности описывал действия злоумышленника, чтобы у злоумышленника не было сомнений в том, что за ними наблюдает реальный человек. Офицер объявлял, что злоумышленник нарушает закон и что с правоохранительными органами связываются и что они записываются на видео.
Полиция получает огромное количество ложных сигнализации от охранной сигнализации. На самом деле индустрия безопасности сообщает, что более 98% таких тревог являются ложными. Соответственно, полиция реагирует на охранную сигнализацию с очень низким приоритетом и может занять от двадцати минут до двух часов, чтобы ответить на объект. Напротив, о преступлении, обнаруженном с помощью видеоаналитики, сообщается центральному сотруднику по мониторингу, который собственными глазами проверяет, действительно ли преступление действительно совершается. Затем он или она отправляется в полицию, которая уделяет таким звонкам самый высокий приоритет.
Хотя основанная на правилах видеоаналитика работала экономично и надежно для многих приложений безопасности, во многих ситуациях она не работает. Для внутренней или внешней зоны, где никто не находится в определенное время дня, например, в ночное время, или для зон, где никто не находится в любое время, например, вышка сотовой связи, традиционная аналитика на основе правил идеально подходит.. В примере с вышкой сотовой связи в редкое время, которое может потребоваться техническому специалисту по обслуживанию для доступа в зону, просто потребуется позвонить с паролем, чтобы поставить контрольный ответ «на проверку» или отключить на короткое время, когда уполномоченное лицо будет там..
Но существует множество требований к безопасности в активных средах, в которых постоянно находятся сотни или тысячи людей. Например, кампус колледжа, действующий завод, больница или любое действующее действующее предприятие. Невозможно установить правила, по которым проводилось бы различие между законными людьми и преступниками или правонарушителями.
Использование поведенческой аналитики, самообучающегося, не основанного на правилах ИИ. берет данные с видеокамер и непрерывно классифицирует наблюдаемые объекты и события. Например, человек, переходящий улицу, относится к одной классификации. Другая классификация - это группа людей. Транспортное средство - это одна из классификаций, но при постоянном обучении общественный автобус будет отличаться от небольшого грузовика и мотоцикла. С возрастанием сложности система распознает закономерности человеческого поведения. Например, он может наблюдать, как люди проходят через дверь с контролируемым доступом по одному. Дверь открывается, человек предъявляет свою бесконтактную карту или метку, человек проходит внутрь, и дверь закрывается. Этот образец активности, наблюдаемый неоднократно, формирует основу того, что является нормальным в представлении камеры, наблюдающей за этой сценой. Теперь, если авторизованное лицо открывает дверь, но второй неавторизованный человек, «зашедший через хвост», схватывает дверь, прежде чем она закрывается и проходит внутрь, это своего рода аномалия, которая вызовет тревогу. Этот тип анализа намного сложнее, чем аналитика на основе правил. В то время как основанная на правилах аналитика работает в основном для обнаружения злоумышленников в местах, где обычно никто не присутствует в определенное время суток, поведенческая аналитика работает там, где люди активны, чтобы обнаруживать необычные вещи.
Возникновение пожара на открытом воздухе будет необычным событием и вызовет тревогу, как и поднимающееся облако дыма. Транспортные средства, движущиеся в неправильном направлении на проезжую часть с односторонним движением, также будут типичными для типа события, которое имеет сильную визуальную сигнатуру и будет отклоняться от неоднократно наблюдаемой схемы движения транспортных средств, движущихся по правильной полосе с односторонним движением. Кто-то, брошенный атакующим на землю,
