Сокращение ложных тревог в видеонаблюдении с помощью нейросетей
RSSЛожные тревоги отвлекают операторов охраняемого объекта от реальных угроз и происшествий, рассеивают их внимание. В результате по-настоящему важное или опасное событие остается незамеченным.
Все технологии, применяемые до недавнего времени, были малоэффективны. Но последние достижения в области искусственного интеллекта показали отличные результаты — использование в видеонаблюдении нейронных сетей глубинного обучения и компьютерного зрения сводит к минимуму количество ложных тревог.
Использование компьютерного зрения в видеонаблюдении
Искусственный интеллект — это воспроизведение действий человеческого мозга с помощью компьютерных вычислений и алгоритмов.
Предыдущий подход: символы и правила
До недавнего времени создание полноценного компьютерного зрения, способного распознавать объекты наравне с человеческим зрением, считалось невозможным из-за устаревших подходов на основе «символьного» искусственного интеллекта. Программисты создавали символы (предметы, образы, движения, ситуации), добавляли правила их использования и повторяли алгоритмы до тех пор, пока компьютер не научится принимать «интеллектуальные» решения. Так создали первую систему, способную самостоятельно играть в шахматы, продумывать ходы и даже обыгрывать человека!
Однако сцены реального мира оказались слишком сложными для моделирования — разработчикам пришлось бы прописывать правила для каждой детали, например, смена угла зрения или удлинение тени при заходе солнца, иначе компьютер не смог бы распознать эти изменения и правильно на них отреагировать. Использование такого компьютерного зрения в видеонаблюдении привело бы только к увеличению количества ложных тревог.
Новые методики: слои и обучение нейронных сетей
Новые методики с использованием графических процессоров (GPU), нейросетевых технологий и гибких облачных решений от таких серьезных провайдеров, как Amazon и Google, позволили создать искусственный интеллект, применимый для коммерческого и личного использования.
Нейронные сети по структуре напоминают слоеное пирожное и состоят из элементов, запрограммированных подражать поведению биологических нейронов в головном мозге человека . Искусственные нейроны уложены в 10-30 слоев, чем больше слоев, тем глубже обучение системы.
«Натренированная» нейронная сеть глубокого обучения за короткое время анализирует большое количество видеоданных и распознает в кадре человека. При этом система игнорирует растительность, животных и автомобили, даже если они движутся — именно эти объекты являлись одним из основных источников ложных тревог при анализе видеоизображения традиционными технологиями.
Испытание технологии в реальных условиях
Для определения эффективности системы на основе нейронных сетей проводились длительные исследования и испытания в реальных условиях.
Один из центров мониторинга и обеспечения безопасности провел эксперимент. На объекте установили:
- оборудование для видеонаблюдения с поддержкой искусственного интеллекта,
- традиционные инфракрасные датчики движения (PIR).
Задача — обнаружить вторжение человека в определенную зону.
Нейронная сеть анализировала кадры с видеокамер и отправляла тревожное уведомление при обнаружении человека в обозначенной области. Когда искусственный интеллект или PIR-датчик фиксировали нарушение, система регистрировала сигнал и сопоставляла его с фрагментом видеозаписи.
Эксперимент проводился в различных зонах (парковка, периметр здания, склад), большую часть времени (примерно 70 %) съемка велась ночью. Весь отснятый материал — около 110 оповещений — был вручную проверен экспертами.
По результатам тестирования система на основе нейронной сети отфильтровала 86 % ложных тревог и снизила их количество до 13 инцидентов, в то время как PIR-датчик среагировал на 88 ложных событий.
Нейросетевые технологии в решениях TRASSIR
Искусственный интеллект успешно применяется в продуктах TRASSIR — мы разработали модули видеоаналитики на основе нейронных сетей.
- Нейросетевой модуль TRASSIR Neuro Detector с высокой точностью обнаруживает людей в кадре и применяется для обеспечения безопасности на различных объектах. (скачать презентацию в PDF)
- Модуль AutoTRASSIR на основе искусственного интеллекта распознает автомобильные номера и используется для автоматизации системы контроля доступа. (скачать презентацию в PDF)
- TRASSIR Queue Detector создан для повышения качества работы магазинов — модуль измеряет длину очереди и оповещает о превышении допустимого количества человек. (скачать презентацию в PDF)
- TRASSIR Heat Map on Map — тепловая карта интенсивности и направления движения людей. (скачать презентацию в PDF)
Эти и другие нейросетевые модули видеоаналитики TRASSIR применяются в различных областях и эффективно дополняют традиционные решения.
Нейросетевые технологии уже сейчас используются для обеспечения безопасности, автоматизации рутинных процессов видеонаблюдения, разгрузки операторов, управления доступом. По прогнозам экспертов, в ближайшие несколько лет область применения искусственного интеллекта расширится, а внедрение решений на базе нейросети станет повсеместным.