Computererkennung - Computer mit Sehkraft ausstatten

Computererkennung und maschinelles Sehen im Allgemeinen haben eine lange, umfangreiche Geschichte als anspruchsvolle und komplexe Felder, in denen der Fortschritt bis zum Aufkommen von ML/AI begrenzt war. Im starken Kontrast dazu haben bei der Computergrafik in kurzer Zeit zahlreiche Fortschritte in den Bereichen 2D/3D-Modellierung, rechnergestütztes Design (CAD), digitale Kinofilme wie die von Pixar produzierten und Videospiele stattgefunden. Die moderne Computerwelt eignete sich gut zur Erfassung und Erstellung von Bildern, aber nicht zu deren Wahrnehmung.

Der Hauptgrund liegt in der Problematik der visuellen Wahrnehmung. Mit dem Aufkommen moderner Desktops dauerte es nicht lange, bis Forscher ausgeklügelte Methoden zur digitalen Bildcodierung entwickelten, indem sie das Bild als eine Reihe von Pixeln unterschiedlicher Intensität (z. B. RGB) codierten und Bilder sogar über verschiedene Verfahren komprimierten. Als die Fortschritte bei der Bildaufnahme und -codierung stattfanden und mehr oder weniger gelöst waren, wandten sich die Forscher der Bildanalyse zu.

Wie können Objekte anhand einer Reihe von Pixeln identifiziert werden? Es gibt verschiedene scheinbar offensichtliche, wenn auch naive Techniken, wie etwa die Betrachtung der Farbe eines Pixelclusters in bestimmten Bereichen. Es ist möglich, Objekte durch die Identifizierung von Farbsätzen mit Vorwissen zu approximieren. Zum Beispiel ein Himmel, da er blau ist und sich am oberen Bildrand befindet. Das Clustering von Farben berücksichtigt auch nicht die Formen und Größen von Objekten. Dieser Ansatz lässt sich schwer verallgemeinern.

Diese Fallstudie wird untersuchen, wie die Analyse von CCTV-Videofeeds Ihrer Organisation zugutekommen kann. Ein AI-System, das Objekte anhand von Überwachungsaufnahmen identifizieren kann, hat zahlreiche Anwendungen.

Die Analyse kann beispielsweise Sicherheits- und verwandtem Personal Echtzeit-Benachrichtigungen mit umsetzbaren Informationen liefern. Das Schreiben eines klassischen algorithmischen Programms zur Lösung von Computererkennungs-/Computer-Vision-Problemen ist schwierig, obwohl die Verwendung von künstlicher Intelligenz das Problem handhabbar macht.

Lösung des Problems durch Künstliche Intelligenz

Dieses Problem wirft Fragen dazu auf, wie Menschen Objekte innerhalb eines Sichtbereichs identifizieren, was ebenfalls unglaublich schwer zu beantworten ist. Während dies noch immer eine offene Frage ist, haben sich künstliche neuronale Netze im Bereich der Computererkennung/Computer Vision als unglaublich nützlich erwiesen.

Mit Deep-Learning-Techniken und einem umfangreichen Datensatz an Bildern ist es möglich, ein Modell darauf zu trainieren, Objekte zu identifizieren. Der häufigste Datensatz ist Common Objects in Context (https://cocodataset.org/), das Folgendes gemäß seiner Definition enthält:

Objektsegmentierung
Erkennung im Kontext
Superpixel-Segmentierung
330K Bilder (>200K beschriftet)
1,5 Millionen Objektinstanzen
80 Objektkategorien
91 Sachkategorien
5 Bildunterschriften pro Bild
250.000 Personen mit Schlüsselpunkten

Das Trainieren verschiedener Modelle der Künstlichen Intelligenz mit diesen Informationen hat sich als äußerst effektiv erwiesen, wenn das Modell auf einem Evaluationsdatensatz ausgeführt wird.

Überblick über die organisatorische Herausforderung

Angenommen, die AI-Fähigkeit zur Analyse von Objekten in Video-Feeds ist vorhanden (was sie ist), wie würde eine Organisation eine solche Lösung implementieren? Es gibt weiterhin das umfassendere Problem, ein solches Modell in einer produktiven Umgebung zu implementieren, die skaliert und innerhalb eines regulatorischen Rahmens arbeitet.

Traditionell würden Organisationen ihre IT-Abteilungen mit der Installation einer solchen Funktion beauftragen. Normalerweise würden Organisationen Standardsoftware finden, um das Problem zu lösen, oder einen benutzerdefinierten Softwareanbieter suchen, um eine bestehende Lösung zu erstellen oder anzupassen, wenn eine solche Lösung nicht ohne Weiteres verfügbar war. Angesichts der Komplexität von Systemen der Künstlichen Intelligenz wären beide Optionen für einige Zeit nicht verfügbar.

Zusätzlich zu den technischen Herausforderungen gibt es auch interne Richtlinien und verschiedene Compliance-Anforderungen, die Organisationen in der Regel einhalten müssen, wie z. B. Datenschutz, die zwar miteinander verwandt sind, jedoch Themen für unterschiedliche Fachexperten darstellen. Daher erfordert die Implementierung einer solchen Lösung Fachwissen aus vielen verschiedenen Bereichen einer Organisation und komplexes Projektmanagement. Eine Alternative zu internen Strategien besteht darin, auf eine solche Fähigkeit über ein Artificial-Intelligence-as-a-Service-Unternehmen, einschließlich Telemus AI™, zuzugreifen, ähnlich wie beim Zugriff auf Cloud-Dienste.

Als AI-Eingabe verfügbare organisatorische Daten

Die meisten Organisationen nutzen CCTV zu Sicherheitszwecken und senden verschiedene Video-Feeds zur Überwachung an einen Kontrollraum. Normalerweise würden diese Video-Feeds rund um die Uhr von Sicherheitspersonal überwacht, um Aktivitäten zu identifizieren, die als nicht akzeptabel angesehen werden könnten oder weitere Untersuchungen oder Maßnahmen erfordern. Diese Video-Feeds können durch ein Artificial-Intelligence-System geleitet werden. Das AI warnt das Sicherheitspersonal, wenn etwas weiterer Untersuchung bedarf.

Der Vorteil davon ist, dass das AI-System potenziell Anomalien erkennen kann, die ein Mensch andernfalls übersehen würde, wenn sie nicht offensichtlich sind oder das Sicherheitspersonal einen Aufmerksamkeitsausfall hatte. Eine andere Art, dies zu betrachten, ist, dass die Fähigkeit des Sicherheitspersonals zu verstehen, was in Videofeeds passiert, auf ein höheres Niveau erweitert wurde. Dies ähnelt der Verwendung von Werkzeugen in anderen Bereichen zur Erweiterung unserer Fähigkeiten.

Während das Potenzial dieser Technologie für manche Menschen beängstigend sein kann, ist es wichtig zu bedenken, dass in jedem Fall eine Person die Video-Feeds überwacht und die AI lediglich dem Sicherheitspersonal bei der Sichtung des Materials hilft und dass die Vorteile gegeneinander abgewogen werden müssen. Angesichts der Tatsache, dass die Technologie reguliert und sicher im Rahmen eines strengen Governance-Rahmens betrieben wird, wäre der potenzielle Nutzen immens.

Integrationsmethodik

Im Folgenden finden Sie einen Überblick über den Prozess, den wir auf einer hohen Ebene durchführen würden, um solche Feeds innerhalb einer Organisation zu analysieren:

Identifizieren Sie CCTV-Feeds und das System, das die Überwachung und Aufzeichnung solcher Feeds bereitstellt.
Modifizieren Sie die Software, um Feeds an einen Cloud-Computing-Anbieter für Echtzeitanalysen zu senden
Führen Sie die Feeds durch Telemus AI™ und erweiterte Video-Feeds an das Sicherheitsüberwachungssystem zurücksenden
Richten Sie benutzerdefinierte Warnungen für das Sicherheitspersonal ein, basierend auf dem, was erkannt wird

Da Telemus AI™ den Großteil der Arbeit übernimmt, kann sich die Organisation auf die Geschäftslogik konzentrieren statt auf die technische Implementierung.

Organisatorische Anwendungen

Die folgende Liste zeigt weitere potenzielle Anwendungen für Ihre Organisation:

Überwachen von Fahrzeugen in einem Straßennetzwerk und Erkennen von Unfällen, um ein Team zur Unterstützung zu entsenden
Überwachen von Personen in Veranstaltungsorten, um sicherzustellen, dass kein antisoziales Verhalten auftritt. Falls doch, automatisch eine Sicherheitseinheit entsenden, um die Situation zu deeskalieren.
Überwachen von Arbeitsplätzen und Baustellen, um sicherzustellen, dass sich Personal außerhalb der festgelegten Betriebszeiten nicht in den Räumlichkeiten aufhält

Potenzielle und realisierte Vorteile

Die potenziellen und realisierten Vorteile dieser Technologie sind umfangreich. Es ist möglich, die CCTV-Überwachung präziser und effizienter durchzuführen, mit weniger Fehlern und unter Einsatz von weniger Sicherheitspersonal insgesamt, sodass dieses Personal sich auf dringendere Aufgaben wie aktive Streifengänge oder Ermittlungsarbeiten konzentrieren kann.

Telemus AI™ ist ein australisches Unternehmen für künstliche Intelligenz, das fortschrittliche Lösungen für Regierung und Unternehmen bietet. Kontaktieren Sie uns noch heute für eine kostenlose Beratung, wie Telemus AI™ in Ihre Organisation integriert werden kann.

Objekterkennung in Überwachungsaufnahmen