Tietokoneen tunnistus - Tietokoneiden näkökyvyn antaminen

Analysointi voi esimerkiksi tarjota reaaliaikaisia toiminnallisia ilmoituksia turvallisuus- ja muulle henkilöstölle. Klassisen algoritmisohjelman kirjoittaminen tietokoneen tunnistus- tai tietokonenäköongelmien ratkaisemiseksi on vaikeaa, vaikka tekoälyn käyttö tekee ongelmasta ratkaistavan.

Ongelman ratkaiseminen tekoälyn avulla

Tämä ongelma herättää kysymyksiä siitä, miten ihmiset tunnistavat objekteja näkökenttänsä sisällä, mikä on myös uskomattoman vaikea vastata. Vaikka tämä on edelleen erittäin avoin kysymys, keinotekoiset neuroverkot ovat osoittautuneet uskomattoman hyödyllisiksi tietokoneen tunnistuksen/tietokonenäön alalla.

Syväoppimistekniikoilla ja laajalla kuva-aineistolla on mahdollista kouluttaa malli tunnistamaan objekteja. Yleisin aineisto on Common Objects in Context (https://cocodataset.org/), joka sisältää seuraavat määritelmänsä mukaisesti:

• Kohteiden segmentointi
• Tunnistaminen kontekstissa
• Superpikseli-aineen segmentointi
• 330K kuvaa (>200K merkitty)
• 1,5 miljoonaa objektiota
• 80 objektikategoriaa
• 91 tavarakategoriaa
• 5 kuvatekstiä per kuva
• 250 000 henkilöä avainpisteillä

Erilaisten tekoälymallien kouluttaminen näillä tiedoilla on osoittautunut erittäin tehokkaaksi, kun mallia ajetaan arviointitietojoukolla.

Yleiskatsaus organisaation haasteeseen

Olettaen, että tekoälyominaisuus videovirtojen kohteiden analysointiin on olemassa (mikä se on), miten organisaatio toteuttaisi tällaisen ratkaisun? Tällaisen mallin tuotantoympäristöön toteuttamisessa, joka pystyy skaalautumaan ja toimimaan sääntelykehyksen puitteissa, on edelleen laajempi ongelma.

Perinteisesti organisaatiot ovat antaneet IT-osastojensa tehtäväksi tällaisen ominaisuuden asentamisen. Yleensä organisaatiot löytävät valmiita ohjelmistoja ongelman ratkaisemiseksi tai etsivät räätälöityä ohjelmistotoimittajaa rakentamaan tai muokkaamaan olemassa olevaa ratkaisua, jos tällaista ratkaisua ei ole helposti saatavilla. Tekoälyjärjestelmien monimutkaisuuden vuoksi molemmat vaihtoehdot eivät ole olleet käytettävissä pitkään aikaan.

Teknisten haasteiden lisäksi on myös sisäisiä käytäntöjä ja erilaisia vaatimustenmukaisuusvaatimuksia, joita organisaatioiden on yleensä noudatettava, kuten tietosuoja, jotka vaikka liittyvätkin toisiinsa, ovat eri toimialueiden asiantuntijoiden alaan kuuluvia asioita. Näin ollen tällaisen ratkaisun toteuttaminen vaatii asiantuntemusta monilta muilta organisaation osa-alueilta ja edellyttää monimutkaista projektin hallintaa. Vaihtoehto sisäisille strategioille on päästä tällaiseen kyvykkyyteen tekoäly palveluna -yrityksen (AI as a Service) kautta, mukaan lukien Telemus AI™, tavalla, joka on verrattavissa pilvipalveluiden käyttöön.

Tekoälyn syötteenä käytettävissä oleva organisaation data

Useimmat organisaatiot käyttävät CCTV:tä turvallisuustarkoituksiin ja lähettävät erilaisia videosyötteitä valvomoon seurantaa varten. Yleensä näitä videosyötteitä valvovat turvallisuushenkilöt ympäri vuorokauden tunnistaakseen toimintaa, jota ei ehkä pidetä hyväksyttävänä tai joka vaatii lisätutkimuksia tai toimenpiteitä. Näitä videosyötteitä voidaan syöttää tekoälyjärjestelmän läpi. AI hälyttää turvallisuushenkilöitä, jos jokin vaatii lisätutkimuksia.

Tämän etuna on, että tekoälyjärjestelmä voi mahdollisesti havaita poikkeavuuksia, jotka ihminen muuten jäisi huomaamaatta, jos ne eivät ole ilmeisiä tai turvallisuushenkilöstön keskittyminen on herpaantunut. Toinen tapa tarkastella tätä on, että turvallisuushenkilöstön kyky ymmärtää videolähetyksissä tapahtuvia asioita on nostettu korkeammalle tasolle. Siten se on samankaltaista kuin muiden alojen työkalujen käyttö kykyjemme parantamiseksi.

Vaikka tämän teknologian potentiaali voi olla joidenkin ihmisten mielestä hämmentävä, on olennaista ottaa huomioon, että yksilö valvoo videolähetyksiä kaikissa tapauksissa, ja AI vain auttaa turvallisuushenkilöstöä katsomaan kuvamateriaalia, ja edut on punnittava. Koska teknologiaa käytetään säännellyllä ja turvallisella tavalla tiukassa hallintokehikossa, mahdollinen hyöty olisi valtava.

Integrointimenetelmä

Seuraavassa on yleiskatsaus korkealla tasolla suorittamastamme prosessista tällaisten syötteiden analysoimiseksi organisaation sisällä:

1. Tunnista CCTV-syötteet ja järjestelmä, joka tarjoaa tällaisten syötteiden valvonnan ja tallennuksen
2. Muokkaa ohjelmistoa lähettämään syötteitä pilvilaskentapalveluntarjoajalle reaaliaikaista analysointia varten
3. Aja syötteet Telemus AI:n läpi™ ja palauta laajennetut videovirrat takaisin turvallisuusvalvontajärjestelmään
4. Määritä räätälöidyt hälytykset turvallisuushenkilöstölle havaittujen tapahtumien perusteella

Koska Telemus AI™ hoitaa suurimman osan työstä, organisaatio voi keskittyä liiketoimintalogiikkaan teknisen toteutuksen sijaan.

Organisaation sovellukset

Seuraavassa on luettelo muista mahdollisista sovelluksista organisaatiollesi:

• Tieverkossa olevien autojen seuraaminen ja onnettomuuksien havaitseminen avustusryhmän lähettämiseksi paikalle
• Yksilöiden seuraaminen tapahtumapaikoilla häiritsevän käytöksen varmistamiseksi, ettei sitä esiinny. Mikäli näin on, turvallisuusyksikön automaattinen lähettäminen tilanteen rauhoittamiseksi.
• Työpaikkojen ja työalueiden seuraaminen, varmistaen, että henkilökunta ei ole tiloissa asetettujen aukioloaikojen ulkopuolella

Mahdolliset ja toteutuneet hyödyt

Tämän teknologian mahdolliset ja toteutuneet hyödyt ovat valtavat. CCTV-valvontaa voidaan suorittaa tarkemmin ja tehokkaammin, vähemmillä virheillä ja vaatien vähemmän turvallisuushenkilöstöä kokonaisuudessaan, mikä mahdollistaa kyseisen henkilöstön keskittymisen kiireellisempiin tehtäviin, kuten aktiiviseen partiointiin tai tutkivaan työhön.

Telemus AI™ on Australiassa toimiva tekoälyyritys, joka tarjoaa edistyneitä ratkaisuja hallituksille ja yrityksille. Ota meihin yhteyttä jo tänään saadaksesi ilmaisen konsultaation siitä, miten Telemus AI™ voidaan integroida organisaatioosi.