Számítógépes felismerés - Látás adása a számítógépeknek

A számítógépes felismerés és a számítógépes látás általában hosszú, kiterjedt múltra tekintenek vissza, mint kihívást jelentő és összetett területek, ahol a haladás az ML/AI megjelenéséig korlátozott volt. Éles ellentétben a számítógépes grafikával, számos előrelépés történt rövid idő alatt a 2D/3D modellezés, a számítógéppel segített tervezés (CAD), a digitális mozgóképek (például a Pixar által készítettek) és a videojátékok területén. A modern számítástechnika kiválóan alkalmas volt a képek rögzítésére és létrehozására, de nem azok érzékelésére.

A fő ok a vizuális észlelés problémájára vezethető vissza. A modern asztali számítógépek megjelenésekor nem tartott sokáig a kutatóknak, hogy zseniális módszereket fejlesszenek ki a képek digitális kódolására a kép pixelek sorozataként történő kódolásával különböző intenzitásokkal (pl. RGB), és a képek különböző sémákon keresztüli tömörítésével. Ahogy a képrögzítés és a kódolás fejlődött és többé-kevésbé megoldódott, a kutatók a képek elemzése felé fordultak.

Egy képpontsorozatot megadva hogyan lehet azonosítani az objektumokat? Különböző látszólag nyilvánvaló, bár naiv technikák léteznek, például a képpontok klaszterének színének vizsgálata adott tartományokban. Lehetőség van az objektumok közelítésére színhalmazok előzetes ismerettel történő azonosításával. Például egy égbolt, mivel kék és a kép tetején van. A színek klaszterezése nem veszi figyelembe az objektumok alakját és méretét sem. Ez a megközelítés nehezen általánosítható.

Ez az esettanulmány azt vizsgálja, hogyan járulhat hozzá a CCTV videofolyamok elemzése az Ön szervezetéhez. Egy AI rendszer, amely képes objektumokat azonosítani a megfigyelési felvételek alapján, számos alkalmazással rendelkezik.

Az elemzés például valós idejű, cselekvésre ösztönző értesítéseket (actionable notifications) biztosíthat a biztonsági és a kapcsolódó személyzet számára. Klasszikus algoritmikus program írása a számítógépes felismerés/számítógépes látás (computer vision) problémáinak megoldására nehézkes, bár a Mesterséges Intelligencia használata kezelhetővé teszi a problémát.

A probléma megoldása mesterséges intelligenciával

Ez a probléma kérdéseket vet fel azzal kapcsolatban, hogy az emberek hogyan azonosítanak objektumokat egy vizuális tartományon belül, ami szintén hihetetlenül nehéz megválaszolni. Bár ez még mindig nagyon is nyitott kérdés, a mesterséges neurális hálózat bizonyult hihetetlenül hasznosnak a számítógépes felismerés/számítógépes látás területén.

Mélytanulási technikákkal és hatalmas képadathalmazzal lehetséges egy modellt betanítani objektumok azonosítására. A leggyakoribb adathalmaz a Common Objects in Context (https://cocodataset.org/), amely a következőket tartalmazza a meghatározásuk szerint:

Objektumszegmentálás
Felismerés kontextusban
Szuperpixeles anyag szegmentáció
330K kép (>200K címkézett)
1,5 millió objektumpéldány
80 objektumkategória
91 anyagkategória
5 felirat képenként
250 000 ember kulcspontokkal

Különböző mesterséges intelligencia modellek betanítása ezekkel az információkkal rendkívül hatékonynak bizonyult, amikor a modellt egy értékelő adathalmazon futtatták.

A szervezeti kihívás áttekintése

Feltételezve, hogy létezik AI képesség a videó hírcsatornákon belüli objektumok elemzésére (ami létezik), hogyan valósítana meg egy szervezet egy ilyen megoldást? Még mindig fennáll az ilyen modell egy gyártási környezetben történő megvalósításának szélesebb problémája, amely képes skálázódni és egy szabályozási keretrendszeren belül működni.

Hagyományosan a szervezetek az IT részlegeiket bízták meg egy ilyen képesség telepítésével. Általában a szervezetek kész szoftvereket találtak a probléma megoldására, vagy egy egyedi szoftver szállítót kerestek egy meglévő megoldás felépítésére vagy átalakítására, ha ilyen megoldás nem volt könnyen elérhető. A mesterséges intelligencia rendszerek összetettsége miatt mindkét opció egy ideig nem lesz elérhető.

A technikai kihívásokon kívül vannak belső szabályzatok, és különféle megfelelőségi követelmények, amelyeket a szervezeteknek általában be kell tartaniuk, például az adatvédelem, amelyek bár kapcsolódnak egymáshoz, különböző szakterületi szakértőkre tartoznak. Így egy ilyen megoldás bevezetése a szervezet számos más területéről származó szakértelmet igényel, ami összetett projektmenedzsmentet követel meg. A belső stratégiák alternatívája egy ilyen képesség elérése egy Mesterséges Intelligencia Szolgáltatásként (AIaaS) vállalkozáson keresztül, beleértve a Telemus AI™-t, a felhőszolgáltatásokhoz való hozzáféréshez hasonló módon.

AI bemenetként elérhető szervezeti adatok

A legtöbb szervezet biztonsági célokra használ CCTV rendszereket, és különböző videócsatornákat küld egy irányítóterembe megfigyelésre. Általában ezeket a videócsatornákat a biztonsági személyzet 24/7 figyelné, hogy azonosítsanak minden olyan tevékenységet, amely nem tekinthető elfogadhatónak, vagy további vizsgálatot vagy intézkedést igényel. Ezek a videócsatornák betáplálhatók egy mesterséges intelligencia rendszerbe. Az AI riasztja a biztonsági személyzetet, ha bármi további vizsgálatot igényel.

Ennek az előnye, hogy az AI rendszer potenciálisan olyan anomáliákat észlelhet, amelyeket egy ember egyébként nem venne észre, ha az nem egyértelmű, vagy a biztonsági személyzet figyelme egy pillanatra lankadott. Egy másik megközelítés szerint a biztonsági személyzet képessége a videóstreamekben történő események megértésére egy magasabb szintre bővült. Így hasonló más területeken használt eszközökhöz, amelyekkel kiterjesztjük a képességeinket.

Bár e technológia potenciálja egyesek számára ijesztő lehet, fontos figyelembe venni, hogy minden esetben egy egyén figyeli a videócsatornákat, az AI pedig egyszerűen csak segíti a biztonsági személyzetet a felvételek megtekintésében, és az előnyöket mérlegelni kell. Mivel a technológia szigorú irányítási keretrendszer mellett szabályozott és biztonságos módon működik, a potenciális haszon hatalmas lesz.

Integrációs módszertan

Az alábbiakban áttekintjük azt a magas szintű folyamatot, amelyet egy szervezeten belüli ilyen típusú streamek elemzésére hajtanánk végre:

Azonosítsa a CCTV adatfolyamokat és az olyan rendszert, amely az ilyen adatfolyamok monitorozását és rögzítését biztosítja
A szoftver módosítása, hogy adatfolyamokat küldjön egy felhőalapú számítástechnikai szolgáltatónak valós idejű elemzés céljából
Adatfolyamok futtatása a Telemus AI-n keresztül™ és küldje vissza a kiegészített videóadatfolyamokat a biztonsági megfigyelő rendszerbe
Állítson be személyre szabott riasztásokat a biztonsági személyzet számára az észlelt elemek alapján

Mivel a Telemus AI™ elvégzi a munka nagy részét, a szervezet az üzleti logikára koncentrálhat, nem pedig a technikai megvalósításra.

Szervezeti alkalmazások

Az alábbiakban a szervezete egyéb potenciális alkalmazásai listája látható:

Autók figyelése egy úthálózaton és balesetek észlelése, amikor történnek, hogy legénységet küldjenek segítségnyújtásra
Egyének figyelése helyszíneken annak biztosítására, hogy ne forduljon elő antiszociális viselkedés. Ha igen, automatikusan biztonsági egységet küldeni a helyzet enyhítésére.
Munkahelyek és munkaterületek figyelése, annak biztosítása, hogy a személyzet ne tartózkodjon a helyszínen a meghatározott nyitvatartási időn kívül

Potenciális és megvalósult előnyök

E technológia potenciális és megvalósult előnyei hatalmasak. A CCTV-monitorozás pontosabban és hatékonyabban végezhető, kevesebb hibával, kevesebb biztonsági személyzetet igényelve, lehetővé téve az ilyen személyzet számára, hogy sürgetőbb feladatokra, például aktív járőrözésre vagy nyomozó munkára összpontosítson.

A Telemus AI™ egy ausztrál székhelyű mesterséges intelligencia vállalat, amely fejlett megoldásokat nyújt a kormányzat és a vállalatok számára. Lépjen kapcsolatba velünk még ma egy ingyenes konzultációért arról, hogyan integrálható a Telemus AI™ a szervezetébe.

Címkék

Távfelügyeleti felvételek objektumfelismerése