Riconoscimento Computerizzato - Dare Visione ai Computer

Il riconoscimento computerizzato e la visione artificiale, in generale, hanno una lunga e vasta storia di essere campi complessi e difficili in cui i progressi, fino all'avvento del ML/AI, sono stati limitati. In netto contrasto, con la computer grafica, numerosi progressi sono avvenuti in un breve lasso di tempo nei settori della modellazione 2D/3D, del design assistito da computer (CAD), dei film digitali in motion picture come quelli prodotti da Pixar e dei videogiochi. Il computing moderno si prestava bene a catturare e creare immagini ma non a percepirle.

Il motivo principale è dovuto al problema della percezione visiva. Durante l'avvento dei computer desktop moderni, non ci è voluto molto tempo prima che i ricercatori sviluppassero modi ingegnosi per codificare digitalmente le immagini codificando l'immagine come una serie di pixel di varie intensità (ad es. RGB) e persino comprimendo le immagini tramite molteplici schemi. Man mano che l'acquisizione e la codifica delle immagini progredivano e venivano più o meno risolte, i ricercatori si sono dedicati all'analisi delle immagini.

Data una serie di pixel, come possono essere identificati gli oggetti? Esistono varie tecniche apparentemente ovvie, seppur ingenue, come l'osservazione del colore di un gruppo di pixel, in domini specifici. È possibile approssimare gli oggetti identificando set di colori con conoscenza a priori. Ad esempio, un cielo dato che è blu e si trova nella parte superiore di un'immagine. Il raggruppamento dei colori non considera nemmeno le forme e le dimensioni degli oggetti. Questo approccio è difficile da generalizzare.

Questo caso di studio esplorerà come l'analisi dei flussi video CCTV può avvantaggiare la tua organizzazione. Un sistema AI in grado di identificare oggetti a partire da filmati di sorveglianza ha numerose applicazioni.

L'analisi, ad esempio, può fornire notifiche actionable in tempo reale al personale di sicurezza e correlato. Scrivere un programma algoritmico classico per risolvere problemi di riconoscimento computerizzato/computer vision è difficile, sebbene l'utilizzo dell'Intelligenza Artificiale renda il problema trattabile.

Risolvere il Problema tramite Intelligenza Artificiale

Questo problema solleva interrogativi su come gli esseri umani identificano gli oggetti entro un raggio visivo, il che è anche incredibilmente difficile da rispondere. Sebbene rimanga ancora una questione aperta, le reti neurali artificiali si sono dimostrate incredibilmente utili nel dominio del riconoscimento informatico/visione artificiale.

Con tecniche di deep learning e un vasto set di dati di immagini, è possibile addestrare un modello per identificare oggetti. Il set di dati più comune è il Common Objects in Context (https://cocodataset.org/) che contiene quanto segue secondo la relativa definizione:

Segmentazione degli oggetti
Riconoscimento nel contesto
Segmentazione di elementi superpixel
330K immagini (>200K etichettati)
1,5 milioni di istanze di oggetti
80 categorie di oggetti
91 categorie di stuff
5 didascalie per immagine
250.000 persone con punti chiave

L'addestramento di vari modelli di intelligenza artificiale con queste informazioni si è dimostrato altamente efficace quando si esegue il modello su un set di dati di valutazione.

Panoramica della sfida organizzativa

Supponendo che esista la capacità dell'AI di analizzare oggetti all'interno dei flussi video (che esiste), come implementerebbe un'organizzazione una tale soluzione? Rimane il problema più ampio di implementare tale modello in un ambiente di produzione che possa scalare e operare all'interno di un quadro normativo.

Tradizionalmente, le organizzazioni incaricano i propri dipartimenti IT di installare tale capacità. Di solito, le organizzazioni trovano software già pronti per risolvere il problema o cercano un fornitore di software personalizzato per costruire o adattare una soluzione esistente se tale soluzione non fosse facilmente disponibile. Data la complessità dei sistemi di Intelligenza Artificiale, entrambe queste opzioni non sarebbero disponibili per diverso tempo.

Oltre alle sfide tecniche, esistono anche politiche interne e vari requisiti di conformità a cui le organizzazioni devono generalmente aderire, come la privacy dei dati che, pur essendo correlate, sono questioni che competono a diversi esperti di dominio. Pertanto, l'implementazione di tale soluzione richiederà competenze di molte altre aree di un'organizzazione, richiedendo una gestione di progetto complessa. Un'alternativa alle strategie interne è accedere a tale capacità tramite un'attività di Artificial Intelligence as a Service, inclusa Telemus AI™, in modo simile all'accesso ai servizi cloud.

Dati Organizzativi Disponibili come Input per l'AI

La maggior parte delle organizzazioni utilizza il CCTV per scopi di sicurezza e invia vari feed video a una sala di controllo per il monitoraggio. Di solito, questi feed video sarebbero monitorati dal personale di sicurezza 24/7 per identificare qualsiasi attività che potrebbe non essere considerata accettabile o richiedere ulteriori indagini o azioni. Questi feed video possono essere inviati attraverso un sistema di intelligenza artificiale. L'AI avvisa il personale di sicurezza se qualcosa richiede ulteriori indagini.

Il vantaggio di ciò è che il sistema AI può potenzialmente rilevare anomalie che un essere umano altrimenti perderebbe se non fossero evidenti o se il personale di sicurezza avesse avuto un calo di attenzione. Un altro modo per considerare la cosa è che la capacità del personale di sicurezza di comprendere ciò che accade nei flussi video è stata potenziata a un livello superiore. Ciò è simile all'utilizzo di strumenti in altri ambiti per potenziare le nostre capacità.

Sebbene il potenziale di questa tecnologia possa risultare preoccupante per alcune persone, è essenziale considerare che in ogni caso un individuo monitora i flussi video e l'AI sta semplicemente aiutando il personale di sicurezza a visualizzare le riprese, e i benefici devono essere valutati. Poiché la tecnologia è gestita in modo regolamentato e sicuro secondo un rigoroso quadro di governance, il potenziale vantaggio sarebbe immenso.

Metodologia di Integrazione

Di seguito una panoramica del processo che eseguiremmo ad alto livello per analizzare tali flussi all'interno di un'organizzazione:

Identificare i flussi CCTV e il sistema che fornisce monitoraggio e registrazione di tali flussi
Modificare il software per inviare i feed a un provider di cloud-computing per l'analisi in tempo reale
Elabora i feed attraverso Telemus AI™ e restituire flussi video aumentati al sistema di monitoraggio di sicurezza
Imposta avvisi personalizzati per il personale di sicurezza in base a ciò che viene rilevato

Poiché Telemus AI™ si occupa della maggior parte del lavoro, l'organizzazione può concentrarsi sulla logica di business anziché sull'implementazione tecnica.

Applicazioni Organizzative

Di seguito sono elencate altre potenziali applicazioni per la tua organizzazione:

Monitorare le auto su una rete stradale e rilevare quando si verificano incidenti per inviare una squadra ad assistere
Monitorare gli individui nei locali per garantire che non si verifichino comportamenti antisociali. In tal caso, inviare automaticamente un'unità di sicurezza per deescalare la situazione.
Monitorare i luoghi di lavoro e i cantieri, assicurandosi che il personale non si trovi all'interno dei locali al di fuori degli orari di lavoro stabiliti

Benefici potenziali e realizzati

I benefici potenziali e realizzati di questa tecnologia sono vasti. È possibile eseguire il monitoraggio CCTV in modo più accurato ed efficiente, con meno errori, richiedendo meno personale di sicurezza generale, consentendo a tale personale di concentrarsi su compiti più urgenti come il pattugliamento attivo o il lavoro investigativo.

Telemus AI™ è un'azienda di intelligenza artificiale con sede in Australia che fornisce soluzioni avanzate a enti governativi e aziende. Contattaci oggi per una consulenza gratuita su come Telemus AI™ può essere integrato nella tua organizzazione.

Tag

Rilevamento di Oggetti da Riprese di Sorveglianza