Pengecaman Komputer - Memberikan Penglihatan kepada Komputer

Pengecaman komputer dan penglihatan komputer, secara umumnya, mempunyai sejarah yang panjang dan luas sebagai medan yang mencabar dan kompleks di mana kemajuan sehingga kemunculan ML/AI adalah terhad. Berbeza sama sekali dengan grafik komputer, banyak kemajuan telah berlaku dalam tempoh yang singkat dalam bidang pemodelan 2D/3D, reka bentuk berbantukan komputer (CAD), filem gerakan digital seperti yang dihasilkan oleh Pixar dan permainan video. Pengkomputeran moden sangat sesuai untuk menangkap dan mencipta imej tetapi tidak untuk menanggapnya.

Sebab utama adalah disebabkan oleh masalah persepsi visual. Semasa kemunculan komputer riba moden, tidak mengambil masa yang lama untuk penyelidik membangunkan cara yang bijak untuk mengekodkan imej secara digital dengan mengekodkan gambar sebagai satu siri piksel pelbagai keamatan (cth. RGB) dan juga memampatkan imej melalui pelbagai skim. Apabila kemajuan penangkapan dan pengekodan imej berlaku dan lebih kurang diselesaikan, penyelidik beralih kepada analisis imej.

Diberi satu siri piksel, bagaimana objek boleh dikenal pasti? Terdapat pelbagai teknik yang kelihatan jelas, walaupun naif, seperti melihat warna kelompok piksel, mengikut domain tertentu. Adalah mungkin untuk menganggarkan objek dengan mengenal pasti set warna dengan pengetahuan terdahulu. Sebagai contoh, langit memandangkan ia berwarna biru dan berada di bahagian atas imej. Pengelompokan warna juga tidak mengambil kira bentuk dan saiz objek. Pendekatan ini sukar untuk digeneralisasikan.

Kajian kes ini akan meneroka bagaimana menganalisis suapan video CCTV boleh memberi manfaat kepada organisasi anda. Sistem AI yang boleh mengenal pasti objek daripada rakaman pengawasan mempunyai banyak aplikasi.

Analisis, sebagai contoh, boleh memberikan pemberitahuan boleh tindakkan masa nyata kepada keselamatan dan kakitangan berkaitan. Menulis program algoritma klasik untuk menyelesaikan masalah pengecaman komputer/penglihatan komputer adalah sukar, walaupun penggunaan Kecerdasan Buatan menjadikan masalah itu dapat diselesaikan.

Menyelesaikan Masalah melalui Kecerdasan Buatan

Masalah ini menimbulkan persoalan tentang bagaimana manusia mengenal pasti objek dalam julat visual yang juga amat sukar untuk dijawab. Walaupun ini masih merupakan persoalan terbuka, rangkaian neural buatan telah terbukti amat berguna dalam domain pengecaman komputer/penglihatan komputer.

Dengan teknik pembelajaran mendalam dan set data imej yang luas, adalah mungkin untuk melatih model untuk mengenal pasti objek. Set data yang paling biasa ialah Common Objects in Context (https://cocodataset.org/) yang mengandungi perkara berikut mengikut takrifannya:

Pembahagian objek
Pengecaman dalam konteks
Pensegmenan bahan superpiksel
330K imej (>200K berlabel)
1.5 juta kejadian objek
80 kategori objek
91 kategori bahan
5 kapsyen setiap imej
250,000 orang dengan titik kunci

Membelat pelbagai model kecerdasan buatan dengan maklumat ini telah terbukti sangat berkesan apabila menjalankan model pada set data penilaian.

Gambaran Keseluruhan Cabaran Organisasi

Dengan mengandaikan bahawa keupayaan AI wujud untuk menganalisis objek dalam suapan video (yang ia lakukan), bagaimanakah sesebuah organisasi melaksanakan penyelesaian sedemikian? Masih terdapat masalah yang lebih luas untuk melaksanakan model sedemikian dalam persekitaran yang dikeluarkan yang boleh berskala dan beroperasi dalam rangka kerja kawal selia.

Secara tradisinya, organisasi akan menugaskan jabatan IT mereka untuk memasang keupayaan sedemikian. Biasanya, organisasi akan mencari perisian sedia ada untuk menyelesaikan masalah atau mencari vendor perisian tersuai untuk membina atau menambah baik penyelesaian sedia ada jika penyelesaian sedemikian tidak tersedia dengan mudah. Memandangkan kerumitan sistem Kecerdasan Buatan, kedua-dua pilihan ini tidak akan tersedia untuk masa yang agak lama.

Selain cabaran teknikal, terdapat juga dasar dalaman, dan pelbagai keperluan pematuhan yang perlu dipatuhi oleh organisasi secara umum, seperti privasi data yang, walaupun berkaitan, adalah isu yang berbeza bagi pakar domain berbeza. Oleh itu, melaksanakan penyelesaian sedemikian akan memerlukan kepakaran daripada banyak kawasan lain dalam sesebuah organisasi yang memerlukan pengurusan projek yang kompleks. Alternatif kepada strategi dalaman adalah untuk mengakses keupayaan sedemikian melalui perniagaan Kecerdasan Buatan sebagai Perkhidmatan, termasuk Telemus AI™, dengan cara yang serupa dengan mengakses perkhidmatan awan.

Data Organisasi Tersedia sebagai Input AI

Kebanyakan organisasi menggunakan CCTV untuk tujuan keselamatan dan mempunyai pelbagai suapan video yang dihantar ke bilik kawalan untuk pemantauan. Biasanya, suapan video ini akan mempunyai kakitangan keselamatan memantauinya 24/7 untuk mengenal pasti sebarang aktiviti yang mungkin tidak dianggap boleh diterima atau memerlukan siasatan lanjutan atau tindakan. Suapan video ini boleh disalurkan melalui sistem kecerdasan buatan. AI akan memberi amaran kepada kakitangan keselamatan jika terdapat apa-apa yang memerlukan siasatan lanjutan.

Kelebihan ini ialah sistem AI berpotensi mengesan anomali yang akan terlepas pandang oleh manusia jika ia tidak jelas atau personel keselamatan mengalami kealpaan dalam tumpuan. Cara lain untuk melihat ini ialah keupayaan personel keselamatan untuk memahami apa yang berlaku dalam suapan video telah ditambah baik ke tahap yang lebih tinggi. Oleh itu, serupa dengan menggunakan alat dalam domain lain untuk menambah baik keupayaan kita.

Walaupun potensi teknologi ini mungkin menakutkan bagi sesetengah orang, adalah penting untuk mempertimbangkan bahawa individu sedang memantau suapan video dalam apa jua keadaan, dan AI hanya membantu kakitangan keselamatan melihat rakaman, dan manfaatnya perlu ditimbang. Memandangkan teknologi dijalankan secara terkawal dan selamat di bawah rangka kerja tadbir urus yang ketat, potensi peningkatannya akan sangat besar.

Metodologi Integrasi

Berikut ialah gambaran keseluruhan proses yang akan kami lakukan pada tahap tinggi untuk menganalisis suapan sedemikian dalam sesebuah organisasi:

Kenal pasti suapan CCTV dan sistem yang menyediakan pemantauan dan rakaman suapan sedemikian
Ubah suai perisian untuk menghantar suapan kepada penyedia pengkomputeran awan untuk analisis masa nyata
Jalankan suapan melalui Telemus AI™ dan mengembalikan suapan video tambahan kembali ke sistem pemantauan keselamatan
Sediakan amaran tersuai kepada kakitangan keselamatan berdasarkan apa yang dikesan

Memandangkan Telemus AI™ mengendalikan kebanyakan kerja, organisasi boleh memberi tumpuan kepada logik perniagaan dan bukannya pelaksanaan teknikal.

Aplikasi Organisasi

Berikut menyenaraikan potensi aplikasi lain untuk organisasi anda:

Memantau kereta di rangkaian jalan raya dan mengesan apabila kemalangan berlaku untuk menghantar kru untuk membantu
Memantau individu di tempat untuk memastikan tingkah laku antisosial tidak berlaku. Jika ya, hantar unit keselamatan secara automatik untuk menyahskalakan situasi.
Memantau tempat kerja dan tapak kerja, memastikan kakitangan tidak berada di dalam premis di luar waktu operasi yang ditetapkan

Manfaat Berpotensi dan Direalisasikan

Potensi dan manfaat yang direalisasikan daripada teknologi ini adalah luas. Adalah mungkin untuk menjalankan pemantauan CCTV dengan lebih tepat dan cekap, dengan ralat yang lebih sedikit, memerlukan lebih sedikit kakitangan keseluruhan keselamatan, membolehkan kakitangan tersebut memberi tumpuan kepada tugas yang lebih mendesak seperti rondaan aktif atau kerja penyiasatan.

Telemus AI™ ialah syarikat kecerdasan buatan berpangkalan di Australia yang menyediakan penyelesaian termaju kepada kerajaan dan perusahaan. Hubungi kami hari ini untuk perundingan percuma tentang cara Telemus AI™ boleh disepadukan ke dalam organisasi anda.

Tag

Pengecaman Objek Rakaman Pengawasan