การตรวจจับวัตถุในภาพจากกล้องวงจรปิด

การจดจำด้วยคอมพิวเตอร์ - มอบการมองเห็นให้กับคอมพิวเตอร์

การจดจำด้วยคอมพิวเตอร์และคอมพิวเตอร์วิทัศน์โดยทั่วไป มีประวัติอันยาวนานที่เป็นสาขาที่ท้าทายและซับซ้อน ซึ่งความก้าวหน้าก่อนถึงยุคของ ML/AI นั้นมีอย่างจำกัด ในทางตรงกันข้ามอย่างชัดเจน กับคอมพิวเตอร์กราฟิกส์ มีความก้าวหน้ามากมายเกิดขึ้นในระยะเวลาอันสั้นในสาขาการสร้างแบบจำลอง 2D/3D การออกแบบโดยใช้คอมพิวเตอร์ช่วย (CAD) ภาพยนตร์ดิจิทัลเคลื่อนไหวเช่นผลงานของ Pixar และวิดีโอเกม คอมพิวเตอร์สมัยใหม่เหมาะอย่างยิ่งกับการจับภาพและสร้างภาพ แต่ไม่ใช่กับการรับรู้ภาพเหล่านั้น

การวิเคราะห์ ตัวอย่างเช่น สามารถให้การแจ้งเตือนที่สามารถดำเนินการได้แบบเรียลไทม์แก่บุคลากรด้านความปลอดภัยและที่เกี่ยวข้อง การเขียนโปรแกรมอัลกอริทึมแบบดั้งเดิมเพื่อแก้ปัญหาการจดจำด้วยคอมพิวเตอร์/คอมพิวเตอร์วิทัศน์เป็นเรื่องยาก แม้ว่าการใช้ปัญญาประดิษฐ์จะทำให้ปัญหาสามารถแก้ไขได้

การแก้ปัญหาผ่านปัญญาประดิษฐ์

ปัญหานี้ทำให้เกิดคำถามเกี่ยวกับวิธีที่มนุษย์ระบุวัตถุภายในช่วงการมองเห็น ซึ่งเป็นคำถามที่ตอบได้ยากอย่างยิ่ง แม้ว่านี่จะยังคงเป็นคำถามที่เปิดก็ตาม เครือข่ายประสาทเทียมได้รับการพิสูจน์ว่ามีประโยชน์อย่างยิ่งในด้านการจดจำคอมพิวเตอร์/การมองเห็นของคอมพิวเตอร์

ด้วยเทคนิคการเรียนรู้เชิงลึกและชุดข้อมูลภาพจำนวนมาก ทำให้สามารถฝึกฝนโมเดลเพื่อระบุวัตถุได้ ชุดข้อมูลที่พบได้บ่อยที่สุดคือ Common Objects in Context (https://cocodataset.org/) ซึ่งมีรายการดังต่อไปนี้ตามคำจำกัดความของพวกเขา:

  • การแบ่งส่วนวัตถุ
  • การจดจำในบริบท
  • การแบ่งส่วนสุเปอร์พิกเซล
  • 330K รูปภาพ (>200K ที่มีป้ายกำกับ)
  • 1.5 ล้านอินสแตนซ์ของวัตถุ
  • 80 หมวดหมู่วัตถุ
  • 91 หมวดหมู่สิ่งของ
  • 5 คำบรรยายต่อรูปภาพ
  • 250,000 คนพร้อมจุดสำคัญ

การฝึกฝนแบบจำลองปัญญาประดิษฐ์ต่างๆ ด้วยข้อมูลนี้ได้พิสูจน์แล้วว่ามีประสิทธิภาพสูงเมื่อนำแบบจำลองไปทำงานบนชุดข้อมูลประเมินผล

ภาพรวมของความท้าทายในองค์กร

สมมติว่ามีความสามารถของ AI ในการวิเคราะห์วัตถุภายในฟีดวิดีโอ (ซึ่งมันทำได้) องค์กรจะนำโซลูชันดังกล่าวไปใช้ได้อย่างไร? ยังคงมีปัญหาในวงกว้างในการนำโมเดลดังกล่าวไปใช้ในสภาพแวดล้อมที่ใช้งานจริงซึ่งสามารถปรับขนาดและดำเนินการภายในกรอบกฎระเบียบได้

ตามธรรมเนียมแล้ว องค์กรต่างๆ มักจะมอบหมายให้แผนก IT ของตนติดตั้งความสามารถดังกล่าว โดยทั่วไปแล้ว องค์กรต่างๆ มักจะหาซอฟต์แวร์สำเร็จรูปเพื่อแก้ปัญหา หรือค้นหาผู้จำหน่ายซอฟต์แวร์แบบกำหนดเองเพื่อสร้างหรือดัดแปลงโซลูชันที่มีอยู่หากไม่มีโซลูชันดังกล่าวพร้อมใช้งาน เนื่องจากความซับซ้อนของระบบปัญญาประดิษฐ์ ทั้งสองตัวเลือกนี้จะไม่สามารถใช้ได้ในช่วงเวลาหนึ่ง

นอกเหนือจากความท้าทายด้านเทคนิคแล้ว ยังมีนโยบายภายในและข้อกำหนดด้านการปฏิบัติตามข้อกำหนดต่างๆ ที่องค์กรต้องปฏิบัติตามโดยทั่วไป เช่น ความเป็นส่วนตัวของข้อมูล ซึ่งแม้จะเกี่ยวข้องกัน แต่ก็เป็นปัญหาที่ต้องอาศัยผู้เชี่ยวชาญในแต่ละโดเมน ดังนั้น การนำโซลูชันดังกล่าวไปใช้จะต้องอาศัยความเชี่ยวชาญจากด้านอื่นๆ อีกหลายด้านขององค์กร ซึ่งต้องการการบริหารจัดการโครงการที่ซับซ้อน ทางเลือกแทนยุทธศาสตร์ภายในคือการเข้าถึงความสามารถดังกล่าวผ่านธุรกิจปัญญาประดิษฐ์ในรูปแบบบริการ (Artificial Intelligence as a Service) รวมถึง Telemus AI™ ในลักษณะเดียวกับการเข้าถึงบริการคลาวด์

ข้อมูลองค์กรที่พร้อมใช้เป็นข้อมูลนำเข้า AI

องค์กรส่วนใหญ่ใช้กล้องวงจรปิดเพื่อวัตถุประสงค์ด้านความปลอดภัยและมีฟีดวิดีโอต่างๆ ถูกส่งไปยังห้องควบคุมเพื่อตรวจสอบ โดยปกติ ฟีดวิดีโอเหล่านี้จะมีเจ้าหน้าที่รักษาความปลอดภัยเฝ้าระวังตลอด 24 ชั่วโมง เพื่อระบุกิจกรรมใดๆ ที่อาจไม่ถือว่าเป็นที่ยอมรับหรือต้องการการตรวจสอบหรือการดำเนินการเพิ่มเติม ฟีดวิดีโอเหล่านี้สามารถป้อนผ่านระบบปัญญาประดิษฐ์ AI จะแจ้งเตือนเจ้าหน้าที่รักษาความปลอดภัยหากมีสิ่งใดที่ต้องการการตรวจสอบเพิ่มเติม

ข้อดีของเรื่องนี้คือระบบ AI สามารถตรวจจับความผิดปกติที่มนุษย์อาจมองข้ามได้หากไม่ชัดเจนหรือหากบุคลากรรักษาความปลอดภัยเกิดความไม่ตั้งใจ อีกวิธีหนึ่งในการมองเรื่องนี้คือความสามารถของบุคลากรรักษาความปลอดภัยในการทำความเข้าใจสิ่งที่เกิดขึ้นในฟีดวิดีโอได้รับการเสริมให้อยู่ในระดับที่สูงขึ้น ดังนั้น จึงคล้ายกับการใช้เครื่องมือในขอบเขตอื่นๆ เพื่อเสริมความสามารถของเรา

แม้ว่าศักยภาพของเทคโนโลยีนี้อาจสร้างความกังวลให้กับบางคน แต่สิ่งสำคัญคือต้องพิจารณาว่าในทุกกรณีจะมีบุคคลคอยตรวจสอบฟีดวิดีโออยู่เสมอ และ AI เพียงแค่ช่วยเหลือบุคลากรด้านความปลอดภัยในการดูภาพฟุตเทจ และประโยชน์ที่จะได้รับต้องได้รับการประเมินอย่างรอบคอบ เนื่องจากเทคโนโลยีนี้ทำงานในลักษณะที่มีการควบคุมและปลอดภัยภายใต้กรอบการกำกับดูแลที่เข้มงวด ผลประโยชน์ที่อาจเกิดขึ้นจึงมีมหาศาล

ระเบียบวิธีบูรณาการ

ต่อไปนี้เป็นภาพรวมของกระบวนการที่เราจะดำเนินการในระดับสูงเพื่อวิเคราะห์ฟีดดังกล่าวภายในองค์กร:

  1. ระบุฟีด CCTV และระบบที่ให้การตรวจสอบและบันทึกฟีดดังกล่าว
  2. ปรับเปลี่ยนซอฟต์แวร์เพื่อส่งฟีดไปยังผู้ให้บริการคลาวด์คอมพิวติ้งเพื่อวิเคราะห์แบบเรียลไทม์
  3. ส่งฟีดข้อมูลผ่าน Telemus AI™ และส่งฟีดวิดีโอที่ได้รับการเสริมกลับไปยังระบบตรวจสอบความปลอดภัย
  4. ตั้งค่าการแจ้งเตือนที่ปรับให้เหมาะสมให้กับบุคลากรฝ่ายความปลอดภัยตามสิ่งที่ตรวจพบ

เนื่องจาก Telemus AI™ ดูแลงานส่วนใหญ่ องค์กรจึงสามารถมุ่งเน้นไปที่ตรรกะทางธุรกิจแทนการใช้งานด้านเทคนิค

การประยุกต์ใช้ในองค์กร

ต่อไปนี้เป็นรายการแอปพลิเคชันที่อาจเกิดขึ้นอื่นๆ สำหรับองค์กรของคุณ:

  • ตรวจสอบรถยนต์บนเครือข่ายถนนและตรวจจับเมื่อเกิดอุบัติเหตุเพื่อส่งทีมงานไปช่วยเหลือ
  • ตรวจสอบบุคคลในสถานที่เพื่อให้แน่ใจว่าไม่มีพฤติกรรมต่อต้านสังคมเกิดขึ้น หากมี ให้ส่งหน่วยรักษาความปลอดภัยไปเพื่อลดความรุนแรงของสถานการณ์โดยอัตโนมัติ
  • ตรวจสอบสถานที่ทำงานและไซต์งาน เพื่อให้แน่ใจว่าพนักงานไม่ได้อยู่ภายในสถานที่นอกเหนือจากเวลาทำการที่กำหนดไว้

ประโยชน์ที่อาจเกิดขึ้นและที่เกิดขึ้นจริง

ประโยชน์ที่อาจเกิดขึ้นและเป็นจริงของเทคโนโลยีนี้นั้นมหาศาล สามารถทำการตรวจสอบ CCTV ได้อย่างแม่นยำและมีประสิทธิภาพมากขึ้น โดยมีข้อผิดพลาดน้อยลง ต้องการบุคลากรรักษาความปลอดภัยโดยรวมน้อยลง ทำให้บุคลากรดังกล่าวสามารถมุ่งเน้นไปที่งานที่เร่งด่วนมากขึ้น เช่น การลาดตระเวนอย่างแข็งขันหรืองานสืบสวน

Telemus AI™ เป็นบริษัทปัญญาประดิษฐ์ที่มีฐานอยู่ในออสเตรเลีย ซึ่งให้บริการโซลูชันขั้นสูงแก่ภาครัฐและองค์กร ติดต่อเราวันนี้เพื่อรับคำปรึกษาฟรีเกี่ยวกับวิธีที่ Telemus AI™ สามารถบูรณาการเข้ากับองค์กรของคุณ


สำรวจเพิ่มเติม กรณีศึกษา AI