Pagtuklas ng Bagay sa Surveillance Footage

Computer Recognition - Pagbibigay ng Paningin sa mga Computer

Ang computer recognition at computer vision, sa pangkalahatan, ay may mahaba at malawak na kasaysayan ng pagiging mga hamon at komplikadong larangan kung saan limitado ang progreso hanggang sa pagdating ng ML/AI. Sa matinding pagkakaiba, sa computer graphics, maraming pagsulong ang naganap sa maikling panahon sa loob ng mga larangan ng 2D/3D modelling, computer-aided design (CAD), digital motion pictures tulad ng mga ginawa ng Pixar at video games. Ang modernong computing ay akma sa pagkuha at paglikha ng mga imahe ngunit hindi sa pag-unawa sa mga ito.

Ang pag-analyse, halimbawa, ay maaaring magbigay ng real-time na actionable na mga abiso sa seguridad at mga kaugnay na personnel. Ang pagsulat ng isang classical algorithmic program upang lutasin ang mga problema sa computer recognition/computer vision ay mahirap, bagama't ang paggamit ng Artificial Intelligence ay nagpapadali sa problema.

Paglutas ng Problema sa pamamagitan ng Artificial Intelligence

Nagbibigay ang problemang ito ng mga tanong tungkol sa kung paano nakakakilala ang mga tao ng mga bagay sa loob ng isang visual range na napakahirap ding sagutin. Bagama't ito ay isa pang bukas na tanong, ang mga artificial neural network ay napatunayang napakakapaki-pakinabang sa domain ng computer recognition/computer vision.

Sa pamamagitan ng mga diskarte sa deep learning at isang malawak na dataset ng mga imahe, posibleng sanayin ang isang modelo upang makilala ang mga bagay. Ang pinakakaraniwang dataset ay ang Common Objects in Context (https://cocodataset.org/) na naglalaman ng mga sumusunod ayon sa kanilang kahulugan:

  • Object segmentation
  • Pagkilala sa konteksto
  • Paghihiwalay ng bagay na superpixel
  • 330K na imahe (>200K na may label)
  • 1.5 milyong object instance
  • 80 kategorya ng object
  • 91 kategorya ng mga bagay
  • 5 caption kada imahe
  • 250,000 tao na may keypoints

Napatunayang lubhang epektibo ang pag-train sa iba't ibang modelo ng artificial intelligence gamit ang impormasyong ito kapag pinatakbo ang modelo sa isang evaluation dataset.

Pangkalahatang-ideya ng Hamon sa Organisasyon

Sa pagpapalagay na umiiral ang AI capability na sumuri ng mga bagay sa loob ng mga video feed (na umiiral nga), paano magpapatupad ang isang organisasyon ng ganitong solusyon? Mayroon pa rin ang mas malawak na problema ng pagpapatupad ng ganitong modelo sa isang productionised environment na maaaring mag-scale at umikot sa loob ng isang regulatory framework.

Sa tradisyon, ang mga organisasyon ay ipinapaubaya sa kanilang mga departamento ng IT ang pag-install ng ganitong kakayahan. Karaniwan, ang mga organisasyon ay humanap ng handa-nang-gamiting software upang lutasin ang problema o kaya'y magsadya ng vendor ng custom-software upang bumuo o i-retrofit ng umiiral na solusyon kung ang ganitong solusyon ay hindi madaling makukuha. Dahil sa pagiging komplikado ng mga sistema ng Artificial Intelligence, ang dalawang opsyong ito ay magiging hindi magagamit sa loob ng mahabang panahon.

Bukod sa mga teknikal na hamon, mayroon ding mga panloob na patakaran, at iba't ibang kinakailangan sa pagsunod na dapat sundin ng mga organisasyon, tulad ng data privacy na, bagama't magkaugnay, ay mga isyu para sa iba't ibang domain expert. Kaya, ang pagpapatupad ng ganitong solusyon ay mangangailangan ng kadalubhasaan mula sa maraming iba pang lugar ng isang organisasyon na nangangailangan ng komplikadong pamamahala ng proyekto. Isang alternatibo sa mga panloob na estratehiya ay ang pag-access sa ganitong kakayahan sa pamamagitan ng isang Artificial Intelligence as a Service na negosyo, kabilang ang Telemus AI™, sa paraang katulad ng pag-access sa mga cloud service.

Data na Organisasyonal na Magagamit bilang Input ng AI

Karamihan sa mga organisasyon ay gumagamit ng CCTV para sa mga layuning pangseguridad at may iba't ibang video feed na ipinapadala sa isang control room para subaybayan. Karaniwan, ang mga video feed na ito ay may security personnel na sumusubaybay dito 24/7 upang matukoy ang anumang aktibidad na maaaring hindi itinuturing na katanggap-tanggap o nangangailangan ng karagdagang imbestigasyon o aksyon. Ang mga video feed na ito ay maaaring iproseso sa isang artificial intelligence system. Aabisuhan ng AI ang security personnel kung may anumang nangangailangan ng karagdagang imbestigasyon.

Ang bentahe nito ay na ang sistema ng AI ay maaaring posibleng matukoy ang mga anomalya na hindi mapapansin ng isang tao kung hindi ito halata o kung ang security personnel ay nagkaroon ng pagkukulang sa pansin. Ang isa pang paraan ng pagtingin dito ay na ang kakayahan ng security personnel na maunawaan ang nangyayari sa mga video feed ay napataas sa mas mataas na antas. Kaya't katulad ng paggamit ng mga tool sa iba pang domain upang palakasin ang aming mga kakayahan.

Bagama't ang potensyal ng teknolohiyang ito ay maaaring nakakatakot para sa ilang tao, mahalagang isaalang-alang na isang indibidwal ang nagmomonitor ng mga video feed sa anumang pagkakataon, at ang AI ay tumutulong lamang sa mga tauhan ng seguridad na matingnan ang footage, at ang mga benepisyo ay dapat timbangin. Dahil ang teknolohiya ay pinapatakbo sa isang regulado at ligtas na paraan sa ilalim ng isang mahigpit na balangkas ng pamamahala, ang potensyal na benepisyo ay magiging napakalaki.

Methodology ng Integration

Ang sumusunod ay isang pangkalahatang-ideya ng proseso na isasagawa namin sa isang mataas na antas upang suriin ang mga ganitong feed sa loob ng isang organisasyon:

  1. Tukuyin ang mga CCTV feed at ang system na nagbibigay ng pagsubaybay at pagre-record ng mga nasabing feed
  2. Baguhin ang software upang magpadala ng feeds sa isang provider ng cloud-computing para sa real-time na pagsusuri
  3. Ipasa ang mga feed sa Telemus AI™ at ibalik ang mga nadagdagang video feed pabalik sa security monitoring system
  4. Mag-set up ng mga customised alert sa mga tauhan ng seguridad batay sa nakitang bagay

Dahil inaalagaan ng Telemus AI™ ang karamihan sa trabaho, maaaring tumuon ang organisasyon sa business logic sa halip na sa technical implementation.

Mga Organisational Application

Naglilista ang sumusunod ng iba pang mga potensyal na aplikasyon para sa iyong organisasyon:

  • Pagsubaybay sa mga kotse sa isang network ng kalsada at pagtukoy kung kailan nangyayari ang mga aksidente upang magpadala ng crew para tumulong
  • Pagsubaybay sa mga indibidwal sa mga venue upang matiyak na hindi nangyayari ang antisocial na pag-uugali. Kung gayon, awtomatikong magpadala ng isang security unit upang i-deescalate ang sitwasyon.
  • Pagsubaybay sa mga workplace at worksite, na tumitiyak na ang mga staff ay wala sa loob ng premise sa labas ng nakatakdang oras ng operasyon

Mga Potensyal at Narealisang Benepisyo

Ang mga potensyal at natanto na benepisyo ng teknolohiyang ito ay malawak. Posibleng magsagawa ng pagsubaybay sa CCTV nang mas tumpak at mahusay, na may mas kaunting mga pagkakamali, na nangangailangan ng mas kaunting pangkalahatang tauhan ng seguridad, na nagpapahintulot sa ganitong mga tauhan na tumuon sa mas mahahalagang gawain tulad ng aktibong pagpapatrolya o gawaing imbestigasyon.

Ang Telemus AI™ ay isang kumpanya ng artificial intelligence na nakabase sa Australia na nagbibigay ng mga advanced na solusyon sa gobyerno at enterprise. Makipag-ugnayan sa amin ngayon para sa isang libreng konsultasyon kung paano maaring isama ang Telemus AI™ sa iyong organisasyon.


Tuklasin ang Higit Pa Mga Pag-aaral ng Kaso ng AI