Zaměřeno na Deep Learning technologii

Snižování množství falešných poplachů s technologií Deep Learning.
Hikvision Digital Technology Co., Ltd. představení společnosti


Fenomén Deep Learning, neboli „inteligentní učení“, nadále vzrušuje svět IT. Díky zvyšujícímu se výpočetnímu výkonu a zlepšování technologií je nyní možné využít Deep Learning v praktických aplikacích jako jsou bezpečnostní kamerové systémy. Společnost Hikvision jako jedna z prvních implementuje tuto profi technologii v oboru bezpečnostního dohledu, sledování a i mimo něj a již vydala první řadu produktů, které využívají umělou inteligenci (AI).

Koncept Deep Learning je inspirován fungováním lidského mozku. Naše mozky lze považovat za velmi komplexní model Deep Learning. Neuronové sítě lidského mozku se skládají z miliard propojených neuronů a tuto strukturu simuluje technologie Deep Learning. Tyto vícevrstvé sítě mohou shromažďovat informace a provádět odpovídající akce podle jejich analýzy.

V posledních dvou letech tato technologie excelovala v oblastech rozpoznávání řeči, počítačového učení, hlasového překladu a mnoha dalších. Dokonce předčila lidské schopnosti v oblasti rozpoznání a ověření obličejů a klasifikaci obrazů; a proto byla tato inteligence v oblasti video zabezpečení pro bezpečnostní průmysl vysoce ceněna.

Její schopnost učit se v oblasti rozpoznání lidských bytostí – například jejich odlišení od zvířat - dělá technologii skvělým doplňkem k bezpečnostním systémům. To je zvláště důležité ve světě, kde falešné poplachy představují 94% -99% všech poplachů (podle dostupných statistik policie a hasičů!).

Jak funguje technologie Deep Learning
Deep Learning se podstatně liší od ostatních algoritmů. Způsob řešení nedostatků tradičních algoritmů je zahrnut v následujících aspektech.

Algoritmický model pro Deep Learning má mnohem hlubší strukturu než tradiční algoritmy. Někdy může počet vrstev dosáhnout více než stovky, což umožňuje zpracovávat větší množství dat v složitých klasifikacích. Hikvision Digital Technology Co., Ltd. představení společnosti Deep Learning je velmi podobné procesu učení člověka a používá proces abstrakce rysů „vrstvy po vrstvě“. Každá vrstva má jinou "váhu" a tato váha se odráží v tom, co bylo zjištěno o jednotlivých "komponentech" obrazů. Čím vyšší úroveň vrstvy, tím specifičtější jsou její součásti. Stejně jako lidský mozek, původní signál v hlubokém učení prochází vrstvami zpracování a začíná jen částečným (mělkým) pochopením celkové abstrakce (hluboké), kde může objekt vnímat.

Deep Learning nevyžaduje ruční zásah, ale spoléhá na počítač, aby rozpoznal rysy sám. Tímto způsobem je schopen získat co nejvíce rysů z cíle, včetně abstraktních rysů, které je obtížné nebo nemožné popsat. Hikvision Digital Technology Co., Ltd. představení společnosti Čím více rysů je, tím přesnější bude rozpoznání a klasifikace. Některé z největších výhod, které algoritmy Deep Learning mohou přinést, zahrnují dosažení srovnatelné nebo dokonce lepší přesnosti rozpoznávání vzorů počítačem oproti lidské bytosti. Dále silné schopnosti odolat rušení a schopnosti klasifikovat a rozpoznat tisíce rysů.

Výzvy stávajících systémů
Konvenční systémy sledování většinou detekují pohyblivé cíle bez další analýzy. Dokonce i inteligentní IP kamery dokážou jen postupně mapovat jednotlivé body tvaru, takže je obtížné kalibrovat některé rysy (např. čelo nebo tvář), čímž se snižuje přesnost.

Pro zabezpečení určité oblasti mohou být (a jsou) použity jiné technologie k zajištění komplexnější bezpečnosti. Ale všechny mají své nevýhody. Infračervené detektory emisí mohou být "přeskočeny" a jsou také náchylné k falešným poplachům způsobeným zvířaty. Elektronické ploty mohou představovat bezpečnostní riziko a v určitých oblastech mají omezení. Některá z těchto řešení mohou být také drahá a komplikovaná při instalaci.

Předměty, jako jsou zvířata, listy nebo dokonce světlo, mohou způsobit falešné poplachy, takže schopnost identifikovat přítomnost lidského tvaru skutečně zlepšuje přesnost funkcí VCA dané oblasti. Časté falešné poplachy jsou vždy problémem pro koncové uživatele, kteří musí věnovat čas vyšetřováním každého z nich, což může potenciálně oddálit jakoukoli nezbytnou reakci a obecně ovlivnit efektivitu.
Hikvision Digital Technology Co., Ltd. představení společnosti
Představte si například scénář, kde je relativně klidná lokalita - místo v noci, kde je málo automobilů a lidí. Dokonce i tady může být v noci 50 falešných poplachů. Za předpokladu, že kontrola falešného poplachu trvá 2-3 minuty a že jen 3 z 50 z nich vyžadují větší pozornost - řekněme 15 minut na jeho vyšetření, stráž musí buď zkontrolovat systém a zpětně dohledat výstrahu, nebo někdo musí být vyslán na místo a zjistit, zda někdo skutečně "vstoupil bez povolení". Ve většině organizací je třeba tyto informace nahlásit/zaznamenat, což navyšuje celkový čas strávený na tomto "falešném poplachu". Takže těch 50 falešných poplachů by mohlo v tomto scénáři stát každou noc více než dvě hodiny zbytečně stráveného času.

Deep Learning však znamená v podobných situacích velký rozdíl. S pomocí velkého množství kvalitních dat z kamer a dalších zdrojů, jako je Výzkumný ústav Hikvision, a více než sta členů čisticího týmu, kteří označují videozáznamy, byly nahromaděny vzorové údaje s miliony kategorií v rámci tohoto odvětví. Díky tomuto velkému množství kvalitních cvičných dat jsou modely pro rozpoznávání vzorců pro lidi, vozidla a objekty stále přesnější pro použití při video sledování.

Na základě řady experimentů přesnost rozpoznávání pomocí algoritmu Deep Learning vzrostla o 38% - při použití tohoto postupu v předchozím příkladu, se jedná o úsporu téměř jedné hodiny každou noc. To dělá technologii Deep Learning velkou výhodou v zabezpečení oblastí, s mnohem přesnější detekcí vstupu, odchodu a vniknutí.

Jiné použití
Hodnota technologie Deep Learning dosahuje dále než jen na tradiční zabezpečení. Například sledování pohybových vzorců jednotlivců dokáže zjistit, zda se „courají“ a rozhlíží a může pomoci odhalit potenciální hrozbu. Prah by mohl být nastaven na pět metrů poloměru pohybu, nebo deset vteřin postávání na jednom místě. Pokud osoba překročí jednu prahovou hodnotu, může dojít k poplachu. Deep Learning sleduje jednotlivce a porovnává toto chování s databází, aby zjistilo, zda rozpoznává vzorec. Další použití by bylo ve scénáři, kdy by "spadnutí" mohlo být hrozbou, jako je pečovatelský dům. Pokud by výška prahu byla nastavena na 0,5 m a délka trvání 10 sekund, mohl by systém rozpoznat osobu, která spadne (je pod 0,5 m výšky) a má možná problém (zůstane na zemi po dobu delší než 10 sekund). Deep Learning použije parametry nastavené pro porovnání s databází a vyvolá poplach. S funkcemi a výhodami, jako jsou tyto, je snadné vidět, kolik inteligentních aplikací může využít technologii Deep Learning.

Pro shrnutí
Středisko výzkumu a vývoje Hikvision čítající 10 000 lidí posunuje hranice oboru dohledu a sledování a přináší ještě větší výhody. Umělá inteligence má obrovský potenciál a firma Hikvision vždy zkoumá nové způsoby, jak aplikovat tuto vzrušující technologii v celém bezpečnostním průmyslu i mimo něj.

Vysoká inteligence a inteligentní bezpečnostní dohledové systémy...
Řešení Hikvision Deep Learning jsou k dispozici ve třech úrovních:
- kamera DeepinView dokáže sledovat cíle, třídit a zachytit je při spuštění alarmu.
- tradiční IP kamera s využitím DeepinMind NVR přidá funkci inteligentního vyhledávání podle obrazu a šetří čas při vyhledávání cílů ve srovnání s běžným NVR.
- DeepinView kamera a DeepinMind NVR poskytují řešení s plným výkonem, kamera odesílá informace NVR, které je pak může analyzovat. Tím se urychluje nahrávání a filtrování falešných poplachů.

Hikvision Digital Technology Co., Ltd. představení společnosti

Hikvision Digital Technology Co., Ltd. představení společnosti

VIAKOM CZ s.r.o. je autorizovaný dovozce a distributor produktů a řešení od firmy HIKVISION pro Českou republiku. Pro kompletní řešení kontaktujte obchodní oddělení +420 281 869 570.