Может ли искусственный интеллект спасать жизни?

Одним из главных трендов в мире информационных технологий в этом году стало проникновение искусственного интеллекта в различные сферы общественной и частной жизни. На деле это означает, что ежедневно создаются системы, обладающие способностями самостоятельно решать задачи, которые ранее мог решить только человеческий разум.

В закладки

Что касается сферы безопасности, распространение технологий AI (artificial intelligence) изменило структуру рынка видеонаблюдения: если раньше он представлял собой рынок оборудования, а программное обеспечение занимало место бесплатного приложения к “железу”, то сегодня отдельным направлением (а по некоторому мнению, отдельным рынком) стала видеоаналитика.

Для оператора видеонаблюдения наличие аналитических функций в ПО камеры или программы мониторинга означает возможность получать автоматические уведомления о нарушениях. С учетом особенностей человеческого зрения, один оператор способен эффективно контролировать лишь два монитора по 9 камер при правильном их расположении. Только представьте, насколько ценны аналитические функции в условиях системы из десятков, сотен видеокамер.

Нейросети как основа видеоаналитики

Ранее для разработки видеоаналитики применялись классические алгоритмы. Некоторая часть аналитических модулей, построенная на алгоритме, успешно функционирует и по сей день. Такие модули способны решать задачи по фиксации объекта, например, - попадание предмета в определенную зону или пересечение объектом обозначенной границы. Однако разделить объекты, попадающие в зону, на людей, животных и автомобили, такой алгоритм не способен.

Для классификации объектов необходимы более сложные решения, способные проанализировать признаки объекта и на основании анализа присвоить ему определенное значение. Таким решением стали искусственные нейронные сети.

Нейросеть очень часто называют моделью головного мозга человека: она также состоит из N-ного числа нейронов и способна обучаться. Если говорить о нейронных сетях, используемых для анализа видео, то чаще всего это сверточные нейронные сети - работающие по аналогии со зрительной системой человека.

К примеру, встречая на улице знакомого человека, мы выделяем его ключевые отличительные признаки (например, особенная походка, черты лица, фигура), затем дополнительные, которые в сумме присваивают ему значение - сосед, коллега, одноклассник и т.д. Подобно этому, сверточные нейросети анализируют информацию слоями - свертками, где на первом слое анализируются базовые признаки объекта, на последующих - более абстрактные.

Искусственный интеллект для обнаружения опасных ситуаций

Наряду с системами охраны периметра и охранно-пожарными сигнализациями, видеоаналитика применяется для обнаружения опасных ситуаций и предупреждения о них оператора видеонаблюдения.

Примером применения искусственного интеллекта для обеспечения безопасности могут быть детектор огня и детектор дыма Domination.

Детекторы фиксируют появление огня и дыма в поле зрения камеры, посылают сигнал об опасной ситуации оператору, а также отмечают кадр с тревожным событием в архиве.

Детекторы анализируют три основных составляющих - форма объекта, его цвет и особенности движения. В процессе обучения детекторов стоит отметить несколько моментов:

  • обучение производится на большой выборке реальных изображений огня и дыма, в случае Domination - более 5000 кадров;
  • чтобы научить нейронную сеть выделять объекты, не соответствующие заданным признакам, в выборку были включены изображения и видео с участием других движущихся объектов - животных, людей, транспорта и прочих. На практике это позволит сократить количество ложных срабатываний детектора.
  • в качестве испытания детекторам было предложено определить возгорания на записях с низкой освещенностью, низким разрешением камеры, разным типом сцены и т.д.

Применение модулей Domination на практике

Многие привыкли думать, что решения на базе искусственного интеллекта используются исключительно большими корпорациями. Другое распространенное мнение - видеоаналитика является лишь вспомогательным, ненадежным средством охраны.

Второе утверждение отчасти справедливо, т.к. внутри помещений (например, на складах или в цехах предприятий) видеоаналитика не заменяет, а дополняет аппаратные решения ОПС. Нужно заметить, что при этом детекторы могут обнаружить огонь и дым в кадре уже спустя 15 секунд после его появления.

Один из реальных объектов, на которых уже установлены решения Domination, - крупная компания по производству нефтехимических продуктов. Быстрое обнаружение возгорания или задымления играет здесь ключевую роль, так как возможный пожар или взрыв способен повлечь за собой не только материальные ценности, но и человеческие жертвы.

Аналитика, однако, применяется на самых разных объектах. Так, детекторы могут быть включены в систему видеонаблюдения на парковке или в парке - там, где есть возможность установить видеокамеры, но нет датчиков дыма. Для этих целей в выборку для обучения детекторов Domination были включены видео с поджогом машин на парковках:

Другой интересный кейс применения детекторов огня и дыма Domination - золотодобывающая компания. Детекторы были установлены в ангаре для добывающей техники - в подобных помещениях с высокими потолками скорость срабатывания датчиков ОПС может достигать нескольких минут, достаточных для распространения пламени.

В заключение: одно из ключевых преимуществ применения нейронных сетей в видеоаналитике - возможность дообучения. Детекторы огня и дыма Domination, таким образом, могут быть доработаны в соответствии с задачей заказчика и обучены на новой выборке - с подходящими размером, формой и цветом детектируемых объектов.

Материал опубликован пользователем. Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "ITTechLab Domination", "author_type": "self", "tags": [], "comments": 0, "likes": 3, "favorites": 2, "is_advertisement": false, "subsite_label": "dev", "id": 67023, "is_wide": false, "is_ugc": true, "date": "Mon, 13 May 2019 11:04:16 +0300" }
{ "id": 67023, "author_id": 295078, "diff_limit": 1000, "urls": {"diff":"\/comments\/67023\/get","add":"\/comments\/67023\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/67023"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 235819, "last_count_and_date": null }

Комментариев нет 0 комм.

Популярные

По порядку

0
{ "page_type": "article" }

Прямой эфир

[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "240х200_mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "flbq" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Плашка на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } } ]
Нейронная сеть научилась читать стихи
голосом Пастернака и смотреть в окно на осень
Подписаться на push-уведомления
{ "page_type": "default" }