V posledním desetiletí se díky mnohaletému vývoji a díky pokrokům v analytice v koncových zařízeních podařilo výrazně zvýšit schopnost transformovat data z kamer na využitelné informace a automatizované akce. Špičková analytika se stala všestrannou a inovativní oblastí, kterou pohánějí výkonné kamery se schopnostmi založenými na umělé inteligenci (AI).
Tento vývoj vydláždil cestu nové generaci datové analytiky. V rozhovoru s Matsem Thulinem, ředitelem AI a analytických řešení společnosti Axis Communications, vysvětlujeme její současné možnosti i budoucí potenciál.
Představení ARTPEC-9 – našeho nejnovějšího systému na čipu (SoC) – představuje významný krok vpřed v oblasti analýzy v koncovém zařízení okraji poháněné umělou inteligencí. ARTPEC-9 zlepšuje detekci objektů a analýzu událostí a zároveň poskytuje vysokou obrazovou kvalitu s výkonným kódováním AV1 a pokročilými funkcemi kybernetické bezpečnosti. I když analýza obrazu v kameře není nová, kombinace vysoce kvalitního obrazu a hlubokého učení poskytuje silný základ k zvýšení efektivity a přesnosti analýzy.
Snižte potřebu serverové analytiky
„Ještě před několika lety neměly kamery k pokročilé analýze dostatečný výpočetní výkon, takže standardem byla analýza na straně serverů,“ vysvětluje Mats Thulin. „I když servery nabízejí velký výpočetní výkon, existují stále určité výzvy. Například komprese videa před jeho nahráním může snížit kvalitu později analyzovaného obrazu. A při škálování systémů může spoleh pouze na serverovou nebo cloudovou analytiku generovat vysoké náklady, zejména při stále rostoucích požadavcích.“
Předefinujte analytiku pomocí umělé inteligence na bezkonkurenční výkon a přesnost
Analytika poháněná umělou inteligencí vyžaduje velké výpočetní zdroje. Mats vysvětluje: „Když se analýza provádí výhradně na serveru, musí být video zakódováno v zařízení na okraji sítě a poté dekódováno k analýze – což vyžaduje velký výpočetní výkon. Dokonce i systém s 20-30 HD kamerami běžícími rychlostí 20-30 snímků za sekundu vyžaduje značné výpočetní zdroje.“
Výpočetní výkon našich zařízení a jejich možnosti jsou už na takové úrovni, že pokročilou analytiku lze implementovat přímo v kameře, čili v zařízení na okraji sítě. To vám umožní snížit závislost na serverech a cloudu a provádět analýzu v místě registrace – což je zásadní pro přesnost.
Obrazy optimalizované pro lidi a stroje
Stále častěji jsou to stroje, nikoli lidé, kdo analyzuje obraz z kamer. To je důležité, protože stroje zpracovávají obraz jinak než lidské oko.
„Nyní můžeme vyladit video speciálně pro analytiku AI, abychom dosáhli lepších výsledků,“ říká Mats. „Například pro lidské oko je důležitá redukce šumu kvůli zvýšení čitelnosti. U AI to ale není vždy nutné – algoritmy analyzují obraz jiným způsobem.“
Zlepšete škálovatelnost systému pomocí hybridních řešení
Edge analýza může výrazně snížit množství přenášených dat a zlepšit efektivitu sítě, paměti a výpočetního výkonu. Analýza na serveru však má stále důležitou roli. Nejlepší výsledky často přináší hybridní přístup – kombinace síly edge analytiky se serverovou a cloudovou analytikou.
Systémy založené výhradně na analýze v zařízeních na okraji sítě jsou skvělé ke generování událostí v reálném čase na základě detekce a klasifikace objektů. Ve složitějším prostředí jsou však optimální hybridní řešení.
Využití potenciálu metadat
Metadata – v kontextu videa – v podstatě označují klíčové prvky scény a přidávají popisy nebo informace o tom, co se děje. Tato další vrstva informací umožňuje softwaru správy videa (VMS) spouštět aktivity v reálném čase nebo cílit při vyhledávání na události nebo analýzu trendů.
Díky analýze v zařízení na okraji běží datový proud metadat hladce s kanálem videa a optimalizuje výkon celého systému. Namísto centrálního zpracování veškerého videomateriálu se analyzují pouze relevantní metadata. Tento přístup urychluje zpracování, zvyšuje přesnost a snižuje náklady, což vám umožní získat hlubší vhled bez přetížení systému.
Chraňte soukromí pomocí edge analytiky
Edge analýza může také zvýšit ochranu soukromí, například inteligentním maskováním citlivých dat na úrovni kamery. „Tváře, poznávací značky nebo jiné identifikátory lze snadno rozpixelovat,“ vysvětluje Mats. „Odhalený obrázek zůstává k dispozici pouze oprávněným osobám, např. pro případ řešení incidentu.“
Posouvání hranic edge technologie
Ve společnosti Axis nově definujeme možnosti edge computingu prostřednictvím naší platformy Axis Camera Application Platform (ACAP). Jedná se o platformu otevřenou vývojářům, která nabízí rozhraní API, rámce a podporu programovacím jazykům na vysoké úrovni. Díky tomu jsou kamery Axis flexibilní platformou analytiky, zabezpečení a obchodního využití.
„S ACAP můžou vývojáři vytvářet vlastní, škálovatelné a vysoce výkonné aplikace,“ zdůrazňuje Mats.
Společnost Axis také podporuje standardy metadat ONVIF, které umožňují hybridní architektury založené na otevřených řešeních integrace a interoperability napříč prostředími.
Formování chytřejších a spolehlivějších systémů napříč průmyslovými odvětvími
Pokrok v detekci a klasifikaci mění způsob, jakým průmyslová odvětví na celém světě fungují.
„Moderní kamery dokážou rozlišovat mezi ulicí, trávníkem nebo parkovištěm, což umožňuje přesnější analýzu a segmentaci scény,“ vysvětluje Mats. „To zas podporuje inovace a tvorbu ještě spolehlivějších systémů.“
Edge analytika mění pravidla hry. Přináší zpracování umělé inteligence přímo do zdroje dat. Vylepšení v oblasti detekce, integrace metadat a škálovatelnosti jasně ukazují tento potenciál. Jak říká Mats Thulin: „Edge analytika zpracovává data tam, kde se generjí. A to otvírá nové možnosti chytřejším a responzivnějším systémům v mnoha oblastech.“