Новости

Компьютерное зрение для обеспечения безопасности



В мире, который должен быть более безопасным, компьютерное зрение (CV) дает необходимый инструментарий и новые подходы к разработке инновационных систем в широком спектре приложений безопасности, таких как безопасность портов (досмотр грузов), безопасность объектов (аэропорты, посольства, электростанции, банки, торговые центры) и наблюдение (военного или гражданского применения). Сегодня камеры видеонаблюдения можно встретить практически везде — в офисах, банках, больницах, на парковках, в торговых центрах, аэропортах и ​​т.д. Это необходимо для поддержания должного уровня безопасности и уменьшения количества преступлений.

Дадим определение, что же такое компьютерное зрение и как оно соотносится с другими технологиями искусственного интеллекта (ИИ). В отличие от очень широкого направления ИИ, компьютерное зрение является всего лишь его областью, которая позволяет компьютерам и системам извлекать значимую информацию из цифровых изображений, видео и других визуальных входных данных. Оно предпринимает действия или дает рекомендации на основе этой информации. Если ИИ позволяет компьютерам думать, то компьютерное зрение позволяет им видеть, наблюдать и понимать.

Компьютерное зрение работает почти так же, как и человеческое, за исключением того, что у человека есть фора. Преимущество человеческого зрения заключается в продолжительности жизни контекста, чтобы научиться различать объекты, как далеко они находятся, движутся ли они и есть ли что-то неправильное в изображении. Компьютерное зрение обучает машины выполнять эти функции с помощью камер, данных и алгоритмов, а не сетчатки, зрительных нервов и зрительной коры. Поскольку система, обученная проверять продукты или наблюдать за производственным активом, может анализировать тысячи продуктов или процессов в минуту, замечая незаметные дефекты или проблемы, она может быстро превзойти человеческие возможности.

Как работают алгоритмы компьютерного зрения?


Для алгоритмов и программ компьютерного зрения нужно много данных. Они выполняют анализ данных снова и снова, пока не будут распознаны различия, что приведет к распознаванию изображений. Например, чтобы научить компьютер распознавать протекторы автомобильных шин, ему нужно передать огромное количество изображений протекторов шин и элементов, связанных с ними, чтобы изучить различия и распознать объект без дефектов.

Для этого используются две основные технологии: тип машинного обучения, называемый глубоким обучением и свёрточная нейронная сеть (CNN).
Машинное обучение использует алгоритмические модели, которые позволяют компьютеру изучать контекст визуальных данных. Если через модель передается достаточно данных, компьютер «посмотрит» на данные и научится отличать одно изображение от другого. Алгоритмы позволяют машине учиться самой, а не тому, кто программирует ее для распознавания изображения.

CNN помогает модели машинного обучения или глубокого обучения «смотреть», разбивая изображения на пиксели, которым присваиваются теги или метки. Он использует метки для выполнения сверток (математическая операция над двумя функциями для получения третьей функции) и делает прогнозы относительно того, что он «видит». Нейронная сеть выполняет свертки и проверяет точность своих прогнозов в серии итераций, пока прогнозы не начнут сбываться. Затем он распознает или видит изображения так же, как люди.

Подобно тому, как человек разбирает изображение на расстоянии, CNN сначала различает резкие края и простые формы, а затем заполняет информацию по мере выполнения итераций своих прогнозов. CNN используется для понимания отдельных изображений. Рекуррентная нейронная сеть (RNN) используется аналогичным образом для видеоприложений, чтобы помочь компьютерам понять, как изображения в серии кадров связаны друг с другом.

В настоящее время системы безопасности могут предоставить нам обширный массив информации. Некоторые доходят до обнаружения движения, распознавания лиц или обмена тепловыми оценками. Эти передовые технологии автоматизации оказывают огромное влияние на общество и правительство, и их следует применять с осторожностью. 

Варианты использования видеонаблюдения на основе ИИ


Как уже упоминалось, решения для наблюдения на базе ИИ довольно популярны, а примеры их реализации безграничны. Рассмотрим самые основные области применения этих технологий, с которыми мы сталкиваемся.


Городское наблюдение


Городское наблюдение представляет собой набор камер видеонаблюдения (CCTV) для повышения безопасности. Это служит сдерживающим фактором для вандалов и преступников и является отличным способом предоставить доказательства для расследования. Кроме того, городское наблюдение поддерживает организацию массовых мероприятий, управление системами дорожного движения и т.д. Например, камеры, размещенные в местах с интенсивным движением масс людей, могут помочь снизить уровень преступности или привлечь больше посетителей в местные рестораны и магазины.

Однако одних камер видеонаблюдения может быть недостаточно, поскольку они выступают в роли пассивных «наблюдателей». Вместо этого при поддержке программ ИИ для распознавания лиц или обнаружения огнестрельного оружия, эти камеры могут быть отличным превентивным инструментом. Вот как это работает: система видеонаблюдения с искусственным интеллектом запрограммирована «видеть» оружие, распознавать преступников и отслеживать подозрительное поведение. При обнаружении угрозы камера может включать оповещения, отправлять предупредительные сообщения в полицию или службу безопасности, тем самым предотвращая неблагоприятные последствия. Конечно, видеонаблюдение наиболее эффективно в сочетании с другими методами снижения/сдерживания преступности, такими как улучшенное освещение, охрана и защищаемое пространство. 


Обнаружение человека


Модели ИИ для распознавания лиц позволяют компьютерам действительно распознавать людей. Когда камера видеонаблюдения дополнена моделью распознавания лиц, полиция может использовать изображение преступника и позволить камерам видеонаблюдения предупредить, как только будет обнаружено совпадение. Это позволит силам правопорядка принять превентивные меры и отреагировать до того, как произойдет инцидент.

Та же логика применяется при поиске пропавших без вести детей и дезориентированных взрослых, страдающих когнитивными расстройствами, такими как деменция, амнезия, эпилепсия или болезнь Альцгеймера. Опять же, анализ видео в реальном времени и системы распознавания лиц значительно упрощают процесс идентификации человека.
После пандемии COVID-19 многие общественные учреждения оснастили существующие камеры видеонаблюдения программным обеспечением на основе ИИ, чтобы отслеживать соблюдение рекомендаций по охране здоровья и определять, носят ли люди маски, отслеживать дезинфекцию рук и даже обнаруживать кашель.


Проверка пассажиров


В ближайшем будущем машины на основе цифровых паспортов, смогут просматривать и сверять фотографию паспорта, просматривать историю пассажира по социальным сетям и удостоверять личность за очень короткое время. Это может устранить ненужное взаимодействие с человеком, поскольку системы смогут отслеживать цифровые следы в довольно большом информационном поле. 

Технологии ИИ и CV могут обнаруживать оружие более точно, чем человеческий глаз. Такая технология способна обнаруживать металлическое и неметаллическое оружие, включая пистолеты, ножи, взрывчатые вещества, даже керамические ножи и пластиковую взрывчатку. Снимая и создавая 3D-изображения пассажиров, они могут идентифицировать любые предметы на теле человека, которые ему не принадлежат. Затем система анализирует эти изображения и ищет следы оружия под одеждой. Они также могут обнаруживать оружие в сумках или багаже.


Проверка багажа


X-Ray Check — сочетая CV, рентгеновские изображения с программным обеспечением для обработки массивов и анализа изображений, а также с устройствами IoT, становится возможным автоматически обнаруживать и идентифицировать взрывчатые вещества. Система создает томографические изображения содержимого багажа в поперечном сечении, визуализируя несколько срезов. Затем она реконструирует срезы и отображает относительную плотность отдельных объектов. Пропускная способность системы может составлять от 260 до 500 сумок/час, что значительно сокращает время досмотра багажа. Камеры с поддержкой CV могут считывать багажные этикетки, чтобы повысить скорость сортировки, что позволяет удаленно обрабатывать багаж. 

С помощью систем компьютерного зрения, классификации и обнаружения на основе ИИ, аэропорты смогут полностью автоматизировать процессы обработки багажа. Такие системы могут заменить ручные линии роботизированной загрузкой, чтобы обеспечить маршрутизацию.


Решения для обеспечения безопасности на основе компьютерного зрения


Теперь, когда мы знаем, что такое компьютерное зрение и как оно используется в сфере безопасности и наблюдения, давайте посмотрим, какие платформы и решения существуют на рынке.
  • Umbo — это система видеонаблюдения для людей и транспортных средств как в помещении, так и на открытом воздухе. В сочетании с зарекомендовавшим себя программным обеспечением для компьютерного зрения интеллектуальные камеры безопасности Umbo автономно обнаруживают и идентифицируют подозрительные события.
  • Deep Sentinel — это решение для домашней безопасности, в котором интеллектуальные камеры сочетаются с персоналом наблюдения в режиме реального времени, который удаленно вмешивается через микрофон при обнаружении угрозы.
  • Actuate, ранее известное как Aegis AI, представляет собой программное обеспечение камеры с искусственным интеллектом, которое интегрируется с существующей камерой и фокусируется на обнаружении огнестрельного оружия. Как только модель идентифицирует оружие, она предупреждает службы безопасности и правоохранительные органы.
  • Scylla AI — это решение для обнаружения физических угроз в режиме реального времени, основанное на интеллектуальном алгоритме принятия решений, который позволяет компаниям сокращать трудозатраты при одновременном повышении эффективности операторов безопасности. Благодаря системам обнаружения объектов , теплового сканирования, обнаружения вторжений по периметру, безопасности дронов и воздушного наблюдения Scylla предлагает комплексное решение для обеспечения безопасности.
  • Swiftlane — это интегрированная система видеодомофонии для любого здания, где может потребоваться проверка личности, например, живые здания, больницы или школы. Камера с бесконтактным доступом быстро верифицирует посетителей и позволяет совершать гостевые звонки.
  • Paravision — это еще одна платформа безопасности, разработанная для глобальных производителей устройств безопасности, поставщиков решений, системных интеграторов и компаний, предоставляющих финансовые услуги. Они предлагают услуги по распознаванию лиц, обнаружению действий и недавно перепрофилировали решения для COVID-19.
  • Технология Synapse обнаруживает угрозы на контрольно-пропускных пунктах рентгена и компьютерной томографии. Как указано на их веб-сайте: «Syntech ONE® позволяет использовать технологию автоматизированного досмотра, позволяя контрольно-пропускным пунктам по всему миру обнаруживать больше угроз, снижая при этом эксплуатационные расходы и увеличивая пропускную способность».
  • Evolv Technology использует комбинацию камеры, распознавания лиц и технологию миллиметрового диапазона для сканирования людей, проходящих через переносные ворота безопасности в аэропортах и автоматически проверяет наличие угроз, включая взрывчатые вещества и огнестрельное оружие.
  • UVeye — израильский стартап по досмотру транспортных средств, который делает изображения с высоким разрешением при сканировании проезжающих автомобилей. Компания стремится поддерживать безопасность на дорогах и автоматизировать испытания транспортных средств. Среди их клиентов такие компании, как Toyota, Honda, Volvo, Hyundai и Škoda.
  • StopLift — это специальное решение для розничных продавцов, которое анализирует видео с камер наблюдения и данные POS-терминала, чтобы различать законное и мошенническое поведение на кассе. Применяя передовые алгоритмы компьютерного зрения к существующим камерам, система StopLift ScanItAll отслеживает товары, которые проходят через кассу, связывает их с POS и помечает подозрительную активность.
  • Shield AI — это компания, которая работает с федеральными, государственными и местными департаментами и агентствами для создания систем наблюдения нового поколения. Их первый продукт "Nova" представляет собой беспилотник на базе Hivemind, который обыскивает здания, одновременно транслируя потоковое видео, создавая карты.
  • Orbital Insight специализируется на применении компьютерного зрения для геоаналитики с использованием спутников, дронов, воздушных шаров, кадров с БПЛА и данных геолокации. Он помогает анализировать деятельность человека, чтобы предоставлять предприятиям и правительствам ключевую информацию о поведении и решать проблемы безопасности.


Что есть у нас?


Примером применения системы безопасности с технологиями ИИ является продукт компании ООО "Дигт-Телеком" eVision. Данный продукт уже реализован в учебных учреждениях в городе Йошкар-Ола, а именно в Лицее имени Баумана и Марийском Государственном Университете, с целью идентификации учащихся и предотвращения пропуска неизвестных лиц. Подробнее про кейсы применения вы можете прочитать в блоге на сайте eVision.

В последнее время системы интеллектуального видеонаблюдения, использующие технологию распознавания лиц, вызывают большой интерес, как у международных, так и у государственных структур. Развитие систем безопасности является одним из условий реализации проектов "Умный город" и "Безопасный город". Цель этих проектов - отслеживание обстановки в реальном времени и пресечение угроз.

Еще одним направлением, на которое повлияло развитие технологии компьютерного зрения, является безопасность транспортных средств, в особенности беспилотных автомобилей.  С помощью датчиков и камер автомобили научились распознавать деревья, столбы и припаркованные автомобили вокруг них. Компьютерное зрение позволяет им свободно перемещаться в окружающей среде без присмотра человека.


Вывод


Технология компьютерного зрения в сфере безопасности развивается быстрыми темпами и уже за последние 5 лет произошло заметное улучшение в точности распознавания объектов на открытых dataset-ах. - от 70% до 98%.

Компьютерное зрение действительно переопределяет индустрию безопасности и наблюдения. Несмотря на то, что современные камеры видеонаблюдения сами по себе являются революционными, их недостаточно, поскольку они являются пассивными устройствами, которые помогают решать инциденты, но не имеют превентивного предотвращения. Именно здесь вступают в действие компьютерное зрение, искусственный интеллект и машинное обучение, дополняя существующие камеры широким спектром функций для решения проблем в области общественной безопасности. 

Учитывая тенденции в компьютерном зрении ожидается, что его влияние на безопасность и наблюдение только возрастет, потому что воссоздание датчика, почти такого же мощного, как человеческий глаз, открывает разнообразный диапазон неиспользованного потенциала для организаций безопасности и общества в целом.
Образование