Ak vás už trochu unavuje počúvanie o potenciáli umelej inteligencie (AI) v našich životoch, nie ste sami! AI bolo jedným z módnych slov posledných pár rokov a rovnako ako všetky tieto módne slová môže jeho nadmerné používanie viesť k skeptickosti ľudí k jeho potenciálu. Nemalo by nám to zabrániť v rozpoznávaní skutočného potenciálu umelej inteligencie v konkrétnych aplikáciách v rámci video analýzy založenej na strojovom učení (ML – Machine Learning) a hlbokom učení (DL – Deep Learning).
Definícia – Umelá inteligencia | Strojové učenie | Hlboké učenie
Umelá inteligencia (AI) je odvetvie počítačovej vedy, ktorá študuje a vyvíja metódy, ktoré umožňujú počítačom simulovať inteligentné správanie. Všeobecne je AI veľmi široký pojem, ale v konkrétnom kontexte video analýzy je hlavným zameraním zvýšenie prevádzkovej efektívnosti a pridanie hodnoty automatickým spracovaním a analýzou video streamov.
V tejto súvislosti je relevantná podkategória AI, strojové učenie (ML). Ako naznačuje jeho názov, strojové učenie umožňuje počítačom vylepšovať algoritmy prostredníctvom „učenia“ na základe príkladov z reálneho sveta. Vylepšené algoritmy sa potom používajú na analýzu obrázkov alebo videosekvencií na generovanie alarmov, metadát alebo iných informácií.
V poslednej dobe sa pozornosť upriamila na podkategóriu strojové učenie (ML), hlboké učenie (DL), ktorá popisuje algoritmy založené na simulovaných neurónových sieťach. Myšlienka tohto typu algoritmu bola inšpirovaná systémom ľudského videnia, odtiaľ pochádza aj jeho názov – neurónové siete. V sieťach DL sú vrstvy operácií usporiadané v hierarchii zložitých a abstraktných vrstiev, pričom každá vrstva využíva informácie z predchádzajúcej na vyvodenie konečného záveru.
Modely DL umožňujú zložitejšie analytické algoritmy a spravidla dosahujú vyššiu presnosť ako tradičné algoritmy. V kamerových monitorovacích systémoch sa používajú predovšetkým na detekciu, klasifikáciu a rozpoznávanie rôznych typov objektov. Nevýhodou DL algoritmov je však to, že v porovnaní s tradičnými algoritmami vyžadujú viac výpočtového výkonu.
Hlboké učenie vyžaduje veľa dát
ML a DL vyžaduje obrovské množstvo vstupných údajov na dosiahnutie dobrých výsledkov. Pokiaľ je k dispozícii dostatok relevantných údajov – a výpočtového výkonu, môžu metódy založené na ML a DL efektívne spracovať a dosiahnuť algoritmy s vyššou presnosťou. Počítač môže analyzovať tisíce obrázkov a nájsť podrobnosti, ktoré charakterizujú konkrétne objekty v rôznych scenároch. Ak sú údaje a ich popisy vysoko kvalitné, je preto aplikácia založená na DL schopná dosiahnuť ešte väčšiu presnosť. Dostupnosť vysokokvalitných údajov však môže byť výzvou.
V aplikáciách, kde sa táto technológia používa, zameriava sa na veľmi špecifické problémy v obmedzených oblastiach. Napríklad na to, aby hlasové aplikácie, ako Siri alebo Alexa, presne odpovedali na naše otázky, musíme klásť veľmi konkrétne a explicitné otázky. V opačnom prípade dostaneme úplne nepochopiteľnú odpoveď. Podobne je to aj v monitorovacích systémoch: zlý popis obrázkov použitých na učenie bude mať za následok aplikácie s nízkou presnosťou.
Vzhľadom na súčasné obmedzenia presnosti týchto technológií a to, že správne a kontextové porozumenie scény z videa v skutočných detailoch je ešte ďaleko, musíme byť opatrní, ako a kde tieto technológie používať. Táto technológia dnes zvyšuje efektivitu, ale skutočné rozhodovanie v scenári sledovania musí stále zostať na príslušníkovi bezpečnostnej služby alebo operátorovi.
Kvalitný obraz ako základ
Základnou schopnosťou analyzovať video je kvalita obrazu alebo takzvaná „použiteľnosť obrazu“: kvalita obrazu sa priamo odráža na kvalite presnosti analýzy videa. Kamery v monitorovacích systémoch musia pracovať nepretržite, 365 dní v roku, zvládať kolísanie teploty a rôzne svetelné podmienky a zároveň stále správne analyzovať obraz v reálnom čase.
Jedným z trendov v tomto odbore je, že pokročilejšia analýza videa prechádza na špičkové zariadenia a aplikácie bežia na samotných kamerách. Existuje niekoľko výhod: napríklad úspora šírky pásma – pretože z kamier je potrebné prenášať iba extrahované údaje, úspora na drahom hardvéri na strane servera a presnejšia analýza, pretože video sa analyzuje predtým ako je komprimované s rizikom zníženia kvality.
