Zintegrowany system bezpieczeństwa służy do kompleksowego zarządzania i monitorowania wszystkimi systemami zabezpieczeń znajdującymi się w chronionym obszarze oraz w objętych ochroną budynkach. W ten sposób integrowane są ze sobą w jeden spójnie zarządzany system takie systemy jak: sygnalizacji włamania i napadu, systemy ochrony przeciwpożarowej, systemy detekcji, systemy kontroli dostępu, przywoławcze czy systemy ochrony danych. Poniżej przedstawiono zagadnienia opisujące możliwości zintegrowanego monitoringu wizyjnego działającego w oparciu o sieci komórkowe 5G, zagadnienia związane z wykorzystaniem sztucznej inteligencji w analizie obrazu oraz technologię deep learning. Nowością, która zdobywa rynek jest także połączenie monitoringu wizyjnego i smart city, czy też zastosowanie algorytmów VCA oraz przeniesienie analizy zawartości obrazu do kamer sieciowych. Kilka słów poświęcimy także zagadnieniu monitoringu wizyjnego zgodnego z RODO oraz dowiemy się w jaki sposób branża zabezpieczeń zakłada zmierzyć się z trendem ochrony środowiska.

16 05

Technologie związane z nową generacją sieci komórkowych – 5G – otwierają zupełnie nowe możliwości w monitoringu wizyjnym. Sieć 5G charakteryzuje się bowiem nieporównywalną z dotychczasowymi sieciami pojemnością – do 1 miliona urządzeń na kilometr kwadratowy, komunikujących się ze sobą w czasie rzeczywistym. Najnowsze trendy i analizy wskazują, że moce obliczeniowe w monitoringu wizyjnym będą przenoszone na krawędź sieci – czyli do końcowych kamer czy urządzeń sieciowych, które będą analizowały obraz i komunikowały się między sobą oraz innymi urządzeniami w sieci praktycznie bez opóźnień (max. 1ms). Aby w pełni wykorzystać potencjał monitoringu wizyjnego w sieci 5G, budowanej w oparciu o transmisję bezprzewodową, wymagana jest adaptacja najnowszych dostępnych technologii.

W lipcu 2020 roku opublikowany został raport Omdia „Usługi nadzoru wideo i analizy analitycznej”, według którego kluczowym trendem, który będzie kształtował rynek wbudowanej analizy wideo, jest możliwość przeprowadzania podstawowych analiz właśnie na krawędzi sieci. Ze względu na rosnącą ilość danych, a także jakość obrazów, Omdia prognozuje, że globalna moc obliczeniowa będzie przesuwać się w kierunku rozwiązań brzegowych. Ten sam raport prognozuje, że odsetek inteligentnych kamer z analizą głębokiego uczenia wzrośnie z ok. 8% w 2019 r. do ponad 58% w 2024 r.

Właśnie wspomniana analiza głębokiego uczenia tzw. deep learning to jedna z najnowszych dostępnych technologii do wykorzystania w brzegowych kamerach sieciowych. Poza tym kamery wyposażone w oprogramowanie analityczne będą także korzystać z uczenia maszynowego. Najnowsze technologie pozwolą generować metadane bezpośrednio w kamerze, na krawędzi sieci, dzięki czemu wyszukiwanie informacji z zapisu wideo może być dużo szybsze i pozwoli wykorzystać znacznie mniej mocy obliczeniowej po stronie serwera. Te cechy monitoringu wizyjnego pociągną za sobą kolejne korzyści jakimi są niższe koszty, prostsze procesy oraz zmniejszone wymagania co do przepustowości sieci. Ponadto w projektach wielkiej skali nastąpi zdecydowana poprawa elastyczności i efektywności w odniesieniu do „rozwiązań serwerowych”.

Od kilku lat zaobserwować też można rozwój urządzeń, które do analizy treści obrazu wykorzystują sztuczną inteligencję. Jednak tutaj należy umiejętnie rozgraniczyć to co faktycznie potrafią systemy analizy oparte o sztuczną inteligencję a co jest tylko obietnicą marketingową. Na dziś możemy powiedzieć, że sztuczna inteligencja nie potrafi analizować związków przyczynowo-skutkowych ani zrozumieć logiki tego, co dzieje się na obserwowanym obszarze. Mówiąc wprost – nie istnieje takie narzędzie, które potrafi wykryć naruszenia prawa czy przestępstwo. Jednakże za pomocą sztucznej inteligencji możemy skutecznie odróżniać i klasyfikować podejrzane zachowania i obiekty. Potrafi ona odróżnić różne obiekty od siebie – np. samochód od rowerzysty. Nasuwa się zatem wniosek, że sztuczna inteligencja może być wykorzystana do śledzenia określonego typu obiektów, bowiem w klasycznym środowisku pełnym różnego rodzaju mało znaczących szczegółów będzie ona zdecydowanie bardziej skuteczna. Przykładem takiego zastosowania może być umieszczenie lokalizatora wykorzystującego sztuczną inteligencję w obszarach, gdzie zabroniony jest wstęp człowieka. Lokalizator „nastawiony” na wykrywanie człowieka natychmiastowo wychwyci jego obecność w tym obszarze i przekaże odpowiednie informacje do systemu.

Systemy ze sztuczną inteligencją wykorzystywane są także do analizy zachowań, bowiem nie jest dla nich problemem wykrycie charakterystycznych ustawień ciała ludzkiego takich jak np. pozycja strzelecka, ręce podniesione do góry czy pozycja leżąca.

Ponadto sztuczna inteligencja znalazła zastosowanie w systemach inteligentnego przeszukiwania archiwalnego materiału wizyjnego. Aplikacja VMS wykorzystująca sztuczną inteligencję analizuje nagranie i zapisuje uzyskane metadane w bazie danych. W najprostszym przypadku metadane zawierają informacje o ruchu w obserwowanej scenie, a także o współrzędnych poruszającego się obiektu. Podczas wyszukiwania można wybrać jakiś obszar i obejrzeć wszystkie fragmenty nagrania, w których widać ruch w tym miejscu. Bardziej zaawansowane systemy mogą określać np. rozmiar, kolor, prędkość czy kierunek ruchu poruszających się obiektów. Umożliwia to stworzenie bardziej precyzyjnych kryteriów i jeszcze szybsze odnalezienie interesującego fragmentu nagrania. Tego typu systemy można wykorzystać np. do rejestrowania i zapisywania twarzy i pojazdów na danym terenie a w razie konieczności szybko odszukać fragmenty nagrania związane z konkretnym pojazdem, co zdecydowanie pomoże np. organom ścigania.

Analiza treści obrazu z wykorzystaniem sztucznej inteligencji ma jeden dość znaczący problem związany z wysokim wykorzystaniem zasobów procesora realizującego funkcje sieci neuronowej. Okazuje się, że jeden serwer może obsłużyć mniej kamer niż klasyczne rozwiązanie bazujące na analizie ruchu. Jednak z pomocą przychodzą tu tzw. akceleratory sztucznej inteligencji występujące jako procesory graficzne i karty akceleracyjne instalowane w serwerach. Różne modele akceleratorów mogą znacznie różnić się od siebie ceną, skutecznością działania i zużyciem energii.

Sektor urządzeń monitoringu wizyjnego oparty o sztuczną inteligencję ulega ciągłemu i prężnemu rozwojowi, nieustannie wprowadzane są nowe funkcje – dlatego warto ten rynek ciągle monitorować.

Do niedawna szacowano, że nakłady na innowacyjne technologie w smart city osiągną do 2022r poziom 158 mld USD. Prawdopodobnie pułap ten nie zostanie osiągnięty, jednak dynamika rozwoju systemów smart city w niczym nie ustępuje chociażby dynamice rozwoju IoT. Do rozwoju smart city głównie przyczynił się rozwój przetwarzania brzegowego i wykorzystania sieci telefonii komórkowych – choćby powyżej opisanej sieci 5G. Punktem odniesienia będą tu rozwiązania monitoringu wizyjnego, ze względu na ich dostępność i powszechność stosowania. Można się spodziewać, że systemy rozwiązania wizyjnego będą dedykowane lokalnym społecznościom i ich potrzebom. Przykładowo w transporcie miejskim efektywność wykorzystania zasobów taboru może zostać zwiększona np. poprzez analizę zapełnienia autobusów czy tramwajów w czasie rzeczywistym. Również zdecydowanie bardziej znacząca stanie się rola przepływu informacji pomiędzy miastem, spółkami transportowymi a policją.

Innym aspektem z dziedziny smart city mogą być zagadnienia związane z miejscami parkingowymi. Dostępne już systemy monitoringu mogą rozpoznawać tablice rejestracyjne, a nawet je rozróżniać, przyznając odpowiedni dostęp do parkingów lub naliczając opłaty – odpowiednio m i e s z k a ń co m , pojazdom służbowym, uprzywilejowanym czy służbom bezpieczeństwa. Integracja istniejących rozwiązań z nowymi aplikacjami poprzez otwarte platformy programistyczne umożliwi automatyzację procesów – od poboru opłat do aktualnej informacji o ich statusie do systemów finansowych.

17 05Kolejnym zagadnieniem wymagającym inteligencji miast jest gospodarka odpadami. Przyczyną tego mogą być coraz to surowsze wymagania segregacji oraz higieny i bezpieczeństwa ich składowania. Zatem monitoring miejsc składowania odpadów oraz integracja rozwiązań jest tutaj kluczem do sukcesu.

Integracja jest naturalnym procesem stopniowego, coraz szerszego wykorzystywania możliwości istniejącej infrastruktury. Kluczowe pozostają zgodność produktów i tworzenie niezawodnych sieciowych rozwiązań. Inteligentne aplikacje wideo do urządzeń brzegowych to przyszłość smart city.

Kamery VCA, które zwracają uwagę na każdy zarejestrowany w materiale wideo szczegół, pozwalają szybko zareagować na wykryte zdarzenie, uniknąć większych szkód, a w połączeniu z innymi systemami bezpieczeństwa, znacznie poprawić efektywność ich działania. W sytuacji kiedy wykryją groźne zdarzenie, umożliwiają natychmiastowe uruchomienie alarmu, przesłanie widomości email o niebezpieczeństwie do użytkownika systemu, a nawet poinformowanie odpowiednich służb (np. policji, firmy ochroniarskiej) o zaistniałej sytuacji. W ostatnich latach poziom efektywności technologii VCA znacznie się poprawił, wznosząc technikę prowadzenia monitoringu na znacznie wyższy poziom. Należy jednak pamiętać, że choć system ten znajdziemy również w tańszych modelach kamer, to im większa rozdzielczość nagrywania, tym skuteczniejsza będzie analiza obrazu. Kamery VCA identyfikują osoby poprzez rozpoznawanie ich na podstawie zdjęcia znajdującego się w zapisanym materiale wideo. Kamery VCA potrafią odróżnić płeć oraz wiek obserwowanej osoby. Rozpoznawanie twarzy, a także tworzenie bazy klientów, pozwala na szybką reakcję w przypadku, kiedy musimy zidentyfikować sprawcę jakiegoś przewinienia. Wykorzystanie tej funkcji jest szczególnie przydatne w sektorach policji, wojska, ale również sklepach czy systemach kontroli dostępu. Kamery VCA potrafią odróżnić człowieka od zwierzęcia co znacznie ułatwia pracę systemu kontroli ruchu, który w takich przypadkach nie reaguje na poruszające się w chronionym obszarze zwierzęta. Jakość trybu rozpoznawania osób uzależniona jest od takich czynników jak kąt nagrywania pomiędzy kamerą a linią horyzontu, poziom oświetlenia oraz wielkość i położenie twarzy.

Monitoring wizyjny a RODO. Monitoring wizyjny często wiąże się z obawami o naruszenie prywatności, w tym wizerunku i możliwości jego znalezienia się w niepowołanych rękach. Jednak z odsieczą idą nam przepisy RODO, wg których wszyscy użytkownicy monitoringu wizyjnego wraz ze smart city, muszą chronić nasz wizerunek. Nie ma z tym problemu współczesna technologia, która pozwala na dowolną reakcję obrazu np. maskowanie elementów będących danymi osobowymi. Monitoring musi zatem umożliwiać maskowanie postaci zapewniając tym samym zgodność z przepisami RODO. Systemy monitoringu wyposaża się zatem w funkcje automatycznego redagowania obrazu danych osobowych polegające na automatycznym maskowaniu postaci. Jeśli monitoring spełnia rolę dozoru majątku – także do celów ubezpieczeniowych – może się okazać, że nagranie będzie potrzebne do pozyskania odszkodowania. W takich przypadkach, przed eksportowaniem wideo do podmiotów zewnętrznych (ekspert sądowy, firma ubezpieczeniowa) redakcja wideo pozwala zamaskować elementy obrazu, które miałyby podlegać ochronie danych osobowych – wizerunek człowieka. Podobne wymagania dotyczą śledzenia ruchu w sklepie, czy ścieżki zakupowej. Może się to odbywać z zachowaniem bezpieczeństwa zamaskowanych, dzięki redakcji wideo danych. Technologia pozwala maskować obiekty i/ lub tło obrazu: także ruchome obiekty w czasie rzeczywistym. Znane są już przypadki, że kupujący w sklepie po zauważeniu kamery zażądał dostępu do nagrań ze swoją osobą. Podobnie coraz częściej nagrania są wykorzystywane do zwiększania bezpieczeństwa uczniów w szkołach – maskowanie obrazu zabezpiecza wizerunki dzieci, gwarantując jednocześnie zarządzającym szkołą bezpieczeństwo prawne w świetle RODO.

Nowe wyzwania na 2021 rok wiążą się nie tylko z dostosowaniem technologii zabezpieczeń do sytuacji pandemii ale także koncentrują swoje działania wokół AI (artificial Intelliegence) czyli algorytmach wykorzystujących sztuczną inteligencję, algorytmach wykorzystujących uczenie maszynowe ML (machine learning) czy DL – deep learning. Nowoczesne urządzenia integrują tradycyjne, dotychczas znane nam technologie ze sztuczną inteligencją, wpływając dodatnio na takie aspekty związane z bezpieczeństwem jak, np. wyeliminowanie pojawiania się fałszywych alarmów, które uaktywniane są chociażby przez zwierzęta. Dzięki temu koszty związane z monitorowaniem systemu alarmowego zmniejszają się. Technologia deep learning, wsparcie niezliczonych urządzeń IoT poprzez sieć 5G oraz otwarte, łatwo integrowalne z dowolnym oprogramowaniem systemy monitoringu, po prostu otwierają świat wyobraźni i potrzeb na namacalną rzeczywistość.

Na zakończenie pozostaje nam znaleźć odpowiedź na pytanie, jak branża zabezpieczeń zamierzać stawić czoła wymaganiom ochrony środowiska. Odpowiedź jest banalna i prosta – poprzez jakość urządzeń. Rozważając trendy w branży zabezpieczeń i ochrony na 2021 rok, bez wątpienia uznać należy, że jednym z nich, obok rozwoju i szerszego korzystania z wyżej opisanych algorytmów AI, ML czy DL, są kwestie związane z ochroną środowiska. Wybór pewnego, nowoczesnego sprzętu musi iść w parze z jego trwałością. O wiele lepiej zarówno dla naszego środowiska naturalnego, ale i dla naszej kieszeni, sprawdzają się produkty o wysokiej jakości i długim przewidywanym okresie użytkowania. 

Robert Gabrysiak

 

Pin It