Jak inteligentní jsou analyzátory?

Inteligentní analyzátory videa se objevily v oblasti bezpečnosti po 11. září, jako způsob, jak pomoci koncovým uživatelům zaznamenat důležité události na sledovacích kamerách. Tyto analyzátory nyní slouží od nástražných systémů, přes varování na odložené předměty, až po systémy na rozpoznávání obličeje.

 Nicméně trh s analyzátory neroste tak rychle, jak analytici očekávali. Mnoho expertů poukazuje na přílišná očekávání, která byla v rozporu s možnostmi systému.
Výrobci se snaží přiblížit koncovým uživatelům realističtější očekávání, v tom jak jim tato technologie může nejlépe pomoci v oblasti bezpečnosti a jiných obchodních operacích. Výrobci se také snaží o to, aby tato technologie byla přesnější a efektivnější. Jedním z posledních vylepšení je přesun softwaru přímo do kamery nebo do nahrávacího zařízení. Tento krok uvolňuje přenos dat  a zařídí video vyšší kvality, s kterým může analyzátor pracovat. Společnosti vyrábějící analyzátory také hledají nové cesty jak využít technologii kreativněji a úsporněji.Analyzátory vznikly jako pomoc k postřehnutí událostí, které by jinak prošly nepovšimnuty, kvůli tisícům hodinám záznamů na kamerách. Technologie byla slibná, ale trh se nerozvíjel tak jak analytici předpokládali, a to zejména díky přemrštěným očekáváním, která zůstala nenaplněna. Dobrá zpráva je, že výrobci se snaží vysvětlit a přiblížit tuto technologii uživatelům tak, aby uživatelé měli realističtější požadavky. Technologie měla špatnou pověst díky uživatelům, kteří si pořídili rané verze softwaru a očekávali nemožné. Výrobci se tedy nyní snaží o správné školení uživatelů, jak tento nástroj používat. Uživatelé ho v počátcích považovali za zázračný nástroj, který jim zachytí veškeré nebezpečné situace.
Například ,jestliže je cílem,aby se v okolí budovy neshromažďovali bezdomovci apod., analyzátory by měly být soustředěny např. na zadní část budovy,kde pravděpodobněji k takové situaci dojde a nikoli na hlavní vchod,kde se přirozeně pohybuje mnoho lidí a je tak větší možnost falešného poplachu. Výrobci prostě bojují s tím, aby uživatelé správně a efektivně nastavili systém tak, aby jim byl co největší pomocí.
Jedním z hlavních vylepšení  s kterým přišli výrobci, je zabudování softwaru přímo do kamery nebo jiného nahrávacího zařízení. Výhod je hned několik. Jednou je,že to uvolní přenos dat, jelikož video je analyzováno před tím, než je odesláno na server ,další je, že video je bez komprese,čili poskytuje mnohem vyšší kvalitu. Vyšší kvalita znamená více informací, s kterými může algoritmus pracovat. Zároveň to uvolní kapacity na opačném konci. Například nebude nutné přidávat jeden speciální server pro tuto technologii. Nicméně i tak je stále růst prodejů skromný. Důvodem je obava uživatelů, že takto upravené kamery nebudou správně fungovat a na neposledním místě je to samozřejmě i vyšší cena těchto kamer. Dalším problémem je, že tato úprava není vhodná pro všechny druhy analyzátorů.
Zároveň je pro koncového uživatele potřeba si uvědomit, že tyto analyzátory zatím fungují nejlépe v dobře nasvícených a velkých prostorech.  Výrobci se ovšem snaží přizpůsobit do budoucna algoritmy tak, aby mohli analyzátory fungovat i v jiných „druzích“ prostředí, např. neosvětlených parkovištích, bočních uličkách apod. Je velmi důležité pro koncového uživatele, aby nastavení analyzátoru správně přizpůsobil svým potřebám a svému prostředí. Analyzátory fungují jinak v denním světle, jinak v noci, dokonce i vliv ročního období (sníh, holé stromy apod.) může hrát roli. Proto je třeba se důsledně věnovat správnému nastavení analyzátoru.
Každý kdo uvažuje o pořízení analyzátoru, by měl vzít v úvahu falešné poplachy. Experti se shodují,že analyzátory mají  95-97 procentní úspěšnost,nicméně na letišti, kterým denně projde 100 000 lidí, jde o vlastně neustále poplachy, kdežto např. na parkovišti,kde zastavíte jedno dvě auta denně na falešný poplach,nejde o takové narušení provozu.  Chybou uživatelů bývají i špatně nastavená pravidla. Například nastavení poplachu při jakémkoliv pohybu v určité oblasti,kde je oprávněný pohyb předpokládatelný. Potom se nejedná o falešný poplach,ale o tzv. „obtěžující poplach“.Je proto potřeba dbát na správné nastavení pravidel do analyzátoru.
Analyzátory většinou v praxi fungují na každodenní bázi. Jedná se o hlídání narušení určitého prostoru, kontrolu poznávacích značek, detekci opuštěných zavazadel apod. Někdy pracují v reálném čase, někdy se používají k detekci z archívních záznamů.
Většina analyzátoru je nastavena tak, že pravidla pro poplach nastavuje uživatel. Nová technologie AISight od firmy BRS Labs se „učí“ sama za pomocí umělé inteligence, a to tak, že si software sám nadefinuje co je normální situace podle běžného provozu a pak vyhodnocuje narušení. Toto samozřejmě vyžaduje čas na učení softwaru a zpočátku způsobuje mnoho falešných poplachů. Každopádně obsluhujícímu personálu stále zůstává možnost manuálně upozornit software na neobvyklou situaci. Někteří experti jsou k této technologii skeptičtí, výrobce si však stojí za svým a dokládá to zkušenostmi z provozu v několika lokalitách.
Významnou otázkou je návratnost investice. Pokud se týká prevence škod, méně personálu a vybavení, je to neoddiskutovatelné. Složitější je to s obchodní otázkou. Dobrou volbou je např. najít pro analyzátory ne-bezpečnostní uplatnění. Některé autobazary např. využívají analyzátory v noci na ochranu před krádežemi a přes den např. k detekci zákazníků, kteří stráví v bazaru určitou sumu času, čili se dá vyvodit, že je to vážný zákazník.
V budoucnu je velmi pravděpodobné masové rozšíření inteligentních analyzátorů videa. Kromě technické standardizace ,bude potřeba hlavně,aby výrobci přesvědčili uživatele o reálných možnostech této vyspělé technologie.

Zdroj:
How intelligent are analytics? Laura Spadanuta,časopis Security Management, vydání březen 2010