Инновации в области искусственного интеллекта и двухэтапной проверки сокращают трудозатраты на мониторинг камер, что имеет решающее значение, поскольку видеонаблюдение продолжает распространяться по планете огромными темпами.
Многолетняя практика просмотра сотен и тысяч камер на предмет подозрительного поведения, а затем реагирования на них закончилась.
Этот метод оказался неэффективным, особенно в связи с тем, что слежка продолжает распространяться в домашних условиях, на предприятиях, в «умных» городах и других связанных средах. Кроме того, обычные службы видеомониторинга в реальном времени, как правило, не учитывают общее время задержки от обнаружения вторжения до выполнения эффективных мер сдерживания.
В условиях постоянной нехватки рабочей силы и служб охраны, а также людей, которые просто не могут оставаться внимательными к нескольким видеодисплеям, технологии шагают вперед, чтобы помочь усовершенствовать услуги удаленного мониторинга.
Обнаружение, обнаружение, аналитика и искусственный интеллект (ИИ) изменили формулу мониторинга с криминалистической деятельности постфактум на упреждающий и стратегический инструмент, который может фактически сдерживать и предотвращать преступления и потерю имущества при более низкой общей стоимости владения пользователю.
Теперь упор делается на автоматизацию видеомониторинга путем точного определения действительно важных сигналов тревоги, что значительно снижает трудозатраты и затраты клиентов на мониторинг камер и, в конечном итоге, сигнализирует о повышении спроса на услуги видеомониторинга сигналов тревоги.
Общий взгляд на видеонаблюдение
За последние несколько десятилетий резко возросло использование камер видеонаблюдения для защиты людей и имущества.
Интересно, что количество преступлений против собственности в Соединенных Штатах сократилось с 4740 на 100 000 человек в 1991 году до 2 110 на 100 000 человек в 2019 году.
Вполне вероятно, что на эту положительную тенденцию повлияло внедрение камер видеонаблюдения.
Кроме того, согласно недавнему отчету Исследовательского центра PEW, «сообщается только об одной трети (34%) всех преступлений против собственности, при этом общее ощущение таково, что полиция не хочет или не может ничем помочь. Другие считали, что преступления были либо слишком тривиальными, либо носили более личный характер».
Согласно данным ФБР о преступности, в 2020 году потери украденного имущества в Соединенных Штатах оценивались в 971 миллиардов долларов по сравнению с возмещенной стоимостью в 54 миллиарда долларов при коэффициенте возмещения 5,6%. Тенденция краж со взломом в 2022 году будет расти, о чем свидетельствуют отчеты Департамента полиции Нью-Йорка (NYPD) и Департамента полиции Чикаго (CPD), где количество краж со взломом увеличилось на 32,7% и 35% соответственно по сравнению с тем же периодом с 2022 по 2021 год.
Основными выводами статистики преступности являются возобновление тенденции к росту краж со взломом и чрезвычайно низкий уровень возмещения убытков. Камеры как криминалистический инструмент после преступления с коэффициентом возврата краж со взломом всего 5,6% имеют плохую окупаемость.
Видеонаблюдение с возможностью вызова службы экстренной помощи стоит дорого и зависит от времени реакции властей.
Технология – вот ответ.
Куда мы движемся?
Ответ заключается в применении новых технологий.
Существует значительный потенциал использования искусственного интеллекта с глубоким обучением не только для автоматизации предотвращения вторжений, но и для автоматизации значительной части человеческого труда, необходимого для мониторинга видео.
Преступление происходит за секунды. Время имеет значение.
Автоматизация обеспечивает немедленный ответ на действия в ситуациях, где время имеет решающее значение. Кроме того, внедрение технологии глубокого обучения для автоматизации видеонаблюдения обеспечивает снижение трудозатрат, что обеспечивает более привлекательные цены на эту услугу и, в конечном итоге, увеличение спроса на услуги видеонаблюдения в целом.
Состояние удаленного видеомониторинга
Интервью с предприятиями удаленного видеомониторинга позволили получить общее представление о текущем рабочем состоянии и общей картине затрат.
Для большинства бизнес- моделей видеомониторинга требуется персонал, осуществляющий мониторинг, для проверки достоверности всех событий, обнаруженных на территории клиента.
Затем следует оценка человеком намерения вторжения (например, случайный нарушитель, бездельник, преступное намерение, сотрудник, бригада уборщиков, охранник и т. д.). Если нарушитель проявляет злой умысел или постоянно слоняется без дела, сотрудники службы мониторинга могут привлечь нарушителя голосовыми сообщениями и сигналами тревоги и, при необходимости, диспетчерскими службами.
Некоторые поставщики видеомониторинга также могут планировать автоматические действия по сдерживанию, продолжая следить за реакцией нарушителя. Чтобы уменьшить количество ложных срабатываний, отрасль быстро внедряет и тестирует различные облачные или периферийные средства видеоаналитики и инструменты искусственного интеллекта.
Типичная производительность мониторинга, по-видимому, составляет в среднем от 150 до 200 камер на человека, что приводит к обременительным затратам на оплату труда от 20 до 25 долларов за камеру в месяц. Команды разработчиков обучают алгоритмы сверточных нейронных сетей (CNN) в приложении ИИ для точного и быстрого обнаружения как вторжений, так и постоянного праздношатания для использования в полностью автоматизированных реакциях пропорционального сдерживания. В глубоком обучении CNN — это класс искусственных нейронных сетей (ANN), чаще всего применяемых для анализа визуальных образов.
Проанализировав десятки тысяч зарегистрированных вторжений на коммерческую недвижимость, мы доказали, что 99% нежелательных вторжений были успешно предотвращены без необходимости вмешательства человека.
Характеристики этих вторжений и событий сдерживания оказались чрезвычайно полезными для формирования нашего понимания того, когда вмешательство человека важно и, конечно, когда оно не нужно.
Скромные оценки убедили нас в том, что 80-процентное сокращение трудозатрат на мониторинг камер достижимо, если мы должным образом обучим технологию CNN автоматизировать значительную часть задачи мониторинга. Это означает снижение стоимости рабочей силы с 25 до 5 долларов за камеру в месяц.
Эффективность обеспечивается за счет технологии классификации в сочетании с интерфейсом оператора, который легко сообщает о приоритетах событий.
Искусственный интеллект с глубоким обучением — это будущее видеомониторинга. Правильное приложение успешно автоматизирует предотвращение нежелательных вторжений и сосредотачивает внимание операторов на реальных угрозах и проблемах безопасности, которые требуют вмешательства и, возможно, вызова службы экстренной помощи.
Результатом развития этой технологии являются более низкие затраты как для поставщика услуг, так и для владельца собственности, что способствует более широкому внедрению на рынке и постоянному снижению тенденций краж со взломом.
-200x200.jpg "Уличная IP-камера HiWatch DS-I200(D) (2.8 mm)")
