Может ли искусственный интеллект спасать жизни, или Как применяются нейронные сети в системах безопасности

Что касается сферы безопасности, распространение технологий AI (artificial intelligence) изменило структуру рынка видеонаблюдения: если раньше он представлял собой рынок оборудования, а программное обеспечение занимало место бесплатного приложения к “железу”, то сегодня отдельным направлением (а по некоторому мнению, отдельным рынком) стала видеоаналитика.

Для оператора видеонаблюдения наличие аналитических функций в ПО камеры или программы мониторинга означает возможность получать автоматические уведомления о нарушениях. С учетом особенностей человеческого зрения, один оператор способен эффективно контролировать лишь два монитора по 9 камер при правильном их расположении. Только представьте, насколько ценны аналитические функции в условиях системы из десятков, сотен видеокамер.

Нейросети как основа видеоаналитики

Ранее для разработки видеоаналитики применялись классические алгоритмы. Некоторая часть аналитических модулей, построенная на алгоритме, успешно функционирует и по сей день. Такие модули способны решать задачи по фиксации объекта, например, - попадание предмета в определенную зону или пересечение объектом обозначенной границы. Однако разделить объекты, попадающие в зону, на людей, животных и автомобили, такой алгоритм не способен.

Для классификации объектов необходимы более сложные решения, способные проанализировать признаки объекта и на основании анализа присвоить ему определенное значение. Таким решением стали искусственные нейронные сети.

Нейросеть очень часто называют моделью головного мозга человека: она также состоит из N-ного числа нейронов и способна обучаться. Если говорить о нейронных сетях, используемых для анализа видео, то чаще всего это сверточные нейронные сети - работающие по аналогии со зрительной системой человека.

К примеру, встречая на улице знакомого человека, мы выделяем его ключевые отличительные признаки (например, особенная походка, черты лица, фигура), затем дополнительные, которые в сумме присваивают ему значение - сосед, коллега, одноклассник и т.д. Подобно этому, сверточные нейросети анализируют информацию слоями - свертками, где на первом слое анализируются базовые признаки объекта, на последующих - более абстрактные.

Искусственный интеллект для обнаружения опасных ситуаций

Наряду с системами охраны периметра и охранно-пожарными сигнализациями, видеоаналитика применяется для обнаружения опасных ситуаций и предупреждения о них оператора видеонаблюдения.

Примером применения искусственного интеллекта для обеспечения безопасности могут быть детектор огня и детектор дыма Domination. Детекторы фиксируют появление огня и дыма в поле зрения камеры, посылают сигнал об опасной ситуации оператору, а также отмечают кадр с тревожным событием в архиве.

Детекторы анализируют три основных составляющих - форма объекта, его цвет и особенности движения. В процессе обучения детекторов стоит отметить несколько моментов:

• обучение производится на большой выборке реальных изображений огня и дыма, в случае Domination - более 5000 кадров;
• чтобы научить нейронную сеть выделять объекты, не соответствующие заданным признакам, в выборку были включены изображения и видео с участием других движущихся объектов - животных, людей, транспорта и прочих. На практике это позволит сократить количество ложных срабатываний детектора.
• в качестве испытания детекторам было предложено определить возгорания на записях с низкой освещенностью, низким разрешением камеры, разным типом сцены и т.д.

Применение модулей Domination на практике

Многие привыкли думать, что решения на базе искусственного интеллекта используются исключительно большими корпорациями. Другое распространенное мнение - видеоаналитика является лишь вспомогательным, ненадежным средством охраны.

Второе утверждение отчасти справедливо, т.к. внутри помещений (например, на складах или в цехах предприятий) видеоаналитика не заменяет, а дополняет аппаратные решения ОПС. Нужно заметить, что при этом детекторы могут обнаружить огонь и дым в кадре уже спустя 15 секунд после его появления.

Один из реальных объектов, на которых уже установлены решения Domination, - крупная компания по производству нефтехимических продуктов. Быстрое обнаружение возгорания или задымления играет здесь ключевую роль, так как возможный пожар или взрыв способен повлечь за собой не только материальные ценности, но и человеческие жертвы. Возвращаясь к вопросу в заголовке, в ряде случаев видеоаналитика способна спасти жизнь.

Аналитика, однако, применяется на самых разных объектах. Так, детекторы могут быть включены в систему видеонаблюдения на парковке или в парке - там, где есть возможность установить видеокамеры, но нет датчиков дыма. Для этих целей в выборку для обучения детекторов Domination были включены видео с поджогом машин на парковках:

Другой интересный кейс применения детекторов огня и дыма Domination - золотодобывающая компания. Детекторы были установлены в ангаре для добывающей техники - в подобных помещениях с высокими потолками скорость срабатывания датчиков ОПС может достигать нескольких минут, достаточных для распространения пламени.

В заключение: одно из ключевых преимуществ применения нейронных сетей в видеоаналитике - возможность дообучения. Детекторы огня и дыма Domination, таким образом, могут быть доработаны в соответствии с задачей заказчика и обучены на новой выборке - с подходящими размером, формой и цветом детектируемых объектов.