Menu
A+ A A-

Hikvision:Šta još trebamo znati o tehnologiji dubokog učenja

Fenomen dubokog učenja i dalje je u centru pažnje IT svijeta. Računarska snaga je danas na takvom nivou da se ova tehnologija može adekvatno iskoristiti u praktičnim aplikacijama. Hikvision je pionir primjene ove tehnologije u videonadzornoj industriji i šire, i već je predstavio svoju prvu seriju proizvoda koji koriste vještačku inteligenciju 
Piše: Odjel marketinga za Evropsku uniju, Hikvision
E-mail: Ova adresa el. pošte je zaštićena od spambotova. Omogućite JavaScript da biste je vidjeli.
 
Koncept dubokog učenja inspirisan je načinom na koji radi ljudski mozak. Naš mozak se može posmatrati kao vrlo složen model dubokog učenja. Moždane neuronske mreže sastoje se od više milijardi međusobno povezanih neurona i duboko učenje simulira ovu strukturu. Ove višeslojne mreže mogu prikupljati informacije i vršiti odgovarajuće radnje u skladu s analizom tih informacija. U protekle dvije godine ova tehnologija je ponudila vrhunske rezultate u segmentu prepoznavanja govora, računarskog vida, prevođenja glasa, a nadmašila je čak i ljudske sposobnosti u pogledu prepoznavanja lica i klasifikacije slika. Zbog toga je jako cijenjena u oblasti videonadzora koji koristi sigurnosna industrija. Njena sposobnost prepoznavanja ljudi u odnosu na, naprimjer, životinje čini je poželjnim dodatkom sigurnosnih alata.
 
Kako funkcioniše duboko učenje 
Duboko učenje je suštinski drugačije od ostalih algoritama. Način na koji ono otklanja nedostatke tradicionalnih algoritama obuhvata nekoliko aspekata. Algoritamski model za duboko učenje ima mnogo složeniju strukturu od standardnih algoritama. Ponekad broj slojeva može ići i preko stotinu, što mu omogućava da obrađuje velike količine podataka u kompleksnim klasifikacijama. Duboko učenje je veoma slično procesu ljudskog učenja i uključuje proces apstrakcije za svaki od slojeva. Pri tome će svaki sloj imati drugačiji nivo "težine", a ona se odnosi na ono što je naučeno o komponentama slika. Što je taj nivo sloja veći, komponente su specifičnije. Kao i ljudski mozak, izvorni signal u dubokom učenju prolazi kroz slojeve obrade. On djelimično (površno) razumijevanje pretvara u sveobuhvatnu (duboku) apstrakciju, koja mu omogućava da percipira objekt. Duboko učenje ne zahtijeva korisnikov rad, već se oslanja na računar, koji sam može prepoznati karakteristike slike. Na ovaj način računar je u stanju da prepozna što više karakteristika iz zadate slike, uključujući i apstraktne funkcije koje je teško ili nemoguće opisati. Što je više karakteristika, to će prepoznavanje i klasifikacija biti precizniji. Neke od direktnih pogodnosti koje nude algoritmi za duboko učenje uključuju: preciznost prepoznavanja uzoraka na nivou koji je jednak ili bolji od čovjekovog, veliku otpornost na smetnje i mogućnost klasifikacije i prepoznavanja više hiljada karakteristika.
 
Izazovi postojećih sistema
Konvencionalni videonadzorni sistemi uglavnom prepoznaju pokretne ciljeve, bez dodatne analize. Čak i pametne IP kamere mogu mapirati samo pojedinačne tačke na nekom obliku, jednu po jednu, što otežava kalibraciju za određene karakteristike (npr. čelo ili obraz), čime se smanjuje pouzdanost, ali mogu biti korisne (i koriste se) za pružanje cjelovite sigurnosti. Ipak, one imaju svoje slabosti. Infracrveni detektori emisija se mogu „zaobići“ i skloni su pojavi lažnih alarma koje aktiviraju životinje. Elektronske ograde mogu biti izvor opasnosti i njihovo korištenje je ograničeno na određena područja. Objekti kao što su životinje, lišće ili čak i svjetlost mogu dovesti do pojave lažnih alarma. Zbog toga mogućnost prepoznavanja ljudskog oblika može autentično unaprijediti pouzdanost VCA funkcija perimetra. Zamislite, naprimjer, scenario koji uključuje mirnu lokaciju tokom noći kada ima malo automobila i ljudi. Čak i tada se tokom noći može javiti 50 lažnih alarma. Možemo pretpostaviti da su potrebne 2–3 minute da se provjeri jedan lažni alarm i da vam za najmanje 3 od 50 njih treba više vremena, naprimjer 15 minuta. Stražar mora provjeriti sistem ili analizirati upozorenje, ili ga se mora poslati na teren da provjeri je li neko zaista "ušao bez dozvole". U većini organizacija ove situacije se moraju prijaviti/evidentirati, što samo produžava ukupno vrijeme koje se provede u bavljenju "lažnim alarmima". Dakle, u ovakvoj situaciji na tih 50 lažnih alarma bi se svake noći moglo izgubiti više od dva sata vremena. Međutim, duboko učenje ovdje može igrati važnu ulogu. Prikupljanjem velike količine podataka s kamera i iz drugih izvora, poput Hikvisionovog istraživačkog instituta s više od stotinu zaposlenika koji obrađuju podatke i označavaju kadrove, akumulirano je više miliona kategorija. S ovako velikom količinom kvalitetnih podataka za obuku, modeli za prepoznavanje ljudi, vozila i objekata postaju sve precizniji za upotrebu u kombinaciji s videonadzorom. Na osnovu serije eksperimenata utvrđeno je da je pouzdanost prepoznavanja kod rješenja koja koriste algoritam dubokog učenja veća za 38%. Ako to primijenimo na prethodni primjer, imamo uštedu od skoro jednog sata svake noći.
 
Ostale primjene
Korist tehnologije dubokog učenja izlazi izvan okvira tradicionalne sigurnosti. Naprimjer, praćenjem obrazaca kretanja pojedinaca može se ustanoviti da li se oni nepotrebno zadržavaju na određenoj lokaciji i predstavljaju potencijalnu prijetnju. Prag tolerancije se može podesiti na radijus kretanja od pet metara ili interval od deset sekundi boravka na istom mjestu. Ako neko lice izađe izvan ovih okvira, može doći do aktiviranja alarma. Sistem će ga pratiti i vršiti usporedbu njegovog ponašanja s onim što je pohranjeno u bazu podataka kako bi se prepoznao obrazac. Druga primjena bi uključivala scenario u kojem bi pad osobe na tlo mogao predstavljati rizik, kao što je to slučaj u domovima za starije osobe. Uz ponudu ovakvih funkcija i prednosti, nije teško uvidjeti koliko pametnih aplikacija bi imalo koristi od tehnologije dubokog učenja. Ukratko, razvojno-istraživački centar s više od 10.000 zaposlenika pomiče granice videonadzornih rješenja i obogaćuje ih dodatnim funkcijama. Vještačka inteligencija nudi ogroman potencijal i kompanija Hikvision nastavlja istraživati vidove primjene ove uzbudljive tehnologije u sigurnosnoj industriji i izvan nje. 
 
Napredna inteligencija i napredni videonadzor
Hikvision nudi rješenja koja koriste tehnologiju dubokog učenja. Ona su dostupna na tri nivoa:
- DeepinView kamera je sposobna za praćenje ciljeva, njihovu procjenu i snimanje nakon aktiviranja alarma
- Standardna IP kamera koja koristi DeepinMind mrežni videosnimač dodaje funkciju inteligentnog pretraživanja po slici i štedi vrijeme na traženju ciljeva u poređenju sa standardnim mrežnim videosnimačem
- DeepinView kamera i DeepinMind mrežni videosnimač predstavljaju cjelovito rješenje kod kojeg kamera šalje informacije videosnimaču koji ih analizira. Ovo ubrzava proces snimanja i filtriranja lažnih alarma.
 

     

Global Security d.o.o.
Safeta Zajke 115c, 71000 Sarajevo, Bosna i Hercegovina
Tel: +387 (0)33/788-985
Fax: +387 (0)33/788-986
Web site: www.asadria.com
Marketing: marketing@asadria.com
Pretplata: pretplata@asadria.com
PDV broj: 201142740001
Identifi kacioni broj: 4201142740001
www.asadria.com
ISSN 1986-5

  

Magazin a&s Adria – stručni magazin za kompletna sigurnosna rješenja – mjesečna je publikacija licencirana od strane kompanije Messe Frankfurt New Era Business Media za Adriatic regiju: Bosnu i Hercegovinu, Crnu Goru, Hrvatsku, Kosovo, Makedoniju, Sloveniju i Srbiju.

Magazin a&s Adria je mjesečna publikacija iz oblasti sigurnosti i zaštite čiji je primarni cilj da informiše, educira i poveže sigurnosno tržište u Adriatic regiji. Magazin nastoji biti graditelj i poveznica između proizvođača i krajnjih korisnika u čijem lancu su neizostavni sistem-integratori i instalaterske kompanije kao ponuđači usluga. Zahvaljujući jasnoj viziji razvoja koja prepoznaje potrebe tržišta, a&s Adria se etablirala kao pouzdan izvor informacija i kao takva je prepoznata od strane čitalaca još od samih početaka 2006. godine.