Технологии глубокого обучения: новый этап развития интеллектуальных систем безопасности

Опубликовано: 02.09.2018

видео Технологии глубокого обучения: новый этап развития интеллектуальных систем безопасности

Microsoft on Trust, Privacy and the GDPR

В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик   |   К списку авторов   |   К списку публикаций


A Critique of SOMA

В 2017 г. компания Hikvision представила на международном рынке серию продуктов с глубокими технологиями обучения. Серия включает в себя камеры, способные определять, распознавать и анализировать характеристики и поведение людей и объектов, а также регистраторы, созданные на базе передовых алгоритмов глубокого обучения с расширенными функциями видеоанализа


Настоящие Новости 9 марта 2018 год

Сфера обеспечения безопасности транспортных систем традиционно связана с необходимостью получения качественного видео в высоком разрешении и, соответственно, хранением и анализом большого объема информации. Данные видеонаблюдения составляют 60% больших данных, и этот процент ежегодно увеличивается на 20%. Рост обусловлен в первую очередь развитием видеонаблюдения в высоком разрешении HD и 4K.

Одна из приоритетных задач современных систем видеонаблюдения – свести к минимуму участие человека и повысить качество работы систем безопасности.

Что такое глубокое обучение?

Глубокое обучение происходит по принципу работы нейронных сетей человеческого мозга. Мозговые нейронные сети состоят из миллиардов взаимосвязанных нейронов, глубокое обучение имитирует эту структуру. Эти многоуровневые сети могут собирать информацию и выполнять соответствующие действия. Глубокое обучение очень похоже на процесс обучения человека и имеет поэтапный процесс. На каждом из уровней происходит более точный анализ и более высокая конкретизация полученных данных.

Обучение системы происходит путем внедрения большого объема информации и создания алгоритмов для точного распознавания видеоданных и их классификации.

Отличие от традиционных интеллектуальных алгоритмов

Традиционные интеллектуальные алгоритмы разработаны людьми, и поэтому они во многом субъективны. Принципиальное отличие технологий глубокого обучения состоит в их способности к самостоятельному распознаванию, классификации и определению приоритетности той или иной информации. Такая возможность характеризуется значительно большим количеством параметров и сценариев, содержащихся в системе. Модель глубокого обучения имеет более сложную структуру в сравнении с обычными алгоритмами.

Основные причины, по которым широкое применение глубокого обучения стало возможным только в последние годы:

необходимость работы с огромным объемом данных; качественное усовершенствование процессорных мощностей и сетевой архитектуры.

Развитие технологий позволяет осуществлять анализ данных на значительно более компактных носителях и в более сжатые сроки. Например, сегодня на борту одной камеры Hikvision может храниться база данных, состоящая из 1000 лиц. Значительный вклад в развитие системы также вносят технологии сжатия, которые позволяют существенно экономить объем хранения видеоданных в высоком разрешении. Самая совершенная из них на сегодняшний день – H.265+, выпущенная Hikvision в начале 2017 г.

Практика: общественный транспорт

Видеонаблюдение на объектах общественного транспорта связано с определенными сложностями по причине большого пассажиропотока и повышенных рисков. Работа с системами безопасности включает в себя постоянную обработку огромного количества данных. Роль технологий глубокого обучения – получение объективной информации, максимальная автоматизация процессов анализа данных и своевременного оповещения в случае возникновения нештатной ситуации.

Для решения этой задачи существует несколько ключевых направлений:

Более совершенные алгоритмы распознавания лиц. Благодаря большему числу уровней анализа данных распознавание осуществляется с высокой точностью, недоступной обычным системам. По данным проведенных исследований, надежность распознавания лиц повышается на 38%. На практике это важно, например, когда необходимо в режиме реального времени найти в толпе людей потенциального преступника. Технология также позволяет определить человека по заданным параметрам, таким как рост, пол, цвет одежды и др. Применение на практике алгоритма анализа поведения людей. С его помощью анализируются различные сценарии поведения, и в случае обнаружения подозрительного поведения в центр безопасности автоматически передается сигнал тревоги. Такие системы уже применяются, но из-за недостаточной точности нередко дают ложные срабатывания или, наоборот, не позволяют полностью предотвратить возможные риски.

Системы на базе технологий глубокого обучения работают с очень большим объемом заложенных в них данных и предоставляют более подробную картину для последующего анализа.

Практика: безопасность на дорогах

Технологии глубокого обучения выводят на качественно новый уровень обеспечение дорожной безопасности. Так, камеры способны автоматически фиксировать нарушения правил дорожного движения, таких как непристегнутый ремень, набор SMS за рулем, неправильная парковка и т.д.

Новые технологии также позволяют более эффективно осуществлять поиск транспортного средства: если по каким-то причинам определить номер автомобиля не представляется возможным, система сможет идентифицировать автомобиль по другим признакам.

Для обеспечения безопасности гражданских и коммерческих перевозок используются различные алгоритмы анализа поведения водителя. Например, установленная на приборной панели камера может фиксировать, что водитель не смотрит на дорогу, в этом случае в центр безопасности мгновенно отправляется тревожное сообщение.

Для крупных объектов система реализуется на базе специализированных камер видеонаблюдения, видеорегистраторов и систем хранения данных. В небольших объектах функции углубленного видеоанализа могут осуществляться на борту камер.

Перспективы развития

Современные системы предлагают очень широкие возможности для расследования уже совершенных преступлений, но более важной целью является получение данных для оперативного реагирования для предотвращения противоправных действий. Именно на эффективное решение этой задачи направлены разработки Hikvision в области глубокого обучения путем усовершенствования алгоритмов анализа для своевременного выявления потенциальных угроз.

Технологии глубокого обучения Hikvision признаны одними из наиболее совершенных на сегодняшний день. В 2016 г. разработки Hikvision заняли первое место в авторитетных профессиональных конкурсах ImageNet Big Scale Visual Recognition Challenge и ICDAR.

HIKVISION RUSSIA&CIS

105064, Москва,

ул. Земляной Вал, 9

Тел/факс: (495) 669-6799

E-mail: [email protected]

www.hikvision.ru

Опубликовано: Журнал "Системы безопасности" #5, 2017

Посещений: 1442

В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик   |   К списку авторов   |   К списку публикаций

Добавить комментарий

rss