A mesterséges intelligencia segíti a távoli videomegfigyelés skálázását nagy forgalmú környezetekben

A nagy forgalmú helyszíneket támogató biztonsági integrátorok és tanácsadók számára az egyik legnagyobb működési kihívás nem a felvételek hiánya, hanem a túl sok videó. Amikor nagyszámú kamera állandó mozgásalapú riasztásokat generál, a biztonsági csapatok nehezen tudják elkülöníteni a rutintevékenységet a valódi fenyegetésektől.

Forrás: turn key tecnologies

Ez a kihívás egyre súlyosabbá válik olyan környezetekben, mint a szórakozóhelyek, lakóközösségek, repülőterek, további kritikus infrastruktúra létesítmények, ahol az üzemeltetőktől elvárják, hogy egyszerre több helyszínt figyeljenek meg, miközben gyors válaszidőket tartanak fenn.

A Puerto Ricóban szerzett közelmúltbeli telepítési tapasztalatok arra utalnak, hogy a videokezelő rendszerekkel integrált mesterséges intelligenciával támogatott analitika egyre nagyobb szerepet játszik a zavaró riasztások csökkentése és a központosított felügyelet javítása érdekében.

Központosított felügyelet szükséglet

Johana Arias, a Milestone Systems értékesítési igazgatója szerint a projekt középpontjában a széttöredezett felügyeleti megközelítések egy olyan központosított működéssel való felváltása állt, amely egyszerre több ügyfelet is kiszolgálhat. „Ahelyett, hogy minden ügyfél számára önálló rendszereket telepített volna, a Genesis egy központosított felügyeleti műveletet fejlesztett ki, amely képes egyszerre többet egymástól elkülönülő szükségletet is kiszolgálni.”

A rendszer a Milestone XProtect Corporate videokezelő szoftverét ötvözte az Actuate felhőalapú mesterséges intelligencia analitikájával a távoli videomegfigyeléshez.

Mielőtt a mesterséges intelligencia által vezérelt analitikát bevezették volna, az operátoroknak naponta több mint 96 000 mozgásérzékelési riasztást kellett kezelniük több ezer kamerától. A gyakorlatban ez azt jelentette, hogy a valódi fenyegetéseket kezelhetetlen mennyiségű értesítés rejthette.

Arias szerint a fő cél egy olyan technológia bevezetése volt, amely képes „kiszűrni a zajt, csökkenteni a téves riasztásokat és lehetővé tenni egy kisebb létszámú operátori csapat számára, hogy hatékonyan figyeljenek több helyszínt és ügyféltípust anélkül, hogy a válaszidőket vagy az általános szolgáltatásminőséget veszélyeztetnék”.

A nyílt architektúra támogatja az integrációt

Rendszerintegrációs szempontból a projekt egyik legfontosabb aspektusa az architektúra volt. A nyílt platformú VMS használata elősegítette, hogy különböző gyártók, köztük az Axis Communications és az Uniview kameráit ugyanabba a környezetbe lehessen vinni, miközben mesterséges intelligencia alapú elemzéseket is csatlakoztattak támogatott protokollokon és hálózati híd képességeken keresztül.

Ez lehetővé tette az elosztott helyszínekről származó videostreamek feldolgozását mesterséges intelligencia modellek segítségével behatolásérzékeléshez, ácsorgásérzékeléshez, fegyverészleléshez és tömegfigyeléshez. A mesterséges intelligencia által ellenőrzött riasztásokat ezután visszaküldték a VMS esemény-munkafolyamatába, így az operátorok több hasznos információt kaphattak.

Az eredmény a operátorok felé irányuló riasztások számának jelentős csökkenése volt. Arias szerint a Genesis „62%-os csökkenést tapasztalt az operátorokhoz érkező riasztások számában, a napi nagyjából 96 000 értesítésről körülbelül 37 000 hasznos eseményre csökkent az Actuate mesterséges intelligencia alapú elemzések bevezetése után”.

Miért volt fontos a riasztáscsökkentés?

A sávszélesség-kezelés szintén fontos tényező volt. A rendszer minimalizálta az adatfelhasználást azáltal, hogy JPEG pillanatképekre támaszkodott mozgás esetén, miközben jobb minőségű streameket tartott fenn az igényesebb elemzésekhez, például a lőfegyverek észleléséhez. Ez a megközelítés segített csökkenteni a terhelést anélkül, hogy jelentős változtatásokra lett volna szükség az ügyfelek telephelyein. Fontos, hogy a telepítés további hardverek telepítése nélkül történt a helyszínen.

Az integrátorok számára ez egy gyakorlati tanulságra utal. Sok több telephelyes környezetben a központosított és felhőalapú elemzés javíthatja a skálázhatóságot, amikor a helyszíni hardverbővítés nem kívánatos vagy költséghatékony. Jelen esetben a központosított modell több ezer kamerastream megfigyelését támogatta anélkül, hogy további feldolgozó hardverre lett volna szükség a terepen.

Csúcsidőszaki reagálás kezelése

A csúcsidőszakokban a teljesítmény nem csak az analitikától függött. Az operátorok valós idejű térképfelületet használtak a mozgás nyomon követésére a kameranézetekben, a helyszíni hangszórók aktiválására az élő hangjelzésekhez, és a kiszállások koordinálására egy egységes platformról.

A videó, az analitika, a hangbeavatkozás és a reagálási munkafolyamatok integrációja valószínűleg különösen érdekes lesz az eseményvezérelt környezetekhez rendszereket tervező tanácsadók számára.

A projekt rávilágított a rugalmasság folyamatos fontosságára is. Puerto Rico infrastrukturális kihívásai, beleértve a törékeny energiaellátást és az egyenetlen kommunikációs lefedettséget, redundáns tervezést igényeltek több videoszerverrel, automatikus feladatátvétellel és hibrid hálózati megközelítéssel, amely a helyszíni körülményektől függően ötvözi az optikai, a vezeték nélküli és az LTE-hálózatokat.

Infrastruktúra-tanulságok integrátoroknak

A biztonsági szakemberek számára az általánosabb tanulság az, hogy a mesterséges intelligencia elemzései akkor a legértékesebbek, ha egy nyílt, tesztelt és működés szempontjából megalapozott architektúra részeként alkalmazzák őket. Ahogy Arias fogalmazott: „A Milestone nyílt architektúrája lehetővé teszi az integrátorok számára, hogy több technológiát is kiértékeljenek és magabiztosan telepítsék azokat a megoldásokat, amelyek a legjobban megfelelnek az ügyfelek igényeinek.”

Zsúfolt, fokozottan riasztási környezetben ez a rugalmasság egyre inkább meghatározhatja, hogy a távoli felügyeleti műveletek méretezhetők-e a hatékonyság csökkenése nélkül.

Forrás: asmag.com Prasanth Aby Thomas