Hogyan növeli a nyomozások megbízhatóságát és eredményességét a mesterséges intelligenciával felvértezett videotechnika?

A különböző bűnesetek (lopás, rablás, gyilkosság, eltűnések stb.) megjelenése sajnálatos módon egyidős az emberiséggel. Természetesen az ilyen jellegű eseményeknek mindig elejét kellett venni, hiszen a magántulajdon és az emberi élet védelme alapvetésnek számított már a régmúltban is.

De mit lehetett tenni, ha már megtörtént a baj?

Egészen addig, amíg nem volt lehetőségünk belenézni a múltba videókamerák segítségével, addig a legtöbb esetben csak maga az elkövető tudta, hogy mi is történt pontosan. Amennyiben az esetnek voltak szemtanúi, úgy könnyebb volt az ügy felgöngyölítése, egy szemtanúval már érdekesebb a történet, hiszen két ember szava állt egymással szemben, ilyen helyzetben nehéz igazságot tenni. Emellett ott volt persze a nyomok és körülmények vizsgálata, bizonyítékok begyűjtése, amely elvezethetett az elkövetőhöz. Azonban itt már megjelent az emberi tényező, mint lehetséges hibafaktor.

A CCTV rendszerek megjelenésével nagyot fordult a világ, hiszen ezen rendszerek egyre széleskörűbb használatával egyre valószínűbbé vált, hogy egy kamera is szemtanúja lesz az eseteknek, ami nagyban megkönnyítette az ügyek gyorsabb és biztosabb lezárását. Azonban az egyre több kamera, egyre több munkát jelentett, hiszen meg kellett találni a releváns részeket. Az IP kamerák térnyerése után, az ezekhez fejlesztett analitikák sokat segítettek, de ezen analitikák mind pixelváltozáson alapultak, így bár növelték a hatékonyságot, rengeteg hamis eseményt is generáltak.

A mesterséges intelligencia megjelenése és felhasználása a videórendszerekben

A mesterséges intelligencia felhasználása az utóbbi időben az életünk szerves részévé vált, és várható volt, hogy előbb vagy utóbb a biztonságtechnikába is begyűrűzik. Egyre több gyártó alapoz erre, és próbálja felhasználni a mesterséges intelligenciában rejlő lehetőségeket, legyen szó szerver vagy akár kamera oldalon futó analitikákról. Azonban az sem mindegy, hogyan teszik mindezt!

A mélytanulás egy viszonylag új számítástechnikai modell, ahol neurális hálózatokat használnak arra, hogy felismerjenek különböző mintákat bármilyen hatalmas mennyiségű adatból. A BriefCam izraeli szoftver fejlesztő korai úttörő volt a mélytanulás hasznosításában, olyan áttörésekhez vezetve, amelyek megváltoztatták azokat az eljárásokat, hogy hogyan tekintünk át és elemzünk videókat. A videóban található hatalmas adattömeg tárolása és feldolgozása rendkívül teljesítményigényes. A GPU-technológia fejlődése, a piacvezető Nvidia vezérletével exponenciálisan felgyorsítja a BriefCam megoldásainak teljesítményét és pontosságát.

Mi az a Video Synopsis és hogyan működik?

A Briefcam által fejlesztett és levédett mélytanuláson alapuló technológia, A Video Synopsis újradefiniálja, hogyan használják a videómegfigyelő rendszereket a vezető bűnüldöző szervek és nagyvállalatok világszerte.

A BriefCam szoftvere folyamatosan elemzi az egyes kamerákból érkező video folyamokat és minden releváns eseményhez egy – a video tárolásától elkülönült indexelt adatbázisban – tárolja le a hozzá tartozó metaadatokat. Hogyan is kell ezt elképzelni? Ha például az egyik kamera képén azonosít egy járművet, akkor megállapítja annak típusát, színét, rendszámát stb. és nyomon követi amíg az adott kamera képén látható. Ennek az adatbázisnak a segítségével aztán rendkívül hatékonnyá válik a múltbéli események feldolgozása. A Video Synopsis technológia ugyanis képes sok objektumot egyszerre megjeleníteni az álló háttér előtt, amelyek a valóságban nem egy időben voltak jelen. Aki látta már ezt működés közben, annak az az érzése, hogy minden kamera nagyon forgalmas helyen van, annyi jármű és ember van egyszerre a képeken. Azonban minden azonosított objektum mellett ott az időbélyeg, amely mutatja, hogy a valóságban mikor járt arra az adott objektum. Ha bármelyik bennünket érdeklő objektumra ráklikkelünk, máris megnézhetjük az eredeti videót.

Forrás: BriefCam

Önmagában már ez is nagy segítséget jelentene, de az igazi nagy durranás, hogy egy szűrő segítségével leszűkíthetjük a bennünket érdeklő objektumok körét. Például, ha a képeken piros felső- és fehér alsóruházatot viselő hölgyet keresünk, akkor néhány kattintással akár több száz, vagy ezer lehetőségből eljutunk oda, hogy csak néhány videót kelljen végignéznünk. Ugyanez igaz arra az esetre is, ha például egy szemtanú az elsuhanó autó rendszámából csak néhány karakterre emlékszik. Mindez pedig azért tud nagyon gyorsan és hatékonyan működni, mert már „csak” az indexált adatbázisban kell keresni, nem kell kielemezni a tárolt video anyagot. A szoftver egyébként rendelkezik beépített arcfelismerő analitikával is, ami megfelel a GDPR szabályozásnak is, azonban ha valaki ennek ellenére mégsem szeretné használni, az ki is kapcsolhatja.

Ezt tudja a szoftver „nyomozó” funkciója, azonban, ha egy kicsit mélyebben a zsebünkbe nyúlunk (erősebb hardver és másik szoftver licenc), akkor arra is rávehető, hogy valós időben figyelmeztessen bizonyos események bekövetkezése esetén. Ilyen például, ha egy kijelölt területen például egy hátizsákos ember várakozik fél percnél hosszabb ideig, vagy elhalad a kamera előtt egy körözött rendszámú autó.

A szoftver alkalmazási lehetőségei túlmutatnak a klasszikus rendőrségi alkalmazásokon. Nagyon jól kidolgozott felhasználói felület segít a rengeteg begyűjtött adat rendszerezésében, személyre szabott jelentések, grafikonok, hőtérképek készíthetők a segítségével. Így például a kiskereskedelem, a közlekedés, a logisztika, a gyártás mind-mind olyan terület, ahol a Briefcam használata jelentős hatékonyság növelő tényező lehet. Ez pedig a mai szűkös humán erőforrású világban nem elhanyagolható szempont.

Morvai Gábor presales mérnök

További információk: www.aspectis.hu

Hozzászólások