Jak se může vyplatit umělá inteligence na periferních zařízeních

Jelikož odpadá nutnost streamovat nezpracovaná data na servery za účelem analýzy, umělá inteligence na periferii (nebo také „periferní AI“) se bude v našem světě bezpochyby prosazovat stále častěji. Přináší to ohromné výhody i v odvětví videodohledu.

Výhody trvalé udržitelnosti

AI na periferních zařízeních má oproti AI několik zásadních výhod. V první řadě jsou zde nižší nároky na šířku pásma i s tím spojené náklady, neboť se na server přenáší menší objem dat (a jsou zde i výhody z hlediska zabezpečení, jak uvádíme níže). Klesají náklady spojené s vlastnictvím, a navíc zde mohou být klíčové výhody ve smyslu trvalé udržitelnosti, neboť odpadá potřeba udržovat velké serverovny. Dochází též k úsporám energie samotného zařízení, neboť při lokálním zpracování úloh AI se v porovnání s odesílám dat na servery spotřebuje daleko méně energie.

Efektivita nákladů

V případě periferních zařízení s podporou AI se oproti cloudovým výpočetním modelům zpravidla neúčtují žádná časová předplatná, a tak v této souvislosti nehrozí riziko růstu cen. Koncoví uživatelé zaměření na periferní zařízení dále mohou investovat do své vlastní infrastruktury.

Snazší rozšiřitelnost

Využívání kamer s podporou AI na periferii přináší vyšší flexibilitu a snazší rozšiřitelnost, což je obzvláště užitečné v případě organizací, které potřebují svůj projekt implementovat postupně v jednotlivých fázích. Systém lze podle potřeby a časových možností rozšiřovat o další kamery a zařízení s podporou AI, aniž by byl koncový uživatel nucen od samotného začátku vyhrazovat velké servery s drahými grafickými procesory a velkou šířkou pásma.

Vyšší provozní výkon a lepší zabezpečení

Jelikož se analýzy videoobsahu provádějí na periferii (tj. na zařízení), po síti se posílají pouze metadata, což zároveň znamená lepší kybernetické zabezpečení, neboť po síti neputují žádná citlivá data, která by někdo mohl zneužít. Zpracování probíhá přímo na periferním zařízení, takže přes síť neproudí žádná nezpracovaná data ani video streamy.

Protože se analýzy provádějí lokálně na zařízení, díky periferní AI odpadá zpoždění při komunikaci s cloudem nebo serverem. Odezva je rychlejší, což znamená, že úlohy jako automatické zaostřování kamer na probíhající událost, udělování přístupu nebo spouštění výstrah při výskytu narušitele je množné vykonávat prakticky v reálném čase.

Využívání AI na zařízeních může dále zvyšovat přesnost aktivace výstrah, tedy redukovat počet falešných poplachů. Úlohy počítání osob, měření obsazenosti, správa front a mnohé další lze provádět s vysokou míru přesnosti pomocí periferní AI a technologií hlubokého učení. Takto lze zvyšovat efektivitu odezvy pracovníků obsluhy a současně zamezit frustracím, neboť obsluha není nucena reagovat na falešné poplachy. Kamery s podporou AI mohou také provádět hned několik analýz video obsahu na jediném zařízení – to znamená další zvýšení efektivity, kdy provozovatel může snadno nasadit technologie AI k upozorňování na potenciální nouzové situace nebo narušení prostoru, rozpoznávání bezpečnostních incidentů, či například sledování podezřelých osob.

Zvyšování kvality videa

Prostřednictvím AI na periferních zařízeních se navíc zvyšuje kvalita získávaného videa. Přímo na zařízení lze snižovat šum a za podpory AI lze jmenovitě potlačit šum kolem objektů zájmu, např. osoby pohybující se ve sledované oblasti. Díky funkcím jako např. BestShot nemusí obsluha hledající nejlepší úhel podezřelé osoby zbytečné procházet dlouhou stopáž videa. AI zde rovnou nabídne nejlepší snímek, čímž pomáhá zkrátit dobu reakce a urychlit vyšetřování po výskytu události. Další výhodou je úspora místa na úložištích i přenosového pásma, kdy stačí streamovat či ukládat pouze nejlepší snímky.

Používá se i technologie komprese s podporou AI, kde se aplikuje nízký kompresní poměr u objektů a osob rozpoznávaných a sledovaných prostřednictvím AI, a naopak vysoký kompresní poměr pro zbytek zorného pole – tímto se minimalizují nároky na přenosovou kapacitu sítě i požadavky na ukládání dat.

Používání metadat

Kamery s periferní AI mohou poskytovat metadata pro software třetích stran prostřednictvím aplikačního programového rozhraní (API). To znamená, že systémoví integrátoři a technologičtí partneři mohou tato metadata využívat jako první prostředek klasifikace pomocí AI a následně přistoupit k dalšímu zpracování klasifikovaných objektů pomocí svého vlastního softwaru – a tímto přidat další vrstvu analýzy.

Odolnost

Při používání periferní AI odpadá riziko bodových poruch. Umělá inteligence může pokračovat v práci i poté, co dojde k výpadku sítě nebo cloudových služeb. Spouštěcí signály je možné i nadále aktivovat lokálně, resp. odesílat je na jiná zařízení, zatímco záznamy a události se odešlou na back-endový systém ihned po obnově připojení.

Úlohy AI se na periferních zařízeních zpracovávají prakticky v reálném čase, namísto streamování dat na server nebo dálkově poskytovanou cloudovou službu. Odpadá tak riziko zpožďování analýz kvůli nestabilnímu síťovému připojení.

Výhody pro montážní firmy

Je-li montážní firma schopna nabízet periferní AI jako součást vlastní instalace, může se odlišit od konkurence, neboť svým řešení pokrývá řadu různých případů užití. Předpřipravená (krabicová) řešení jsou mimořádně atraktivní zejména pro ty koncové uživatele, kteří na ruční nastavování videoanalýz nemají čas ani prostředky.

Výhled do budoucna

AI na periferních zařízeních podle všeho čeká světlá budoucnost, neboť stále více výrobců hledá cesty, jak rozšiřovat úlohy klasifikace prováděné kamerami AI, či dokonce přejít k nasazování AI kamer jako platformy, kdy systémoví integrátoři a softwaroví vývojáři mohou vytvářet své vlastní aplikace AI provozované přímo na kamerách.

S ohledem na ohromnou efektivitu, přesnost a udržitelnost spojenou s periferní AI můžeme tuto oblast koncovým uživatelům i montážním firmám doporučit k prozkoumání.  

Autor: Uri Guterman, šéf produktového a marketingového managementu společnosti Hanwha Techwin Europe