Intr-o era a digitizarii in fiecare secunda sunt generate cantitati uriase de inregistrari video. La acestea se adauga informatiile generate de senzorii, ajunsi la maturitate, de tipul Internet of Things, informatii cu rol de sporire a vigilentei asupra obiectivului monitorizat. Conform declaratiilor celor de la Milestone, in mai putin de 4 ani, peste 50% din fluxurile video care aprovizioneaza platformele video software vor fi produse de camere fixe. Alte date alimentate sistemului vor fi furnizate de la diferiti tipuri de senzori, ficsi sau mobili, vizuali sau non-vizuali.
Spre exemplu in Singapore, unde exista camere si alti senzori instalati in lampi inteligente, datele sunt colectate si analizate de un software de analiza video in vederea monitorizarii traficului si retinerea soferilor care depasesc vitezele limita.
Cea mai importanta intrebare ridicata in randul acestor sisteme, este reprezentanta de modul in care datele generate de senzori sunt gestionate intr-o maniera cat mai securizata?
Fara un ajutor extern, oamenii nu pot gestiona un numar atat de ridicat de date, prin urmare uneltele de tipul Deep Learning si masinile bazate pe Inteligenta Artificiala vor deveni un element des intalnit in analiza si etichetarea datelor generate de dispozitivele IoT. Insa acestea nu sunt suficiente. Este nevoie de o munca in echipa a tehnologiilor inteligente si ale judecatii si perceptiei umane pentru a identifica si actiona in procesul de decizie.
Tehnologiile bazate pe machine learning sunt capabile in acest moment de o analiza a continutului video nemarginita, depasind capabilitatiile unui sistem clasic de monitorizare video. Sistemele traditionale de analiza video sunt bazate pe reguli care presupun interventia unui administrator in definirea unor parametrii de analiza. De exemplu, la nivelul campului vizual al unei camere se pot definii zone pentru care prezenta unei persoane se va genera o alarma. Intr-un sistem inteligent bazat pe AI, tehnologia de analiza a continutului video poate invata direct obiectele din cadrul video, relatiile acestora, definindu-se astfel un comportament normal. Cunoscut ca “analiza de comportament”, sistemul este capabil de invatare fara programare a unor parametri in prealabil, fapt ce ii permite identificarea inteligenta a obiectelor si clasificarea situatiilor. Sistemul va fi capabil sa inteleaga in mod automat ce este un comportament normal si va alerta un operator in cazul unei situatii alarmante. Toate acestea vor face parte intr-un sistem de recunoasterea predictiva a actiunilor, care va permite operatorilor sa fie cu un pas inainte de evenimentul in sine.
Ajutorul oferit de aceste tehnologii este incomensurabil mai ales in procesul de analiza a datelor provenite de la dispozitive IoT, tehnologii care urmaresc scopul identificarii a noi oportunitati in cadrul organizatiilor mondiale.
Explorand noi teritorii prin aplicarea acestor tehnologii, prin natura, exista si unele ingrijorari in ceea ce priveste increderea acordata. Pozitie justificata, insa ca si regula, este obligatorie confirmarea video a datelor generate de dispozitivele IoT, aspect realizat doar cu echipamente video. Avand o fundatie de componente video si IoT se poate combina inteligenta masinilor de analiza cu judecata umana. Daca o masina este nesigura, aceasta poate solicita interventia umana. Avand la dispozitie partea video pentru decizie, operatorii pot fie confirma decizia masinii, sau ghida procesul catre un alt rezultat.
Spre exemplu, un senzor defectat intr-un site destul de izolat, ar presupune deplasarea unei echipe tehnice pentru depanare, totul se rezuma la cost si timp necesar in solutionarea problemei. Cu un suport video pentru confirmarea problemei, este posibila utilizarea acestei tehnologii pentru identificarea cauzei acestei situatii. Aceasta simplifica procesul si reduce timpul precum si resursele necesare pentru deplasarea unei echipe tehnice in vedere solutionarii unei probleme, care ar putea fi solutionata cu usurinta si de la distanta. In Asia s-au inregistrat recorduri de investitii in instalatii eoliene pentru care utilizarea tehnologiei video in astfel de situatii aduce doar beneficii.
Odata cu generarea a tot mai multor informatii de catre senzorii IoT, procesele vor fi monitorizate de alte dispozitive IoT. Totusi avem nevoie de interventia umana pentru a asigura decizia finala asupra datelor furnizate de catre senzori.
Cert este faptul ca datele video reprezinta fundatia pentru ca operatorii umani sa se bizuiasca pe datele generate de senzorii IoT.
