Безработица в охране, кризис производства мониторов и упадок камер – будущее видеонаблюдения

Александр Коробков, генеральный директор компании-разработчика ПО для машинного зрения на основе нейросетей Macroscop

Безработица в охране, кризис производства мониторов и упадок камер – будущее видеонаблюдения

Предсказывать будущее – занятие неблагодарное. Но часто глобальные тренды прозрачно намекают на дальнейшее развитие событий так, что сомнений не остаётся. Не нужно быть предсказателем, чтобы уже сегодня быть уверенным, что в отрасли видеонаблюдения настают плохие времена для охранников, производителей мониторов и, может быть, даже камер.

Большие данные

Текущие изменения в отрасли видеонаблюдения и комплексной безопасности в целом легко проследить в сводках прейскурантов и маркетплейсов. Стоимость оборудования постоянно уменьшается. Камеры становятся дешевле, а значит, доступнее всё большим категориям потребителей. При этом продуктивность аппаратных ресурсов постоянно растёт.

Вспомните, пару лет назад слово «видеорегистратор» ассоциировалось в первую очередь с маленькой камерой в автомобиле. Регистратор выполнят свою роль, не претендуя на большее. Сегодня регистратор не уступает профессиональному видеосерверу. Видеорегистраторы Macroscop NVR вообще стёрли грань между этими двумя понятиями: мы стали создавать компактные и многопрофильные регистраторы с возможностью сборки по заказу, расширения, обновления. Это лишь один пример из великого множества. И способствовала тому революция машинного обучения.

Процессы, которые происходят с применением Machine learning, действительно иначе как революцией не назовёшь. Машинное обучение внедряется в банках и на производствах, в приложениях и сервисах, в бытовой технике и игрушках. В 2017 году робот Саманта казался дикой новинкой, приветом из будущего. Сегодня её искусственный интеллект считается устаревшим, а место Саманты на пьедестале почёта заняли уже вполне привычные и более развитые технологии машинного обучения. Развиваются они благодаря объёмам больших данных – Big Data, “снежному кому” открытой информации, который каждый может использовать так, как считает нужным. Кто-то создаёт суперприложения, объединяющие в себе все возможные опции компании, а кто-то меняет лицо Шварценеггера в старых фильмах на лицо Сталлоне. Впрочем, и то, и другое – свидетельство всеобщего понимания необходимости Big Data в повседневной жизни современного человека.

Чёрный экран вместо лиц

Можно сказать, что Big Data в одночасье раскрыли потенциал огромного количества аппаратно-программных комплексов. Вспомним о тех же Шварценеггере со Сталлоне – системы распознавания лиц стали учитывать контекст. В системах безопасности до недавнего времени распознаванием лиц, как правило, занималась одна камера, чаще всего на входе. Сегодня благодаря анализу больших объёмов данных мы можем говорить об N-количестве камер, работающих в одной связке. Такая система может следить за перемещениями одного конкретного человека, учитывать его эмоции, определять поведенческие паттерны, прогнозировать их, прогнозировать состояние и поведение.

Сегодня старт созданию такого комплекса уже дан в виде отдельных систем. В рамках пилотных проектов в школах при помощи камер наблюдения определяются эмоции учеников. Для предприятий разрабатываются интеллектуальные модули детекции аномального поведения, например, определения пьяной походки или падения. В ритейле камеры учатся определять, что будет приобретать новенький или постоянный посетитель.

Всколыхнуть рынок в таких условиях может практически любая инновационная компания. Свою маленькую революцию в 2019 году смогли совершить и мы, когда вывели на рынок модуль распознавания лиц Complete от Macroscop. Эта программа работает с точностью до 99,9% и обладает практически безграничными возможностями практического применения. Учитывая, что она распознаёт лица с чёлками, массивными очками, шапками-ушанками и огромными наушниками, наверное, не стоит говорить о классических СКУД, это слишком очевидно. Модуль Complete уже нашёл применение в сфере IoT, он работает на повышение конверсии посетителей, на увеличение объёмов продаж. При помощи Big Data этот модуль собирает ещё больший объём данных, извлекая из повседневной и привычной картинки максимальную пользу.

Будущее – в переходниках

Мы привыкли видеть результат работы камеры наблюдения как маленькие изображения на сетке экрана. Но привычное – не значит лучшее. Уже в 2020 году мы своими глазами увидим эти перемены. Сегодня умный помощник «Алиса» позволяет включать музыку или нужный канал на телевизоре фактически без дисплея смартфона. Совсем скоро то же самое произойдёт и в профессиональной среде. Помощники, в основе которых ML и Big Data, начнут проникать из консьюмеской сферы в профессиональную, постепенно становясь всё в большей степени нашим вторым мозгом, решающим реальные практические задачи. Суть камеры наблюдения изменится. Камера превратится в дешёвый датчик для сбора данных, которые человек, может быть, даже не увидит. Вместо картинки на мониторе человек будет получать готовое решение – о правильной выкладке товара, террористе у проходной, заложенной бомбе, неожиданном инфаркте на улице и так далее.

Скажется это и на мировой экономике. «Кризис производства мониторов» – это, конечно, шутка, но и в ней есть смысл. Как и в том, что круглые сутки смотрящий в монитор охранник в современной компании уже выглядит анахронизмом.

Множество отдельных решений уже сегодня позволяют добиться множества подобных результатов. Дело за малым – сделать универсальный «переходник», который смог бы объединять отдельные приложения, интегрировать решения в один большой сервис. И раз уже следующий год объявлен для нас годом изменений, то, возможно, кто-то сможет всколыхнуть рынок уже в 2020 году.