banner

De wereld als surveillance wordt gecombineerd met AI?

11 May 2017
img
De technologie welke China heeft gebruikt tijdens de 2016 G20 summit op het gebied van AI en deep learning voor het automatisch volgen van voetgangers in treinstations en op vliegvelden te screenen op mogelijke criminelen, is ontwikkeld door Dahua.

Hoe zou de wereld er uit zien als surveillance wordt gecombineerd met AI?

De verwachting voor de shipment van beveiliging camera is dat deze blijft groeien naar 14.1% CAGR  en 190 miljoen units in 2020 (volgens het IHS report van September 2016) ondanks de omzet groei die vertraagd tot 8.1% CAGR. Er zijn gewoon te veel cameras en videobeelden welke verwerkt moeten worden door de operators. De meeste videobeelden worden verwijderd of overschreven voordat deze bekeken zijn. Video Analytics Technology werd in eerste instantie waargenomen als een oplossing om de overvloedige video beelden door te nemen. Door middel van het taggen en identificeren van patronen is het systeem in staat om zoekopdrachten en statistieken te ontwikkelen. De output hiervan werd vervolgens verder verwerkt om trends en correlaties te vinden. Echter het volledige potentieel is nooit vertaald in een business momentum. De complexiteit van het analytische algoritme en de enorme vraag naar een CPU processing kracht maakt de ontwikkeling van nieuwe software om verwachte patronen te ontdekken en analyseren binnen een afzienbare tijd erg moeilijk. AI (Artificial Intelligence – kunstmatige intelligentie) is mogelijk de sleutel om dit potentieel te gebruiken.

De Video Analytics Technologie is flink veranderd de laatste 10 jaar. De laatste tijd komt het staads vaker in het nieuws vanwege het gerbuik van Artificial Intelligence (AI). De zogenaamde Machine Learning maakt het software ontwikkeling proces enorm eenvoudig en de verwerkingssnelheid van de GPU maakt het mogelijk om vrijwel real-time video analyses uit te voeren. Als voorbeeld is er de 2016 G20 summit waarbij China gebruik heeft gemaakt van de beveiligings oplossing welke gebruik maakt van AI – deep learning om automatisch voetgangers in treinstations en op vliegvelden te screenen op mogelijke criminelen. Dit is ontwikkeld door Dahua Technology.

 

Deep learning versnelt het tempo van intelligente surveillance 

Deep learning refereert naar kunstmatige neurale netwerken welke zijn samengesteld uit verschillende lagen. Het systeem wil zich meten met de menselijke mogelijkheid voor analyseren en bestuderen. Het immiteert het mechanisme van het menselijke brein om data te interpreteren, zoals beeld, spraak en tekst. Deep learning is reeds succesvol toegepast in beeld en geluid herkenning en is klaar voor toekomstige ontwikkelingen. In 2013 is deep learning benoemd als een van de top tien breakthrough technologieen door MIT. 

In de beveiligings industrie is de toepassing van deep learning belangrijk vanwege twee redenen. Enerzijds verbetert het de nauwkeurigheid van sommige algoritmes. Anderzijds stelt het de mogelijkheid open om functies te gebruiken welke niet mogelijk zouden zijn zonder deep learning. Als voorbeeld, gezichtsherkenning gebruikt drie elementen: gezichtsherkenning, gezichtskenmerken ordenen en een kenmerken scheidings methode vergelijking. Als deep-learning was geintegreerd was de prestatie van elk onderdeel dramatisch verbeterd. Door het gebruik van deep-learning kunnen gezichtsuitdrukkingen, geslacht, leeftijd, haarkleur, accessoires emotie en dergelijke allemaal beter herkend worden. Bovendien kan de GPU gebruikt worden om de computer rekenkracht te versnellen voor het deep-learning algoritme. De traditionele intelligente analyse is niet in staat om een grote oppervlak met meer dan 300 mensen te beslaan, laat staan de analyse te maken voor een groeps analyse bij bewegende scenes. Nu, met deep-learning technologie en GPU kan er met gemak 300 targets gewerkt worden en tegelijkertijd de menigte worden genanalyseerd op het gebied van beweging en dischtheid, wat veel meer bruikbare informatie oplevert voor het beveiligings personeel.

Het is duidelijk dat deep learning de ontwikkeling van intelligente surveillance versnelt. Op 7 maart 2017 werkte Dahua samen met NVIDIA, een wereld wijd leider op het gebied van kunstmatige intelligentie (AI)  computing-company, vanwege de lancering van de “Deep Sense” server waarmee smart video structuur analyses gedaan worden. Tegelijkertijd werkte Dahua samen met veel vermaarde universiteiten binnen en buiten China op het gebied van geavanceerd onderzoek van deep learning. Met als resultaat dat Dahua’s gezichtsherkennings algoritme als nummer een is genoteerd bij het publiek gezaghebbende testplatform LFW, waarbij Tencent, Google en andere academische top- maar ook commerciele groepen wereldwijd zijn verslagen.

 

Dahua heeft een vroege start gemaakt op het gebied van AI technologie

Dahua Technology heeft een vroege start gemaakt op het gebied van AI applicaties binnen de spelers van de beveiligings industrie. In 2009 heeft Dahua een afdeling opgericht voor onderzoek naar intelligente algoritmen en het potentieel te bekijken van deze applicaties in beveiligings oplossingen. De afdeling is later samengevoegd met andere onderzoeksgroepen om gezamenlijk het instituut voor geavanceerde technologie te vormen, wat focus heeft op geavanceerde AI technologie, optiek, codec, ISP etc. De ANPR (Automatic Number Plate Recognition) van Dahua heeft ervoor gezorgd dat de verkeers en parkeer management verbeterd is en zodoende zorgt voor een betere omgeving en promoot duurzame stedelijke ontwikkeling. Deep learning wordt ook toegepast bij de herkenning van voertuigen en mensen. Mensen kunnen worden geclassificeerd naar aanleiding van hun kleding, haarkleur, wel- of niet brildragend, rugzak, geslacht, leeftijd en zelfs gezichtsuitdrukking. Voertuigen kunnen worden geclassificeerd op het gebied van kleur, merk, model en type naast de gebruikelijke nummerplaatherkenning.

Voertuig identificatie en statistische analyse

De mogelijkheid om AI te gebruiken voor het identificeren en analyseren van voertuigen wordt erg waardevol. Getuigen zijn vaak in staat om de kleur en een merk van een voertuig te onthouden maar niet de kentekenplaat. Nadat deep-learning is toegepast is er een aanmerkelijke verbetering in de AI-aangestuurde beveiligings applicaties. Aan de andere kant, de nauwkeurigheid van de kentekenplaat herkenning is significant gestegen. Aan de andere kant is het nu ook mogelijk om voertuig eigenschappen zoals type, merk, model en kleur in een meer systematische manier te identificeren. Door verschillende elementen te combineren in een zoekopdracht is het mogelijk om een target voertuig te identificeren zels zonder dat de kentekenplaat is vastgelegd.

Mensen herkenning en statistische analyse

De traditionele intelligente video analyse technieken waren in het verleden niet in staat om herkenning van lichaamsvorm, geslacht, leeftijd en haarkleur te herkennen, maar de deep-learning techniek van Dahua maakt het allemaal mogelijk. De deep-learning video analytics server herkent tot 80 mensen in 40ms. Het herkennen van mensen kan ook worden toegepast in drukke omgevingen waarbij veel mensen zich continue bewegen, bijvoorbeeld op roltrappen, kruisingen, business centers en toegangs poorten van expo centers, en de accuratesse ligt rond de 95%. Zolang als er genoeg training wordt gedaan wordt de mate van herkenning bepaald door de hoeveelheid van blootstelling aan de camera en de snelheid van bewegen. Net alsof er een mens daadwerkelijk continue naar de videobeelden kijkt.

 

De toepassing van AI op campus veiligheid 

Recentelijk is de Amerikaanse TV serie “person of interest” erg populair geweest. Deze TV serie voorspelde via AI erg gedetailleerd misdaad die nog ging gebeuren. Een software genie, Finch in de serie, creerde hiervoor een programma met geavanceerde herkenning van potentieel crimineel gedrag op bases van het opbserveren van patronen. Dat klonk als “science fiction” maar komt nu dicht bij de realiteit met AI deep-learning. 

Een GPU aangedreven “Deep Sense” server kan 192 kanalen van HD-video aan. In tegenstelling tot eerdere Intelligente Video Analytics (IVA) welke alleen de belangrijkste ingangen aankunnen in verband met kosten en capaciteit beperking, wordt het technisch en economish rendabel om het complete gebouw van een campus te monitoren via een surveillance systeem. Met een rijke set aan criteria is de kans op een match vele malen groter zelfs zonder directe afbeelding van het gezicht. Het systeem kan de route achterhalen van het doel voor het “behaviour of interest”. Dit kan de politie helpen om de snelheid voor het oplossen van criminaliteit te verhogen en zodoende tegelijkertijd criminelen afchrikken en dus het gevoel van veiligheid vergroten. Bijvoorbeeld, als de politie een verdachte zou willen vinden, bijvoorbeeld een man van middelbare leeftijd met een rode paraplu, dan kunnen ze de zoekwoorden “rode paraplu”, “man” en “30-50 jaar” enzovoort invoeren in het systeem. Het AI systeem kan vervolgens een snelle zoekopdracht uitvoeren en zodoende kan er een hoop manuele tijd worden bespaard.

 

Ontwikkelen van trends voor AI technologie en applicaties in de beveiliging

De ontwikkeling van AI applicaties zal ongetwijfeld veel obstakels en moeilijkheden ondervinden maar de trends zijn optimistisch. Het voordeel in de herkenning van personen en voertuigen heeft een significante impact gemaakt op de security applicaties. Stemherkenning is hoogstwaarschijnlijk de volgende feature die geimplementeerd gaat worden. Acoustische patronen kunnen gecombineerd worden met menselijke gedrags patronen of voertuig karateristieken om de zoekopdrachten sneller te kunnen laten verlopen en vals alarm meldingen terug te dringen. Een stem kan ook dienen voor een vorm van data invoeren of interactie. Handgebaren of lichaamsgebaren of een combinatie van deze kunnen de “machine” de context leren te begrijpen van wat er gaande is.

 

Tenslotte

Dus, hoe zal de wereld eruit zien als surveillance en AI gecombineerd worden?

 

Terug