Уже сьогодні наш світ стає Інтернетом речей, коли ми маємо доступ з величезної кількості гаджетів в глобальну мережу. Дані від одних пристроїв і сервісів надходять в інші, об’єднуються, аналізуються. Техніка все більше «спілкується» між собою. У майбутньому цей тренд тільки зміцниться. Поширюючись на нашу сферу, він призведе до зміцнення позицій багаторівневих систем безпеки і їх виходу на принципово новий рівень.
В майбутньому ми побачимо єдині глобальні інформаційні простори, в яких не просто камера, а вся підсистема відеоспостереження буде лише невеликим елементом — незважаючи на те, що її масштаб може становити десятки і сотні тисяч пристроїв.
Багаторівневі системи в безпечних містах
Йдеться про системи безпеки, прогнозування та аналітики, які застосовуються в різних галузях. Дані будуть надходити з декількох пов’язаних джерел — понад різнорідних, ніж сучасні.
Такі багаторівневі системи будуть все більше використовуватися в безпечних містах (або безпечних країнах), в проектах великих федеральних компаній, корпорацій, телеком-операторів, федеральних охоронних підприємств. Вони необхідні для компаній, в яких мережа підвідомчих об’єктів досягає сотні тисяч і в яких необхідно вирішити завдання контролю, оптимізації бізнес-процесів, запобігання правопорушень і т.д. Якщо говорити про роль VMS в підсистемах відеоспостереження, то в них буде вкрай важлива автоматизація. І досягти цього можна, якщо вивести відеоаналітіка на принципово новий рівень. На мій погляд, зараз ринок VMS в цілому знаходиться на самому початку шляху.
Ефективний відеоаналіз
Якщо оцінювати ступінь використання аналітики в реальних системах, то повинен сказати, що вона невисока. Одна з ключових причин цього — складність. Для ефективного застосування інструментів відеоаналізу оператор системи повинен володіти таким складом розуму, який підкаже йому, на перетині даних роботи яких модулів (алгоритмів) знаходиться цікавить його результат. Реальність така, що сьогодні оператору набагато легше скористатися найпростішим пошуком в архіві (за датою створення), переглянути — часто тривалий — відеофрагмент і візуально знайти потрібну подію або об’єкт, не дивлячись на те, що це може зайняти набагато більше часу.
Сьогодні ми вступаємо в новий етап розвитку відеоаналізу. Якщо кілька років тому на ринку була представлена досить проста і часто відокремлена в рамках однієї камери аналітика (наприклад, пошук по перетинанню контрольної лінії), то сьогодні інтелектуальні інструменти дозволяють проводити комплексний аналіз як в рамках окремої камери відеосистеми (пошук людини в червоній сорочці і синіх джинсах, який перетнув контрольну лінію), так і в сукупності — можна пов’язувати результати з усіх камер воєдино (відстеження переміщення людини в червоній сорочці і синіх джинсах по всьому контрольованому об’єкту).
Надалі системи «навчаться» спілкуватися з людьми на нашій мові і розуміти запити на зразок «викрадення автомобіля в Жовтневому окрузі Києва». Ситуаційна аналітика буде розуміти, як зістикувати результати роботи різних модулів і суміжних підсистем, звести їх в єдине подія і видати результат. Багато існуючі вже сьогодні алгоритми стануть складовими «цеглинками» єдиних аналітичних систем.
Далі відбудеться перехід від ретроспективної оцінки того, що сталося події до його прогнозування — знову ж з використанням даних від різних підсистем. Тобто оператор зможе не тільки отримати дані про факт правопорушення, а й заздалегідь дізнатися про те, що конкретна людина з високою ймовірністю може зробити ту чи іншу неправомірну дію виходячи з оцінки його поведінки і психічного стану, зафіксованого і проаналізованого системою.
взаємодія підсистем
Для того щоб наблизити майбутнє, необхідно не стільки розробити нові технології відеоаналізу, скільки здійснити стандартизацію, привести алгоритми отримання і обміну даними до єдиних механізмів взаємодії. Кожна підсистема повинна навчитися працювати з даними від всіх інших, не дивлячись на те, що джерела цих показників можуть бути абсолютно різнорідними.
У той же час організатори повинні підвищувати юзабіліті. Важливо уникнути надмірності інформації, яку видає система. В іншому випадку ми повернемося на один з початкових етапів, коли, наприклад, в відеосистемах оператори здійснювали пошук потрібного об’єкта або події, переглядаючи величезні масиви відеоархіву, тільки мова буде йти про інформацію, отриману в результаті роботи десятків підсистем. Таким чином, система повинна навчитися розуміти прості за формулюванням запити і видавати скомпоновану інформацію.
Разом з розширенням сфер аналізу систем безпеки необхідно нарощувати компетенції фахівців, що займаються їх установкою і експлуатацією.
Хмарні технології в малих і середніх відеосистемах
У сегменті малих і середніх систем відеоспостереження буде відбуватися перехід до використання хмарної моделі. Також стане популярна відеоаналітіка в хмарі, коли користувач зможе взяти в оренду цікавить алгоритм аналізу. Треба визнати: незважаючи на те, що про VSaaS багато говорять і пишуть, популярність даної послуги сьогодні не така висока, як припускали аналітики. Разом з тим зростання пропускної здатності каналів зв’язку, підвищення надійності передачі і зберігання даних дають підставу прогнозувати зростання популярності хмарної моделі.
Поряд з вирішенням завдань забезпечення безпеки в системах середнього масштабу будуть вирішуватися завдання управління, підвищення ефективності бізнес-процесів і якості обслуговування клієнтів. Еволюція роботи подібних систем буде йти в ногу із зростанням процесорних потужностей обчислювального обладнання і відеокамер. Багато напрямів, такі як Big Data, розподілені обчислення, доповнена реальність, які зараз кілька відокремлені, будуть з часом об’єднуватися і використовуватися в подібних системах.
Можливо, зараз все це здається фантастикою. Але і те, що здавалося недосяжним 20-30 років тому, зараз стало нашою реальністю. Те ж саме станеться з багатьма речами, які сьогодні здаються фантастичними. А нам потрібно просто йти вперед, впроваджувати нові ідеї та інновації і разом формувати все більш розвинені системи.