Чому? Давайте розбиратися.
Спочатку системи відеоспостереження були винайдені для безпеки. Вони вирішували традиційні завдання: зберігання архіву, відображення на екрани операторів, детектування руху і пошук в архіві. Незалежно від того, до якої галузі відноситься об’єкт, на якому встановлена відеосистема, підхід до вирішення цих завдань однаковий. І технології їх вирішення, розроблені одного разу, успішно застосовуються на мільйонах різних об’єктів.
Друзі сайту: в компанії Альпстрой-Плюс ви можете замовити висотні ремонто-будівельні роботи за доступними цінами.
Згодом системи відеоспостереження пішли далі і навчилися вирішувати кілька більш складні завдання — аналізувати відео: розпізнавати обличчя, розпізнавати автомобільні номери, шукати по різноманітним параметрам. І знову на якому б об’єкті це не робилося, процес відбувається приблизно однаково, адже, наприклад, для модуля розпізнавання номерів немає різниці, знаходиться автомобіль біля воріт торгового центру або заводу.
Наступний крок — рішення вужчих спеціалізованих завдань, що виходять за рамки забезпечення безпеки. В першу чергу такі системи з’явилися для рітейлу. Вони можуть аналізувати переміщення покупців, визначати довжину черги, вважати відвідувачів, виявляти найбільш активні зони торгового залу. І все це працює досить ефективно.
Тепер логічно зробити наступний крок: якщо ми навчили системи аналізувати відео і вирішувати прикладні завдання на одних об’єктах, чому б не вводити це повсюдно? Не тільки в торгівлю, а й, наприклад, на виробництво, і тоді системи зможуть замінити робітників, які займаються низькокваліфікованим працею.
На практиці все не так просто. Якщо базові завдання по забезпеченню безпеки однотипні, завдання по відеоаналіз для рітейлу теж однотипні (бо не так важливо, що продавати, магазини в цілому продають однаково, незалежно від того, що стоїть на полицях), то у виробництва завдання найрізноманітніші. Все виробництво різний і для кожного існує свій виробничий процес.
Судіть самі. Ми отримуємо багато запитів на відеоаналітіка від різних виробничих компаній.
Наприклад, за допомогою відеосистем замовники хочуть:
розпізнавати зубець екскаватора, який відломився;
визначати фракції щебеню в кузові самоскидів на кар’єрі;
рахувати пластикові пляшки в палеті;
детектувати дорогоцінні камені на конвеєрній стрічці.
Навіть ці завдання настільки різні і специфічні, що для кожного з них, необхідно займатися індивідуальною розробкою. Стандартними інструментами, розробленими одного разу, їх не вирішити. А така індивідуальна розробка коштує дорого.
Логічно, що широко тиражований продукт коштує дешевше, ніж продукт, який виробляється меншими обсягами. Для того, щоб розробити технологію і налагодити виробництво, необхідно зробити певні інвестиції, які повинні окупитися за рахунок продажів. І чим більша кількість примірників розробленого продукту продається, тим менша сума витрат на виробництво вкладається у вартість кожної одиниці. Коли ваша задача зовсім індивідуальна, продукт для її вирішення проводиться в єдиному екземплярі (і ймовірність того, що ще хтось колись це купить, мала), всі інвестиції розробників точно також включаються в його вартість. Пропорція проста: менший попит — більша ціна.
Можна заощадити
Є в практиці і приклади самостійного вирішення нестандартних виробничих завдань з мінімальними витратами, коли замовники просто проявили кмітливість і скористалися стандартними інструментами відеоаналізу.
#Лайфхак
Наприклад, одна з компаній, яка займається виробництвом покрівельних матеріалів вирішує силами відеосистеми завдання виявлення дефектів (дірок) в виробленому матеріалі за допомогою детектора руху. Ось що являє собою їхня система:
Матеріал рухається по конвеєрній стрічці через темний короб. У нижній частині короба встановлений джерело світла, спрямований вертикально вгору (крізь стрічку), відеокамера розташована зверху, навпроти джерела, і спрямована вертикально вниз. У разі, якщо на відрізку матеріалу відсутні отвори, картинка на камері абсолютно чорна, але, якщо на ділянці матеріалу в темному коробі є дефект, камера фіксує просвіти (плями світла).
У Macroscop налаштована реакція на появу цих світлових плям (використовується детектор руху), і запускається зовнішня програма, яка інформує оператора про наявність дефекту.
Вартість програмної складової цього рішення 700 гривень (за 1 камеру).
Альтернативна точка зору
Не всі поділяють нашу точку зору. У одних наших колег по цеху є думка, що в загальному і цілому всі завдання, якими б різними вони не були, можна класифікувати і підвести під якісь універсальні розробки.
Але ефективно класифікувати можна тільки тоді, коли в однакових класах виявляться дійсно дуже близькі завдання, для вирішення яких можна застосовувати одні і ті ж підходи. Якщо в одному класі виявилося 5 начебто схожих завдань, але для їх вирішення все-одно немає універсального алгоритму, ця класифікація стає безглуздою. До якого класу, наприклад, віднести задачу виявлення відламався зубця екскаватора?
З іншого боку, цілком очевидно, що майбутнє саме за цим. Адже можна класифікувати завдання, наприклад, на розпізнавання якихось об’єктів або якоїсь події. І, ймовірно, дуже скоро в відеосистемах з’являться алгоритми, які зможуть розпізнати все, що завгодно. Певною мірою такі розробки застосовні вже зараз.
В підсумку
Все це говорить про те, що вже зараз створюються перспективні технології відеоаналізу, які, є універсальними, працюють в різних умовах і не вимагають доопрацювання під конкретні завдання.
Цілком очевидно, що в майбутньому завдання розпізнавання стане фундаментальною, базовою функцією, яку можна буде застосовувати повсюдно, в тому числі на виробничих об’єктах для вирішення спеціальних завдань.
Але потрібно розділяти сьогодення і майбутнє. І сьогодні, поки технології не перебувають на такому рівні, у замовників з вузькою специфічною виробничою завданням є три варіанти:
Платити чималі гроші за індивідуальну розробку.
Проявляти кмітливість і винахідливість, застосовуючи стандартні інструменти нестандартними способами.
Або не використовувати відеоаналіз, а підключати людські ресурси.