VSaaS (Video Surveillance as a Service, что переводится как «видеонаблюдение, как услуга) — это не просто видеонаблюдение. Это комплекс технологических решений, способных:
- записывать и воспроизводить видео архивы;
- хранить;
- управлять;
- анализировать данные из видеопотока.
Для работы системы требуется подключение к интернет-связи и облаку, при этом у пользователя отпадает необходимость в приобретении дорогостоящего специализированного оборудования, программного обеспечения и элементов инфраструктуры системы видеонаблюдения.
Фундаментальная разница между облачным и традиционным видеонаблюдением заключается в том, что облачный провайдер берет на себя 100% забот по обслуживанию системы, ее инфраструктуры, занимается обновлением оборудованием и ПО, поддерживает безопасность и обеспечивает надежную защиту данных.
Кроме того, VSaaS по сравнению с классическим видеонаблюдением, более гибкая система, способная к легкому масштабированию и развитию, расшариванию информации по своим ресурсам.
VSaaS открывает доступ к изображениям с камер и информационным уведомлениям с компьютеров и с мобильных устройств, но самое главное – объединяет разные виды оборудования.
Вы можете подключить к облаку IP-камеры, старые аналоговые камеры, тепловые камеры, всевозможные датчики. Камеры при этом располагаются стационарно, на борту кораблей, в грузовиках, даже на дронах.
В то время как многие производители пытаются сделать свои камеры «более умными», VSaaS-решения позволяют «модернизировать» любые существующие камеры, для которых требуется только подключение к Интернету.
Владелец бизнеса не тратит огромные деньги на создании системы с нуля. Старые аналоговые камеры работают в связке с самым совершенным на сегодняшний день оборудованием.
Архитектура облачного видеонаблюдения, с точки зрения методов хранения видеоархива, делится на три вида: публичное, частное и гибридное VSaaS.
Публичное VSaaS
Характеристика:
- самый простой и популярный метод взаимодействия облака и пользователя;
- проходит для частных лиц, малого и среднего бизнеса.
Потребитель приобретает и устанавливает сетевые камеры, подключает сервис. При этом видеоматериалы с камер передаются на серверы облачного провайдера, где происходит обработка и хранение.
Частное VSaaS
Характеристика:
- уникальный продукт, созданный провайдером, для локального хранения данных с возможностями удаленного доступа, дополнительными аналитическими опциями и расширенным функционалом;
- подходит для тех организаций, в которых не допускается открытое хранение данных, но имеют ресурсы для организации корпоративного системы хранения (государственные структуры, финансово-кредитные учреждения).
Видеозаписи не покидают периметра организации.
Гибридное облако
Характеристика:
- модель, имеющая признаки частного и публичного облака. Пользователи могут использовать сторонние облачные платформы для резервного хранения, а о собственные сервера в качестве основных (или наоборот);
- подходит тем организациям, которые имеют собственную инфраструктуру, но по достоинству оценивают возможности публичного облака;
- подходит тем компаниям, которые обязаны хранить большие объемы видеоархивов. Информация первой необходимости хранится на локальных серверах, а остальная – у провайдера.
VSaaS позволяет развивать видеонаблюдение сеимильными шагами, появляются новые решения, которые быстро внедряются в облачные сервисы. Рассмотрим эти решения и те, которые сейчас только разрабатываются
Неточность алгоритмов, большие требования к «железу», высокая стоимость и сложность конечного использования долгие годы сдерживали развитие аналитических модулей.
Обучение нейросетей тормозилось качеством самого видео. Дошло до того, что некоторые компании нанимали актеров для съемки обучающих роликов с постановкой противоправных действий.
Новые методы глубокого обучения позволили нам анализировать видеоданные быстрее и дешевле, чем когда-либо прежде. Видеоаналитика стала доступной и в домашних камерах, и для бизнеса.
Распознавание лиц – это только начало. Мы уже видим первые результаты объединения слабого (пока еще) искусственного интеллекта с системами видеонаблюдения.
В проекте IC Realtime Ella ИИ используется для анализа видеопотока и мгновенного поиска. Ella может распознавать сотни тысяч запросов на естественном языке, позволяя пользователям искать кадры с указанными объектами: животных, людей в одежде определенного цвета или даже отдельные марки автомобилей.
Сегодня появляются системы, в которых видеоданные с квадрокоптера анализируются нейросетью с использованием глубокого обучения, позволяют оценивать позы людей и сопоставлять их с позами, которые исследователи обозначили как «насильственные».
В проект включено пять поз: удушение, удары руками и ногами, стрельба и удары ножом. Ученые надеются, что «глаз в небе» будет использоваться для выявления преступлений в общественных местах и на крупных мероприятиях.
Хотя методы глубокого обучения помогли определять человека в потоке видео, пока сложно сделать шаг к «идеальным» алгоритмам. Поэтому системы, выявляющие преступников, так несовершенны.
Машине сложно понять, кто перед ней, преступник или доброжелательный человек, который просто решил обнять друга. На данный момент система работает с точностью 94 % в определении «насильственных» поз, но чем больше людей появляется в кадре, тем ниже этот показатель – точность снизилась до 79 % при одновременном анализе действий 10 человек.
Темпы технического прогресса не оставляют места для сомнений – к 2025 году точность приблизится к 100 % на любом количестве людей в толпе.
Возможности по распознаванию противоправных действий снизят количество специального персонала (полиции, охранников), тем самым значительно нивелируя человеческий фактор применительно к контролю сложных общественных ситуаций.
Алгоритмы также помогают совершенствовать работу даже устаревшего «железа». Команда ученых представила алгоритм «вычислительной перископии», который позволяет любой IP-камере в прямом смысле «заглянуть за угол». В основе алгоритма лежит анализ теней объекта, отброшенных на любую поверхность.
Для получения изображения объекта, находящегося за углом, алгоритму требуется изображение поверхности, на которую падает тень от объекта.
На данный момент для «вычисления» изображения «из-за угла», потребуется лишь обычный компьютер, который сделает все необходимые расчеты не более чем за 48 секунд. Компьютеры более высокой мощности справятся с этой задачей ещё быстрее.
Система представляет собой набор из двух приборов – «фотонной пушки», которой ученые обстреливали пол и стену, расположенные на противоположной стороне от угла, и специальной светочувствительной матрицы на базе лавинных фотодиодов, распознающих даже одиночные фотоны и преобразующие свет в электрический сигнал за счет фотоэффекта.
Фотоны из луча пушки, отражаясь от поверхности стены и пола, сталкиваются и отражаются от поверхности всех предметов, которые находятся за стеной.
Часть из них попадает в детектор, отразившись еще раз от стены, что позволяет, опираясь на время движения луча, определять положение, форму и вид того, что прячется за углом.
Это решение еще на шаг приближает нас к будущему, в котором камеры станут по-настоящему всевидящими.
Добавление большего количества камер увеличивает количество собираемых видеоданных, но приводит к уменьшению полезной информации.
Другими словами, подавляющее большинство записанных видеоданных никогда не просматривается. Это не из-за отсутствия интересного контента – скорее, из-за постепенного снижения концентрации внимания человека.
В будущем люди перестанут постоянно смотреть в монитор. Облачные системы начнут полностью контролировать сами себя.
Люди будут получать только информацию, которая действительно имеет для них значение. С точки зрения обслуживания система с 10 тыс. камер перестанет отличаться от системы из 10 распределенных камер.
Уже сейчас облачные сервисы видеонаблюдения позволяют строить распределенные системы с любым количеством подключенных объектов и оборудования, при этом все трансляции с удаленных объектов представлены в едином личном кабинете.
Пользователь может через облако распределять права доступа к сотням камерам одновременно, менять настройки, обращаться к архиву и подключать модули видеоаналитики.
Пожалуй, единственным моментом, который сложно поддается оптимизации, остается монтаж систем, но и здесь есть место для прогресса. Благодаря достижениям в области беспроводной передачи данных, камерам сегодня не нужны физические сетевые подключения. Тем не менее, камеры по-прежнему нуждаются в питании.
Существующие решения с автономными источниками питания (например, солнечные батареи) для действительно беспроводных систем широко не применяются, и у них все еще есть свои ограничения – стоимость, размер и, в конечном счете, зависимость от самого Солнца.
Сегодня создается технология питания через Wi-Fi и другие беспроводные решения – в будущем появятся полностью беспроводные камеры. И не будем забывать про роботов – команды автономных устройств могут действовать как единое целое. Эти группы со множеством камер могут использоваться для наблюдения и сбора информации, а также на опасных работах, где присутствие человека нежелательно.
Роботами могут быть беспилотники, автономные наземные машины или даже гуманоидные устройства, идущие сквозь толпу. Если у вас есть роботы, которые взаимодействуют между собой, вы можете ставить перед ними любую задачу: наблюдение, мониторинг безопасности, информирование о ситуации.
Рынок видеонаблюдения VSaaS продолжать демонстрировать уверенный рост во всем мире. Технологии облачного видеонаблюдения оказались чрезвычайно важными, особенно для мониторинга безопасности и сокращения издержек бизнеса.
Поэтому в «облака» инвестируют все – от малого бизнеса до правительства – чтобы дать импульс развитию современных устройств видеонаблюдения.
Привлечение инвестиций к критически важной инфраструктуре заложило фундамент нового мира, в котором одни могут увидеть «угрозы тотального контроля» по «китайской» модели, а другие – уникальные возможности для реализации сложных, захватывающих проектов.
