Inteligência Artificial na Borda: possibilidades para o videomonitoramento
A computação em borda permite realizar análises avançadas utilizando Inteligência Artificial (AI) e Deep Learning dentro das próprias câmeras
Por Sergio Fukushima,
gerente de Soluções da Axis Communications.
Computação em borda
significa mais capacidade para dispositivos conectados. Em um sistema de
videomonitoramento, representa que mais ações podem ser realizadas nas próprias
câmeras. O papel da inteligência artificial (IA) (aprendizado de máquina e
aprendizado profundo) em vigilância por vídeo vem ganhando força, uma vez que podemos
'ensinar' nossas câmeras a serem mais intuitivas sobre o que filmam e analisam
em tempo real. Por exemplo, o veículo na cena é um carro, ônibus ou caminhão? É
um humano ou um animal próximo ao prédio? São essas sombras ou um objeto na
estrada?
Os avanços reduzem a
necessidade do envolvimento humano na análise de dados e tomada de decisões. Em
último caso, deve acelerar o tempo de resposta, o que poderá salvar vidas e
fornecer informações valiosas que podem moldar o futuro dos edifícios, cidades
e sistemas de transporte.
Como podemos
transformar a vigilância por vídeo?
Atualmente, a maior
parte das análises de imagens de câmeras de segurança na borda apenas mostram
quando algo ou alguém está em movimento. Após essa análise inicial do sistema
de gerenciamento de vídeo (VMS) em servidores centralizados, é preciso um ser
humano para interpretar exatamente o que é o evento e se apresenta alguma
ameaça ou risco à segurança.
Para entender se um
objeto é um veículo, um ser humano, um animal ou qualquer coisa, podemos
"treinar" um sistema de vídeo para detectar e classificar o objeto. A
análise detectaria que um veículo acionou um alerta e com a tecnologia de
aprendizado profundo (Deep Learning) inteligente poderíamos entrar em mais
detalhes: que tipo de veículo é? Esta é uma área que pode causar problemas em
potencial ou há perigo imediato? É um ônibus quebrado que pode colocar as
pessoas em perigo durante o desembarque?
Benefícios da análise
na Borda
A maior precisão da
análise de borda e a capacidade de distinguir entre várias classes de objetos
reduzem a taxa de falsos positivos. Com isso, diminui também o tempo e os
recursos para investigar falsos alarmes. De forma proativa, a análise de borda
cria uma resposta mais apropriada e efetiva. Por exemplo, a execução de
análises de IA na borda pode identificar objetos em uma rodovia e alertar os
motoristas.
Ainda assim, a
capacidade de aprendizagem ajuda a distinguir entre um ser humano e um veículo,
podendo ajudar a definir o nível de gravidade dos avisos emitidos aos
motoristas. Se as câmeras avistassem alguém em perigo na estrada, poderiam
ativar automaticamente e de maneira autônoma a sinalização para reduzir a
velocidade do tráfego e alertar os serviços de emergência.
Com o tempo, os
desenvolvedores por trás da análise são capazes de identificar tendências úteis
para o planejamento e gerenciamento de tráfego, assim como para outras
autoridades interessadas no comportamento e conservação de animais silvestres
que possam atravessar a pista, por exemplo. Ser capaz de diferenciar o tipo de
tráfego (pedestres, ciclistas, motoristas, veículos comerciais) fornece
informações valiosas sobre tendências que colaboram com o trabalho dos
engenheiros civis no planejamento das cidades inteligentes do futuro.
Converta dados brutos
em informações analíticas
Outro benefício
importante da análise de borda é que o processo é realizado nas imagens de
vídeo da mais alta qualidade, o mais próximo possível da fonte. Em um modelo
tradicional, quando a análise ocorre em um servidor, o vídeo geralmente é
compactado antes de ser transferido, portanto, a análise é feita em vídeo de
qualidade reduzida.
Além disso, quando a
análise é centralizada, ocorrendo em um servidor, quanto mais câmeras são
adicionadas à solução, mais dados são transferidos, criando a necessidade de
adicionar mais servidores para lidar com a análise. Implementar análises
poderosas na extremidade significa que apenas as informações mais relevantes
são enviadas pela rede, reduzindo o uso da largura de banda e de armazenamento.
Nenhum comentário