Что нужно сделать клиенту, чтобы у него заработала видеоаналитика

Автор статьи: руководитель проектов по видеоаналитике «Центр 2М»
Клюев Константин.

Системы видеонаблюдения — часть нашей повседневной жизни. Их используют во многих сферах бизнеса: магазинах, офисах, складах — там, где контролируемая площадь ограничена парой-тройкой помещений.

Также системы видеонаблюдения необходимы и на объектах с гораздо более масштабной площадью — производственных цехах, заводах, многоэтажных муниципальных учреждениях. В таких местах задействованы сотни камер, каждая из которых транслирует изображение с определенного участка. Даже самый внимательный оператор не в состоянии следить за этими потоками информации. одновременно.

А что если необходимо найти один конкретный момент среди десятков и сотен часов видеозаписей? В некоторых случаях эту проблему решают просто — устанавливают камеру, срабатывающую на движение, чтобы не приходилось искать момент со вторжением в зону на записи. Однако бывают кейсы, когда съемка велась непрерывно. Таким был случай теракта в метро Лондона — чтобы найти преступников, полицейские, военнослужащие и волонтеры отсматривали десятки часов записей людей в метро.

Решать подобные задачи без участия человека может система «интеллектуального наблюдения» — Intelligent Video Surveillance. Ее особенность заключается в том, что она действует по заранее определенному сценарию. Она может, например, реагировать на появление в кадре неопознанного объекта или, напротив, подавать сигнал об исчезновении предмета из поля зрения камеры.

Стоит сказать, что возможности подобных систем ограничены, а комбинировать функции в них трудно — для этого необходимы сложные алгоритмы.

Видеоаналитика — это усовершенствованная версия IVS-систем, которая отлично справляется со всеми описанными выше задачами. Она реагирует на неограниченное число сценариев, способна комбинировать функции. Как пример — сценарий контроля ношения средств индивидуальной защиты. Перед видеоаналитикой здесь стоит задача — проследить, надевают ли работники каски. С этим справится нейросеть с машинным обучением, которая будет реагировать на сочетание объектов «человек» + «каска». Причем последняя обязательно должна быть на голове сотрудника, в противном случае система определит нарушителя и даст тревожный сигнал.

Видеоаналитика способна справиться и с более сложными сценариями, распознать целый комплекс объектов. Она может различать сигналы светофора, цвета и модели автомобилей, лица прохожих, скорость и направление движения. Подобные системы широко применяются в интеллектуальных транспортных системах и других решениях проектов умных городов.

Задача видеоаналитики — одновременный безошибочный контроль множества параметров. Эта умная система благодаря нейронным сетям помогает контролировать процессы на опасных производствах, где ношение СИЗ — вопрос жизни и смерти. Далее — примеры работы системы CenterVision, одной из главных разработок «Центр 2М».

Основная возможность видеоаналитики — детекция целого ряда параметров: надел ли работник каску (Helmet_ON) и перчатки (Gloves_ON), использует ли он карабины (Carabiner_ON), какая на нем спецодежда (Type of uniform № 1). На стоп-кадре видно, что один из карабинов отстегнуть, поэтому система выдает предупреждение в красной рамке Carabiner Empty.

Можно сделать ошибочный вывод, что видеоаналитика подобна Большому Брату: все видит и контролирует. Но это не так — способности системы ограничены.

На самом деле нейросеть подобна ребенку, который изучает окружающую среду с чистого листа. Она строит связи на основе внешних данных, буквально с нуля учится определять, что находится перед ней: животное, человек, машина и так далее. Алгоритм видеоаналитики не способен находить неочевидные связи — что человек взял это животное из приюта и собирается отвезти на машине домой. К сожалению, она на это не способна — но некоторые клиенты ждут от системы выводов подобного уровня.

Еще один пример: лесное хозяйство с воздуха следит за участком леса, где пасутся лоси. На видеоаналитику возлагают задачу подсчитать количество животных, гуляющих по пастбищу. Однако отличить животное от дерева с большой высоты и с таким качеством съемки не получится ни у человека, ни у нейросети.

Когда описывают систему на базе искусственного интеллекта, на самом деле речь идет именно о нейросети. Нейросеть — алгоритм обучаемый. Когда ей подают определенные изображения объекта на входе, моделируют сигнал на выходе и повторяют цикл множество раз, нейросеть учится и впоследствии сможет самостоятельно распознавать изученный предмет.

К примеру, если человек на рабочем месте будет в кепке, а не в каске, ответ системы видеоаналитики с хорошо обученной нейронной сетью будет «каски нет». Однако она не сможет дать ответ вроде «это кепка, а не каска». Обращаясь к разработчику за настройкой такой системы на производстве, следует это хорошо понимать. Не ожидайте на выходе могущественный интеллект, равный человеческому. Вы получите лишь умную и четко выполняющую свои функции программу — большее пока что невозможно.

Универсальных систем видеоаналитики для бизнеса не существует — систему с определенными настройками не получится одинаково успешно использовать и в метро, и на заводе. Каждое решение создается с нуля, под определенный кейс, с подробной, неповторимой структурой. Для каждого проекта создается своя архитектура системы видеоаналитики. Только так можно получить нейросеть с качественной и безошибочной реакцией.

Чтобы воплотить алгоритм видеоаналитики для конкретного проекта в жизнь, клиент и разработчик должны провести совместную работу, вначале описав и структурировав предстоящие задачи. Нельзя за одну встречу объяснить проблему исполнителю, и ждать результата. Заказчику необходимо внести свой вклад, какой именно — объясним далее.

Универсальных систем видеоаналитики для бизнеса не существует — систему с определенными настройками не получится одинаково успешно использовать и в метро, и на заводе. Каждое решение создается с нуля, под определенный кейс, с подробной, неповторимой структурой. Для каждого проекта создается своя архитектура системы видеоаналитики. Только так можно получить нейросеть с качественной и безошибочной реакцией.


Чтобы воплотить алгоритм видеоаналитики для конкретного проекта в жизнь, клиент и разработчик должны провести совместную работу, вначале описав и структурировав предстоящие задачи. Нельзя за одну встречу объяснить проблему исполнителю, и ждать результата. Заказчику необходимо внести свой вклад, какой именно — объясним далее.

Основа подготовки к реализации проекта — составление плана, который включает в себя описание бизнес-процесса, целей и путей их достижения. Часто на этом этапе сотрудничество заканчивается: правильно сформулировав запрос, заказчик понимает, что видеоаналитика не разрешит проблемную ситуацию и необходимо использовать другой инструмент.

Именно поэтому детальное описание бизнес-процессов так важно, и не выполнить эту работу — значит выкинуть деньги на ветер. На этом этапе следует не экономить, а нанять профессионала. Если в штате вашей компании нет специалиста с необходимыми компетенциями, «Центр 2М» направит к вам своего бизнес-аналитика.

Он рассмотрит ваше предприятие как целостную структуру: выделит ее объекты, субъекты и функции. Бизнес-аналитик выявит все бизнес-процессы, происходящие в вашей компании, выстроит их архитектуру и сделает вывод, сможет ли видеоаналитика способствовать их улучшению.

Таким образом, например, может выглядеть схема бизнес-процесса — к ней, разумеется, необходимо добавить текстовое описание операций.

Представим ситуацию, что на этапе контроля качества в компании что-то пошло не так. Это стало причиной того, что предприятие периодически отгружает некачественные изделия, чем расстраивает клиентов и впоследствии теряет их.

Клиент хочет решить эту проблему и внедрить систему видеоаналитики, чтобы повысить контроль качества. Для того чтобы разработчик спроектировал архитектуру системы и верно ее настроил, потребуется подробное описание проблемного процесса — ему необходимо досконально знать, как проходит этап контроля качества в компании.

Необходимо выяснить:

• критерии оценки качества изделий;
  
• что именно контролируется;
  
• какие действия выполняет проверяющий;
  
• как расположены детали во время проверки;
  
• какие сигналы необходимы для управления роботом-сортировщиком, который заменит работника.

Чем точнее будет описан процесс, тем больше вероятность, что разработчики создадут систему, способную эффективно справиться с задачей.

Еще один пример: сервисная компания испытывает проблему загруженности офисов — пока в одних отделениях пусто, в других образуются бесконечные очереди.

Загруженность офисов при этом детектируется следующим образом. Один из сотрудников компании просматривает записи с камер раз в неделю, считает количество посетителей в очередях и замеряет время обслуживания каждого человека. Получившиеся данные заносятся в таблицу Excel. На их основе выстраивается диаграмма загруженности. Отталкиваясь от нее, руководство принимает решение о расширении или сокращении штата, изменении в проектировке помещений, оптимизации рабочих часов и так далее.

Такой подход нерационален — он отнимает у заказчика множество человеко-часов, которые могли быть использованы в полезной работе. Клиент хочет переложить детекцию посетителей на видеоаналитику. Для этого придется разработать целый комплекс процессов — недостаточно будет поставить одну умную камеру. Чтобы реализовать подобный проект, клиенту потребуется собрать команду.

Воплотить внедрение видеоаналитики в офисах в жизнь клиенту поможет «железный треугольник»: аналитик, эксперт и руководитель.

1. Аналитик — профессионал, способный системно изучить бизнес-процессы заказчика, рассчитать расходы на внедрение видеоаналитики и соотнести их с предполагаемой прибылью, которую технология принесет компании в будущем.
   
   
2. Эксперт — сотрудник, детально знающий все о проблемном процессе. В данном примере им выступает человек, который до этого отсматривал записи с очередями и заносил данные в таблицу. Его задача — объяснить разработчикам, как именно функционировал процесс, какие меры уже принимались для улучшения ситуации и так далее.
   
   
3. Руководитель — человек, отвечающий за коммуникацию первых двух участников проекта и команды разработчиков. Он ставит задачи аналитику и эксперту, контролирует исполнение и расставляет приоритеты. Если со стороны заказчика не будет руководителя, процесс реализации проекта будет значительно замедлен, если вообще не сведен к нулю.

Можно ли вместо трех участников «железного треугольника» поручить все одному герою? В общем, можно, но опыт реализации проектов видеоаналитики для бизнеса «Центр2М» показывает, что так лучше не делать. Дело в том, что для всех трех ролей необходимы разные компетенции. Аналитик — человек, обладающий знаниями для предварительного анализа. Эксперт — работник со стороны клиента, досконально знающий свое дело. Руководитель — управленец, главной компетенцией которого является координация других людей.

К формулировке целей проекта можно приступать только после того, как все участники «железного треугольника» со стороны заказчика найдены.

Метрики и их отображение — основа проекта. Для этого в арсенале «Центр 2М» есть BI-платформа IBM Cognos Business Intelligence и решение Power IBM AI Vision, которое позволяет быстро и удобно обучать новые модели по метрикам заказчиков.

Итогом подготовки клиента и поставщика являются два документа: ТЗ — техническое задание для проекта и ПМИ — программа и методика испытаний. В первом описаны параметры, цели, этапы реализации, составлен план-график работ по видеоаналитике и определены промежуточные показатели результата для контроля продвижения реализации проекта. Во втором — детальные указания о том, что и как нужно проверять на приемо-сдаточных испытаниях (ПСИ), какие метрики использовать, и в каких пределах должны находиться показатели этих метрик при ПСИ.

ТЗ и ПМИ нужны для того, чтобы четко прописать цели проекта и функционал системы, а в процессе внедрения — понимать, что именно контролировать на ПСИ и как демонстрировать результат работы системы заказчику.

В процессе реализации заказчик и исполнитель должны постоянно поддерживать контакт. Без регулярных созвонов и видеоконференций не обойтись: во время их проведения исполнитель сообщает о ходе работ, уточняет данные, задает вопросы. Точкой входа таких коммуникаций должен быть руководитель проекта, поэтому стоит временно освободить его от других задач.

Два других члена «треугольника», эксперт и аналитик, нужны руководителю для решения вопросов, требующих более глубокой экспертизы. Но решение от имени заказчика должен всегда принимать руководитель проекта.

На некоторых этапах к проекту нужно будет подключить дополнительных экспертов, чаще всего на этапе обучения нейросетей. Это довольно сложный процесс, состоящий из трех шагов:

1. Разметка изображений. Как правило, это выделение красным прямоугольником области головы или тела работника при условии отсутствия на нем каски или защитного костюма. Зеленая рамка появляется при обратной ситуации. При этом может обрабатываться несколько тысяч образцовых изображений. Часто от заказчика требуется быстрый ответ, например, рисовать ли рамку на том или другом фото или нет.
2. Обучение моделей нейросети. На основе изображений из предыдущего пункта нейросеть последовательно учится искать то, что отмечено на исходных изображениях. Здесь также часто требуется взаимодействие с экспертом заказчика: правильно ли, например, система распознала отсутствие средств индивидуальной защиты в какой-то ситуации.
3. Проверка полученного результата осуществляется на реальных изображениях с видеокамер заказчика. Здесь также нужен активный контакт клиента и разработчика.

Частый случай — замедление процесса обучения нейросети из-за дискоммуникации внутри компании заказчика. К примеру, в ходе разработки видеоаналитики для контроля ИТ-отдела одного предприятия «Центр 2М» понадобился доступ к изображениям видеокамер, установленных в компании. Руководителем проекта был один из топ-менеджеров, который из-за огромного количества параллельных задач был «вне зоны доступа». Эксперт по процессу не знал, откуда должен приходить нужный видеосигнал.

Когда через две недели удалось связаться с руководителем проекта, выяснилось, что искомая видеокамера принадлежит службе безопасности. Ее сотрудники не знали, что на предприятии ведутся какие-то проекты по видеоаналитике. Еще неделя ушла на согласование доступа к изображению с этой камеры — в результате разработчики потеряли целых три недели на согласование, получение данных и бумажную волокиту.

Когда проект организован грамотно — со стороны заказчика сформирован «железный треугольник», с исполнителями поддерживается постоянный контакт, а внутри предприятия организована информационная поддержка — на выходе получается работающая архитектура системы видеоаналитики, отвечающая требованиям ТЗ, которая точно в соответствии с ПМИ успешно прошла все этапы ПСИ. Другими словами, клиент получит именно то, что хотел, и решит свою задачу.

Наконец, последнее замечание о важности информационной поддержки внутри заказчика. В практике «Центр 2М» был случай, когда при проведении ПСИ присутствовало много представителей заказчика из разных его подразделений. При демонстрации функций системы выяснилось, что половина присутствующих вообще не понимает, что им показывают. Пришлось приостановить демонстрацию и долго ждать, пока руководитель проекта объяснит приглашенным задачи видеоаналитики, как она работает и то, зачем они собрались.

Прежде чем проводить приемо-сдаточные испытания, мы выходим на связь с представителями «железного треугольника» и уточняем, все ли понятно по проекту и все ли готово. Мы предпочитаем заранее убедиться в отсутствии вопросов и неувязок, а не решать их в спешке на этапе сдачи готового проекта.

Источник: tadviser.ru
Автор: Константин Клюев