Является ли фильтрация ложных тревог на основе искусственного интеллекта началом конца для удаленного мониторинга видеонаблюдения в том виде, в каком мы его знаем?

Разжигаем дискуссию об искусственном интеллекте в системах видеонаблюдения и мониторинга тревог, а также о влиянии этой технологии на необходимость «взаимодействия человека» в процессах безопасности.

Отправить заявку

Несмотря на их появление в Германии в 1940 году, первые камеры видеонаблюдения не появлялись в нашей стране до 1960 года. Тогда, если вас спросили: «Как вы думаете, камера наблюдения (CCTV) когда-нибудь заменит необходимость присутствия сотрудника службы безопасности на рабочем месте? или «Можно ли использовать видеонаблюдение (CCTV) для сокращения часов работы сотрудника службы безопасности на вашем объекте», ответ, скорее всего, был бы «нет».

Идея удаленного наблюдения за камерами видеонаблюдения была чем-то из области научной фантастики, особенно если учесть, что коммутируемый доступ в Интернет еще не был изобретен. Теперь компании и частные лица видят преимущества систем безопасности с дистанционным контролем как части повседневной жизни, будь то видеозвонок для отдельных лиц или полностью контролируемая система безопасности компании. В некоторых ситуациях это приводит к сокращению требований к местным сотрудникам службы безопасности для физического прикрытия объектов.

Роль центра приема тревоги и влияние ИИ

Расширение возможностей подключения позволило создать Центр приема сигналов тревоги (ARC), но что такое ARC? Центр — это обслуживаемая диспетчерская, куда поступают оповещения от клиентских систем на контролируемых ими площадках. Эти оповещения обычно поступают на интерфейсную платформу мониторинга, которая может получать оповещения от нескольких разрозненных систем (систем, которые не обязательно интегрируются друг с другом).

Как правило, для оповещения видеонаблюдения тревога генерируется на месте движением. Затем оповещение отправляется в центр, и оператор отвечает на сигнал тревоги, который показывает изображения до и после движения, снятые на месте, вместе с камерами в режиме реального времени, которые показывают, что происходит сейчас. Изображение тревоги позволяет оператору судить о том, является ли тревога подлинной или ложной, а затем может определить соответствующую эскалацию/действие. Их действия будут следовать заранее определенным критериям управления для определенного типа инцидента.

Одним из самых больших достижений в области видеонаблюдения и удаленного мониторинга за последние годы является разработка искусственного интеллекта (ИИ).

Zaman et al (2018) описали ИИ как «…компьютерную программу[ы], [которая может] «смотреть», «идентифицировать» и «понимать»… клипы автоматически и эффективно используя существующую видеоинфраструктуру». . Короче говоря, ИИ — это технология, которая позволяет машине выполнять задачи, как человеку.

ИИ теперь во многих случаях включает возможности машинного обучения

Эль Нака и Мерфи (2015) объясняют машинное обучение как «…развивающуюся ветвь вычислительных алгоритмов, предназначенных для имитации человеческого интеллекта путем обучения…», в ​​то время как Хенейн и Каплан (2019) определяют ИИ с МО как «способность системы интерпретировать внешние данные». правильно, учиться на таких данных и использовать эти знания для достижения конкретных целей и задач посредством гибкой адаптации».

ИИ с МО позволяет системе автоматически учиться на управлении прошлыми данными без необходимости перепрограммирования. Применительно к центру это может принимать форму обучения системы на полученных изображениях сигналов тревоги и определения того, что является нормальным с камеры, что позволяет ей затем определить, что является ненормальным, например, если сигнал тревоги постоянно поступает в том месте, где находится ветвь, двигаясь по ветру, после того, как машина несколько раз получит это предупреждение и отменит его, он быстро поймет, что не о чем беспокоиться, и проигнорирует событие как ложное. Однако, если на том же изображении появляется человек для съемки, это будет считаться правдой, и сигнал тревоги попадет в диспетчерскую для управления оператором.

В настоящее время существуют компании по удаленному мониторингу, использующие ИИ с МО через стороннее программное обеспечение для фильтрации сигналов тревоги, что означает, что независимо от того, какие предупреждения отправляются из системы видеонаблюдения на месте, когда предупреждение поступает в центр, оно проходит через программное обеспечение для фильтрации сигналов тревоги, и это определяет является ли сигнал тревоги подлинным или ложным до представления оператору.

Снизят ли со временем продвинутый ИИ и фильтрацию тревог потребность в персонале?

Цель использования программного обеспечения для фильтрации аварийных сигналов состоит в том, чтобы уменьшить рабочую нагрузку на их операции мониторинга, позволяя их персоналу управлять меньшим количеством «неприятных» оповещений и больше сосредоточиться на настоящих аварийных сигналах.

Это чрезвычайно полезно, но продолжение этого процесса вызывает несколько вопросов, в том числе:

• Достигнет ли это момента, когда люди, управляющие этим процессом, устареют, а потребность в операторах видеонаблюдения значительно сократится?

• Потребность в людях-операторах уже начала снижаться в некоторых областях?

• Будет ли момент, когда компании нанимают человека только для конкретных задач (например, для проверки аномалий и управления инцидентами в реальном времени), работая без общих отвлекающих факторов?

Чем больше соединений проходит через ИИ, тем лучше он распознает различия между ложными тревогами (например, о дикой природе и листве) и выявленной реальной угрозой безопасности. В настоящее время ИИ не всегда точен на 100%, и ложные тревоги по-прежнему проходят, и/или случайные настоящие тревоги считаются ложными. Однако с каждым годом количество ошибок уменьшается.

Существует аргумент, что оператор должен будет различать человека, который не представляет угрозы, и настоящего нарушителя, однако станет ли ИИ в конечном итоге настолько умным, что он сможет различать нормальное и ненормальное поведение, и эффективно выполнять эту задачу без участия человека?

Это может быть нереально с современными технологиями, однако развитие технологий не замедляется, и ИИ не перестанет учиться. Вполне реально предсказать, что может наступить момент, когда человек вообще не нужен для этой задачи, и система выполнит подтверждение с большой точностью и, возможно, будет точнее, чем если бы задачу выполнял человек.

Помимо ИИ, автоматизация уже используется в индустрии удаленного мониторинга с помощью интерфейсных платформ/программного обеспечения для обработки сигналов тревоги. Некоторые функции могут быть определены заранее, включая, помимо прочего; звуковые предупреждения, выдаваемые системой, обращение к владельцам ключей, привлечение полиции (с введением ECHO), отправка электронных писем с предупреждениями о неисправностях и отчеты также могут отправляться автоматически. Все вышеперечисленное в какой-то момент было ручными задачами.

Тогда возникает вопрос: «Будет ли момент, когда стандарт вашей системы видеонаблюдения на месте не будет иметь значения, если камера имеет относительно хорошее качество для доказательных целей?»

Вопросы, над которыми стоит задуматься цепочке поставок безопасности

ИИ будет существовать в системе, а не в устройстве. Система не делает различий между высококлассной премиальной системой и более дешевой системой. Для камеры не требуется собственная аналитика (включая пересечение линий, обнаружение ИК-датчика или видеодетектор движения). Таким образом, если человек заходит на ваш контролируемый сайт, независимо от того, отправляет ли ваша система три или 3000 ложных тревог за ночь, это будет единственная сработавшая тревога.

Эта технология вызывает несколько вопросов, в том числе:

• Должны ли все удаленно контролируемые системы видеонаблюдения в конечном итоге работать через ИИ?

• Каково было бы воздействие на окружающую среду серверов, используемых для обработки и изучения этой информации, если бы все системы контролировались этим методом?

• Каким вы видите будущее ИИ в удаленном мониторинге?

• Поддерживаем ли мы культуру, в которой сокращение штата является целью снижения накладных расходов (например, розничные магазины с самосканирующими устройствами)?

• Мы собираемся потерять этот индивидуальный подход для автоматизации?

• Будете ли вы даже заботиться о том, чтобы не связываться с кем-либо, если система очень точна и более экономична?

В заключение можно сказать, что люди 1960-х годов не могли представить себе всю пользу от дистанционно контролируемых систем безопасности, которые мы видим сейчас. Преимущества этого подхода заключаются в том, что после первоначальных инвестиций в систему видеонаблюдения и несмотря на то, что система является амортизируемым активом, она по-прежнему естественным образом снижает корпоративные накладные расходы.

Теперь мы задаем людям 2022 года два вопроса, о которых покажет только время…

Снизит ли ИИ в конечном итоге потребность в центрах приема сигналов тревоги?

Достигнем ли мы момента времени, когда о наших службах безопасности позаботится машина?

Отправить заявку