Сveillance ради блага: почему слежку ведут за нами?
С каждым годом машины все больше приближаются к уровню интеллектуальности человека. До масштабной битвы, подобной войне Десептиконов и Автоботов, еще далеко, но элементы искусственного интеллекта присутствуют практически во всех видах транспорта.
В мире и России обсуждают этичность сбора и хранения биометрических данных, а также защиту частной жизни. В прошлом году москвичка Алёна Попова обратилась в суд с требованием запретить использовать распознавание лиц в системе городского видеонаблюдения.
Ранее в Сан-Франциско власти запретили использование технологии распознавания лиц, ссылаясь на возможность нарушения неприкосновенности частной жизни. В то же время видеоаналитика на основе искусственного интеллекта может помочь эффективно искать преступников в большом городе.
Можно долго обсуждать целесообразность внедрения технологий видеоаналитики в городской ландшафт. Однако уже есть сферы, где всеобщий контроль и обработка видеоинформации — естественный этап технического развития, а также новые возможности для повышения безопасности, уровня комфорта и создания новых отраслей.
По данным Inkwood Research, рынок видеоаналитики увеличится с $3647 млн в 2018 году до $20450 млн к 2027 году при годовом росте 20,61%. Эта аналитика будет распространяться на все сферы деятельности человека и бизнеса, включая производство и эксплуатацию автомобилей как для личного использования, так и для транспортных предприятий.
По оценкам исследователей компании IHS Markit, мировой рынок устройств с распознаванием автомобильных номеров к 2022 году достигнет 800 миллионов долларов США при годовом росте в 16%. Уже сейчас понятно, что распознавание номеров будет лишь первым шагом.
Что такое видеоаналитика?
Видеоаналитика – это технология, применяющая компьютерное зрение для обработки визуальной информации и автоматического анализа событий без вмешательства человека.
Программные модули видеоаналитики могут изменять автомобильный бизнес и культуру вождения. Например, компания Ivideon получает заказы на подсчёт пассажиров в общественном транспорте, контроль рабочего времени водителя, обнаружение постороннего за рулём автомобиля или запуск двигателя по скану лица.
Какие методы анализа видео используются в транспортной отрасли?
1. Распознавание номеров
Первая система, уже применяемая во всем мире, — автоматическое распознавание номерных знаков (ANPR). Её функции направлены не только на борьбу с нарушителями правил дорожного движения, но и на повышение эффективности работы с клиентами торговых центров, автосервисов, автомоек, фитнес-клубов и подобных заведений.
Система распознавания автомобильных номеров способна решать проблему распределения парковочных мест в больших городах. С помощью камер видеонаблюдения система может находить свободные места на стоянке и оповещать об этом водителя или охранника.
Можно дополнительно интегрировать ANPR с системой оплаты, чтобы оплата стоянки автоматически списывалась со счета водителя.
Пример! Камера считывает номер машины и обращается к базе данных номеров. При регистрации автомобиля шлагбаум поднимается. Это ускоряет обслуживание и уменьшает расходы на персонал. В этом случае для контроля проезда и выезда не требуется охранник.
В Москве с сентября 2020 года камеры на дорогах контролируют парковку. При пересечении парковочных мест система фиксирует номер машины и начисляет штраф.
Изображение transport.mos.ru
2. Распознавание лиц и голоса
«Яндекс» активно тестирует авторизацию водителей сервиса «Яндекс.Такси» с помощью технологии, которая использует индивидуальные характеристики: черты лица и голос. Запуск двигателя возможен только после прохождения верификации.
Она не позволит находиться постороннему за рулём такси, повысит безопасность и престиж сервиса для клиента. «Яндекс.Такси» до 2022 года инвестирует 4 млрд рублей в технологии, гарантирующие безопасные поездки в регионах.
Компания Apple поддерживает развитие технологии распознавания лиц своими сервисами. IT-гигант представил возможность использовать устройства Apple в качестве NFC-ключа от автомобиля. Владельцы iPhone или Apple Watch смогут создавать виртуальные ключи для машин и использовать их для открытия и запуска двигателя. Функция, как и Apple Pay, будет работать через верификацию с помощью Face ID или Touch ID. На данный момент автомобилей с поддержкой цифровых ключей Apple нет в продаже.
3. Driver Monitoring Systems
Исследование американской автомобильной ассоциации (ААА) показало, что около 10% аварий на дорогах США происходят из-за усталости водителей. Предполагается, что подобная ситуация наблюдается и в России, а также на мировом рынке.
Для контроля усталости наиболее эффективно могут применяться системы слежения за водителями (DMS). Этот программный модуль фиксирует случаи «нежелательного» или небезопасного поведения водителя во время поездки: от того, что водитель «клевывает носом», до курения, принятия пищи или разговора по телефону за рулём.
4. Помощь при вождении и парковке
Современные автомобили часто оснащаются функциями ADAS (системы помощи при вождении). Эти модули с помощью камер помогают водителям контролировать дорогу и реагировать на происходящее.
Автоматическая парковка — яркий пример системы ADAS. В 2020 году Ford и Bosch в тестовом режиме представили комплект для автоматической парковки машин. С помощью инфраструктуры с датчиками и камерами автомобиль может маневрировать и парковаться без участия водителя.
4. Интеллектуальные транспортные системы
3 августа этого года стало известно, что Челябинск использует дорожные камеры с технологией искусственного интеллекта. Камеры распознают ДТП на семи перекрёстках города и автоматически посылают сигнал медицинским службам, если двери автомобилей после аварии не открываются.
Платные участки федеральных трасс – еще одно применение интеллектуальных транспортных систем (ИТС). Камеры отслеживают движение, оповещают водителей о погодных условиях и изменениях ситуации на дороге.
5. Повышение эффективности общественного транспорта
Интеллектуальные системы наблюдения через камеры предлагают выгоды для пассажиров, перевозчиков и транспортных служб.
Контроль пассажиропотока. Аналитику можно применять для оптимизации функционирования транспорта во время пиковых нагрузок. Система считает количество людей, попадающих в вагон метро или автобус, и подаёт водителю сигнал при заполнении салона максимальным числом пассажиров.
Она позволит транспортным компаниям оптимизировать работу водителей: подскажет, когда нужно увеличить количество выпущенных транспортных средств во время пиковых часов, а когда – убрать с линий не занятый транспорт.
Анализ поведения. Видеоаналитика предсказывает нетипичное или агрессивное поведение людей по заданным параметрам: например, определяет, что пассажир в потоке слишком активно размахивает руками – значит высока вероятность драки. Автоматизация процесса поиска нарушителей порядка помогает службам безопасности быстро реагировать на инциденты.
Московское метро – пример роста цифровизации общественного транспорта. Власти столицы тестируют на некоторых станциях сервис FacePay для оплаты проезда с помощью сканирования лица.
Сложности внедрения видеоаналитики в транспорте
Качество интернет-соединения. Органiзацiя відеоспостереження на транспорті стикається з проблемою нестабільної роботи інтернету. У великих містах та їх околицях покриття надійніше, але на міжміських маршрутах або в невеликих населених пунктах зв’язок часто переривчастий. В таких умовах аналітичний модуль не завжди може надавати водієві поради в режимі реального часу. Ефективним рішенням проблеми є установка пристроїв з аналітикою на борту, що здійснюють періодичну передачу статистики в хмарний сервер.
Цена. Для широкого распространения программных модулей видеоаналитики необходимо снизить стоимость устройств, работающих с ними. С развитием производства доступных миниатюрных материнских плат, например Nvidia Jetson Nano с мощным графическим процессором, данная задача стала осуществимой.
Инфраструктура. Недостаточно развитая инфраструктура во многих странах, прежде всего слабое освещение, ухудшает работу систем видеоаналитики на транспорте. В таких условиях возрастает число ложных срабатываний, нуждающихся в проверке человеком, что снижает доверие к системе.
Прогноз по развитию рынка видеоаналитики
В ближайшие годы дискуссии о нравственных аспектах применения ИИ в городской среде сохранятся. История свидетельствует о том, что технический прогресс невозможно остановить полностью. Другой вопрос — в каких сферах применяются эти технологии. Рынок автомобильной промышленности иллюстрирует, что в умелых руках инструмент может стать серьезной опорой для перехода всего сектора на качественно новый уровень безопасности, комфорта и восприятия пользователем.
Развитие видеоаналитики предполагает улучшение инфраструктуры, а именно увеличение числа установленных камер. Аналитики компании Market Research Future предсказывают, что объём мирового рынка видеонаблюдения на транспорте в 2023 году достигнет $29,85 млрд при среднем годовом росте в 26%.
Согласно данным компании MarketsandMarkets, рост рынка видеоаналитики сегодня стимулируют следующие факторы:
Государство уделяет приоритет обеспечению общественного порядка.
Новые области использования: соблюдение безопасной дистанции и точное отслеживание контактов, предсказание или определение скоплений людей, контроль за рабочим временем, выявление правонарушений.
Повсюду увеличивается количество проектов по строительству умных городов.
Облачные технологии позволяют уменьшить затраты на содержание информационной системы.
Увеличение спроса из быстроразвивающихся государств, таких как Китай и Индия.
Рынок видеоаналитики в 2020 году продолжает развиваться, остаётся разнообразным и не перенасыщенным. Несмотря на трудности внедрения и распространения технологии, она становится всё более доступной и применима для решения задач не только в транспортной сфере, но и в других областях.
Виталий Виноградов, специалист по продукции Ivideon.
Похожие статьи
