Videonadzorni sistemi že dolgo ne trpijo zaradi pomanjkanja posnetkov. Težava je vse pogosteje v tem, kako med ogromnimi količinami videopodatkov pravočasno najti pomemben dogodek. Umetna inteligenca to spreminja. Synology DVA7400 kaže, kako lahko podjetja nadgradijo obstoječi videonadzor, pridobijo uporabnejše informacije in ohranijo nadzor nad svojimi podatki.
Predstavljajte si logistični center z več deset kamerami. Pri razkladanju je prišlo do poškodbe pošiljke, vendar nihče ne ve natančno, kdaj se je zgodila. Znano je le, katero vozilo je pripeljalo blago in približno v katerem delu dneva.
V običajnem videonadzornem sistemu to pomeni pregledovanje posnetkov, premikanje po časovnici in primerjanje dogajanja na različnih kamerah. Naloga, ki lahko zaposlenemu vzame precej časa.
Kaj pa, če bi lahko sistemu preprosto opisali, kaj iščemo? Na primer tovornjak določene barve na nakladalni rampi ali osebo v značilnih oblačilih, ki je vstopila v skladišče.
Prav tu se začenja ena zanimivejših sprememb v videonadzoru. Sistemi ne postajajo samo zmogljivejši pri snemanju in shranjevanju posnetkov. Vse bolj pomagajo tudi razumeti, kaj je na njih.
Od snemanja dogodkov do iskanja informacij
Dolga leta je bil razvoj videonadzora povezan predvsem z izboljševanjem kakovosti slike, večjo ločljivostjo kamer, daljšim časom hrambe in zanesljivejšim delovanjem snemalnih sistemov.
Vse to ostaja pomembno. Toda v večjih organizacijah, kjer je lahko v uporabi več sto kamer, se pojavlja drugačen problem. Posnetkov je toliko, da njihovo pregledovanje postaja samostojna operativna naloga.
Umetna inteligenca lahko pri tem bistveno pomaga.
Synology je z novim sistemom DVA7400 predstavil zmogljivo platformo za videonadzor, ki združuje snemanje, centralno upravljanje in napredno analizo videoposnetkov. Sistem podpira do 100 snemalnih kanalov oziroma IP-kamer, pri čemer je dejanska zmogljivost odvisna od ločljivosti, kodeka in števila sličic na sekundo. Hkrati omogoča do 40 nalog AI-analitike.
Zanimivejše od samih številk pa je, kaj takšna zmogljivost omogoča v praksi.
Ena od pomembnih novosti je semantično iskanje po videoposnetkih oziroma Semantic Video Search. Namesto da bi uporabnik dogodek iskal samo po času in lokaciji kamere, lahko iskanje usmeri z opisom vsebine.
Sistem tako postaja pomočnik pri preiskovanju dogodkov, ne več zgolj arhiv posnetkov.
To ne pomeni, da umetna inteligenca vedno pravilno razume dogajanje ali da lahko nadomesti presojo človeka. Lahko pa bistveno zoži količino gradiva, ki ga mora pregledati operater.
Ko umetna inteligenca opazi dogodek, še preden ga človek

Iskanje po arhivu je samo ena od možnosti. Druga pomembna uporaba umetne inteligence je sprotna analiza dogajanja.
V industrijskem obratu lahko sistem zazna vstop osebe na območje z omejenim dostopom. V logističnem centru lahko pomaga spremljati gibanje vozil. Na parkirišču lahko prepoznava registrske tablice, v trgovskem centru pa šteje obiskovalce.
Takšne funkcije niso zanimive zgolj za varnostno službo.
Podatki o številu obiskovalcev lahko pomagajo pri načrtovanju dela zaposlenih. Analiza prometa vozil lahko prispeva k boljšemu upravljanju dostavnih območij. Samodejna opozorila pa omogočajo, da se operaterji osredotočijo na dogodke, ki zahtevajo njihovo pozornost.
Videonadzor tako lahko preseže svojo tradicionalno varnostno vlogo in postane vir informacij za upravljanje poslovnih procesov.
Seveda ni vsaka analitična funkcija primerna za vsako okolje. Uspešnost je odvisna od položaja kamer, kakovosti slike, osvetlitve, konfiguracije in narave dogodkov, ki jih želimo prepoznavati.
Zato je pri uvajanju umetne inteligence pomembneje najprej določiti, kateri problem želimo rešiti, kot pa izbrati čim več analitičnih funkcij.
Ali je treba zaradi umetne inteligence zamenjati vse kamere?
To je morda eno najzanimivejših vprašanj za podjetja, ki so v videonadzorno infrastrukturo že investirala.
Veliko organizacij ima nameščene kakovostne IP-kamere, ki še vedno dobro opravljajo svojo osnovno nalogo. Njihova omejitev ni nujno kakovost slike, temveč odsotnost naprednejše analitike.
Pri nekaterih sodobnih sistemih se umetna inteligenca izvaja neposredno v kamerah. Synology DVA7400 pa omogoča tudi drugačen pristop: analitična obdelava poteka na osrednjem strežniku.
To pomeni, da lahko podjetje obstoječe združljive kamere vključi v naprednejši analitični sistem, ne da bi moralo zaradi vsake nove funkcionalnosti zamenjati celotno infrastrukturo.
Takšen pristop je posebej zanimiv pri večjih sistemih, kjer bi bila sočasna zamenjava vseh kamer velik finančni in organizacijski projekt.
Podjetje lahko modernizacijo načrtuje postopoma. Najprej uvede analitiko na lokacijah, kjer pričakuje največ koristi, nato pa sistem širi glede na izkušnje in potrebe.
Vendar je treba poudariti, da združljivost kamere z videonadzorno platformo še ne zagotavlja podpore vsem analitičnim funkcijam. Pred uvedbo je zato nujno preveriti tehnične zahteve in delovanje v konkretnem okolju.
Ko je treba upravljati več sto kamer na različnih lokacijah
Zahtevnost videonadzornega sistema ni odvisna samo od števila kamer. Pomembni so tudi njihova geografska razpršenost, razpoložljivost omrežnih povezav, zahteve glede hrambe posnetkov in število ljudi, ki sistem uporabljajo.
Dober primer iz slovenskega okolja je Javno podjetje Ljubljanska parkirišča in tržnice (JP LPT).
Njihov videonadzorni sistem obsega približno 550 do 600 kamer na različnih lokacijah po Ljubljani. Kamere spremljajo parkirišča in drugo javno infrastrukturo, sistem pa temelji na strežnikih Synology NAS in programski opremi Surveillance Station.
Zaradi razpršenosti lokacij, različnih omrežnih povezav in zahtev glede zanesljivosti je bilo treba vzpostaviti arhitekturo, ki omogoča centralizirano upravljanje in hkrati ustrezno porazdelitev snemalne infrastrukture.
Projekt dobro pokaže, da pri večjih videonadzornih sistemih ni odločilna samo zmogljivost posamezne naprave. Enako pomembni so načrtovanje infrastrukture, upravljanje uporabniških pravic, razpoložljivost sistema in možnost njegovega dolgoročnega razvoja.
DVA7400 predstavlja novejšo generacijo zmogljivih sistemov znotraj ekosistema Synology Surveillance Station, ki temu pristopu dodaja še naprednejšo umetno inteligenco.
Pri tem je pomembna razlika: projekt JP LPT je referenca uporabe platforme Synology Surveillance Station, ne referenca uvedbe DVA7400.

Zakaj je pomembno, kje se obdelujejo videopodatki?
Videoposnetki lahko vsebujejo občutljive informacije o zaposlenih, obiskovalcih, poslovnih procesih in varovanih območjih.
Zato pri izbiri videonadzorne infrastrukture ni pomembno samo, kaj sistem omogoča, temveč tudi, kje se podatki hranijo, kdo lahko dostopa do njih in kako poteka njihova obdelava.
DVA7400 omogoča lokalno izvajanje videoanalitike, brez potrebe po pošiljanju posnetkov v zunanjo oblačno storitev za osnovno delovanje teh funkcij.
Za organizacije, ki želijo ohraniti neposreden nadzor nad svojo infrastrukturo in podatki, je to pomembna prednost.
Lokalna obdelava lahko zmanjša odvisnost od zunanjih storitev in olajša določene vidike upravljanja podatkov. Vendar sama po sebi še ne zagotavlja skladnosti z zakonodajo o varstvu osebnih podatkov.
Zlasti pri prepoznavanju obrazov in drugih oblikah analize oseb je treba posebej skrbno preveriti pravno podlago, sorazmernost obdelave, omejitve dostopa in druge zahteve veljavnih predpisov.
Tehnološka možnost še ne pomeni, da je vsaka uporaba tudi pravno ali poslovno upravičena.
Ali je umetna inteligenca v videonadzoru ekonomsko upravičena?
To vprašanje je pri večjih projektih vsaj tako pomembno kot tehnične zmogljivosti.
Pri klasičnem videonadzoru pogosto ocenjujemo stroške kamer, snemalnikov, diskov, licenc in vzdrževanja.
Pri sistemih z umetno inteligenco pa je smiselno razmišljati širše.
Koliko časa zaposleni porabijo za iskanje posnetkov? Kako hitro lahko varnostna služba preveri incident? Koliko ročnega spremljanja je mogoče nadomestiti s samodejnimi opozorili? Ali lahko podatki iz videonadzora pomagajo tudi pri drugih poslovnih odločitvah?
Odgovori so odvisni od posamezne organizacije.
V podjetju z nekaj kamerami in redkimi incidenti napredna AI-platforma morda ne bi bila upravičena naložba. Povsem drugače je lahko v logističnem centru, industrijskem obratu, večjem trgovskem okolju ali organizaciji, ki upravlja številne lokacije.
Pri presoji je treba upoštevati tudi stroške licenc, potrebne kapacitete za shranjevanje, omrežno infrastrukturo in vzdrževanje.
Največjo vrednost imajo praviloma tiste analitične funkcije, ki rešujejo konkreten, ponavljajoč se problem in katerih učinek je mogoče preveriti.
Videonadzor, ki ne samo snema, ampak pomaga razumeti
Umetna inteligenca ne odpravlja potrebe po kakovostnih kamerah, dobri infrastrukturi in usposobljenih operaterjih.
Spreminja pa način, kako lahko organizacije uporabljajo informacije, ki jih videonadzorni sistemi že zbirajo.
Synology DVA7400 je zanimiv prav zato, ker naprednejšo analitiko povezuje z uveljavljeno platformo Surveillance Station, omogoča lokalno obdelavo podatkov in odpira možnosti za postopno nadgradnjo obstoječih sistemov.
Za podjetja to pomeni priložnost, da videonadzor obravnavajo nekoliko drugače. Ne samo kot sistem za dokazovanje, kaj se je zgodilo, temveč tudi kot orodje za hitrejše odzivanje, učinkovitejše upravljanje in boljše razumevanje dogajanja.
Morda zato pri naslednji nadgradnji videonadzora ne bo najpomembnejše vprašanje, koliko novih kamer potrebujemo.
Veliko zanimivejše bo, kaj lahko z obstoječimi kamerami in podatki naredimo bolje.
