Видеоаналитика – сложная экосистема на базе логики и математики

Суть материала

Рассмотрим небольшой салон сотовой связи в торговом центре. Даже на одной камере можно реализовать несколько сценариев видеоаналитики. Например, подсчитывать посетителей за день, отличая продавцов в униформе от покупателей. Нейросеть способна определять целевую аудиторию по полу, возрасту и стилю одежды. Также можно выявлять «холодные» и «тёплые» зоны в зале, то есть где перед какой витриной прошло больше или меньше людей.

Среди других сценариев — обнаружение открытых витрин для предупреждения воровства. Система может определить, сколько покупателей были обслужены продавцами, а к скольким никто не подошёл. Кроме того, она подсчитывает, сколько покупателей вошли и вышли, а сколько из вошедших что-то купили.

За работой любой системы видеоаналитики должны стоять люди. Такие системы снижают риск пропустить важное: они не устают, их нельзя подкупить или уговорить. Они призваны разгрузить человека, сняв рутинные операции и оставив конечный контроль. Управленческое решение или решение службы безопасности всё равно принимает человек на основании отчётов видеоаналитики. Важно понимать, что системы на базе видеоаналитики — лишь опытные и экспертные помощники руководителей, позволяющие работать качественнее и с меньшими издержками, но в ближайшем будущем они не заменят человека. Нейросети не самообучаются, а выполняют несколько простых функций: детектирование, классификацию и трекинг объекта, поверх которых накладываются логика и математика. Даже для персонала с простейшими функциями нагрузка значительно снизится, и, возможно, от пары сотрудников можно будет отказаться, но совсем без них не обойтись, так как ни одна информационная система не даёт 100%-ный результат. Хорошим показателем для видеоаналитики считается точность 98–99%.