2020/03/30 20:44:18

Что нужно сделать клиенту, чтобы у него заработала видеоаналитика

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

Содержание

Что такое видеоаналитика

Системы видеонаблюдения давно стали частью повседневной жизни. Их используют в офисах, магазинах, на частной территории – там, где просматриваемая площадь ограничена несколькими помещениями.

Но системы видеонаблюдения нужны и на гораздо более масштабных объектах – заводах, в производственных цехах, муниципальных учреждениях. Здесь задействованы уже не десятки, а сотни камер. Каждая из них транслирует изображение своего участка. Ни один, даже самый внимательный оператор не сможет одновременно следить за всеми видеопотоками.

Примитивная система видеонаблюдения.


А если нужно отсмотреть десятки и сотни часов видеозаписей, чтобы найти нужный фрагмент? В некоторых случаях проблемы решаются установкой камеры, срабатывающей на движение. Но бывают ситуации, когда запись должна быть непрерывной. Например, после теракта в Лондонской подземке для того, чтобы найти преступников, были задействованы не только сотрудники полиции, но и военнослужащие, и просто сотни волонтёров, которые отсматривали бесконечные записи с потоками людей в метро.

Реклама
Ультралегкие Fujitsu LIFEBOOK для вашего бизнеса

Производительные устройства с высокой степенью защиты данных для комфортной работы как в офисе, так и дома. Ваше рабочее место всегда с вами вместе с мобильными Fujitsu LIFEBOOK

Узнать больше

Решить такую задачу, не задействуя человеческие ресурсы, может «интеллектуальное видеонаблюдение» – IVS (Intelligent Video Surveillance). Особенность IVS-систем в том, что они действуют по заданному сценарию. Например, реагируют на присутствие в кадре неопознанного предмета или, наоборот, подают сигнал при исчезновении объекта из кадра.

Однако возможности таких систем крайне ограничены. Комбинировать функции в них почти невозможно – для этого нужны очень сложные алгоритмы.

Видеоаналитика – это усовершенствованная версия IVS-систем. Она способна реагировать на неограниченное количество сценариев и даже комбинировать функции. Для примера можно взять самый простой сценарий, связанный с контролем ношения средств защиты. Скажем, нужно проконтролировать, носят ли сотрудники каски. Для этого используется нейросеть с машинным обучением, реагирующая на сочетание двух объектов – «человек» + «каска». Причем каска должна быть надета – если она будет лежать рядом, нейросеть выделит нарушителя на экране монитора и подаст сигнал тревоги.


Видеоаналитика распознаёт человека без каски.

Более сложные сценарии видеоаналитики способны распознать целый комплекс объектов. Они могут различать цвет и модель машины, сигналы светофора, определять внешние черты прохожих и даже отслеживать скорость и направление их движения. Такие системы применяются, например, в интеллектуальных транспортных системах (ИТС) для решений умного и безопасного города.

Пример работы комплексной системы видеоаналитики.

Видеоаналитика: возможности и недостатки

Видеоаналитика – очень умная система, которая может безошибочно контролировать множество параметров одновременно. Это позволяет использовать нейронные сети даже в сфере опасного производства, где ношение средств индивидуальной защиты в прямом смысле является вопросом жизни и смерти. Ниже – примеры работы системы CenterVision, одной из главных разработок «Центр 2М». Аналитика контролирует целый ряд параметров: надеты ли перчатки (Gloves_ON) и каска (Helmet_ON), используются ли карабины (Carabiner_ON), какая спецодежда на рабочем (Type of uniform № 1). На снимке видно, что один из карабинов не пристёгнут, поэтому система выдаёт предупреждение Carabiner Empty в красной рамке.

Комплексный контроль соблюдения правил техники безопасности (источник: «Центр 2М»).


Словом, кажется, что видеоаналитика – как Большой Брат: следит за всеми и все контролирует. Но это не совсем так: способности системы не безграничны.

Нейросеть похожа на ребенка, который изучает мир с чистого листа. Она буквально с нуля создает связи на основе внешних данных и учится определять: это мужчина, это женщина, а это собака. Алгоритму не под силу выявить неочевидные связи, например понять, что мужчина и женщина находятся в браке, а собаку им подарил сосед. Удивительно, но иногда клиенты ждут от видеоаналитики выводов именно такого уровня.

Другой пример: лесное хозяйство с дронов наблюдает за лесным массивом, где пасутся лоси. Системе нужно подсчитать, какое количество животных гуляет по пастбищу. Но отличить лося от дерева с такой высоты и с таким качеством съемки не сможет ни человек, ни нейросеть.

Сколько лосей в лесу? (источник: habr.com)

Нейросеть – что это вообще такое

Когда кто-то описывает систему на базе искусственного интеллекта, он на самом деле описывает именно нейросеть. Нейросеть – обучаемый алгоритм. Подавая какое-то изображение на входе, учитель моделирует сигнал на выходе, повторяя этот цикл для многих изображений. После этого нейросеть, на вход которой подано новое изображение с изученным объектом, может распознать его самостоятельно.

Например, если человек будет не в каске, а в бейсболке, то ответ системы видеоаналитики с хорошо обученной «на каску» нейросетью будет «каски нет». Ответа «это не каска, а бейсболка» система видеоаналитики, в отличие от человека, дать не сможет. Клиент, обращающийся к разработчику за технологичным решением, должен хорошо это понимать. Не стоит ожидать, что на выходе вы получите могучий интеллект, равный человеческому или даже его превосходящий. Результатом будет всего лишь очень умная и четко работающая программа.

Как заказчику подготовиться к проекту

Универсальных систем видеоаналитики – таких, чтобы можно было «немного подкрутить» и с одинаковым успехом использовать и в цеху, и в метро, не существует. Каждое решение создается для конкретной задачи, описанной и структурированной максимально подробно. Только так можно получить безошибочную и качественную реакцию нейросети.

Описание и структурирование задачи – совместная работа клиента и разработчика. Нельзя просто взять и за одну получасовую встречу объяснить «на пальцах» проблему, а потом спокойно ждать результата. Рассказываем, какой именно вклад в создание алгоритма должен внести заказчик.

1. Описание бизнес-процесса

Аз и буки любой подготовки – составление подробного описания процесса, целей и путей, которыми эти цели будут достигаться. Нередко на этом этапе все и заканчивается: формулируя проблему, заказчик осознает, что видеоаналитика не решит его задач, корень проблем лежит совсем в другой области.

Подробное, детальное описание бизнес-процессов – задача для бизнес-аналитика. Пренебречь этой работой – выкинуть деньги на ветер. Поэтому от души советуем не экономить и привлекать к помощи профессионала. Если в штате нет компетентного сотрудника, эту часть работы можно поручить аналитикам «Центр 2М».

Каждое предприятие можно рассматривать как целостную структуру взаимодействующих объектов, субъектов и функций. Взаимодействия, в результате которых происходит преобразование исходного материала в целевой, – это процессы. Вся структура в целом – архитектура процессов.

Подход к разработке техзадания для системы видеоаналитики для нового бизнес-процесса.


Например, вот так может выглядеть схема существующего процесса, к которой, конечно, нужно добавить подробное текстовое описание операций.

Предположим, что-то пошло не так на этапе контроля качества. Из-за этого предприятие иногда отгружает некачественные изделия, немало огорчая этим клиентов.

Пример описания технологического процесса.


Заказчик решает внедрить систему видеоаналитики для повышения контроля качества. Чтобы разработчик решения правильно спроектировал и настроил систему, нужно подробное описание этапа контроля качества в общем процессе. Нужно знать:

  • какие критерии используются для оценки качества изделия,
  • что именно нужно контролировать,
  • какие действия выполняет контролёр,
  • как располагаются детали в процессе контроля,
  • какие сигналы требуются для управления роботом-сортировщиком, который заменит сотрудника.

Контроль качества при помощи видеоаналитики.


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

2. Создание команды проекта

Другой пример. Сервисная компания не может справиться с проблемой загруженности офисов. Пока в одних отделениях образуются очереди, в других скучают сотрудники.

Процесс контроля загруженности при этом выглядит так. Специальный сотрудник раз в неделю просматривает видеоархив, считает людей в очереди, замеряет время обслуживания каждого клиента и заносит данные в Excel. На основе данных выстраивается диаграмма загруженности. Отталкиваясь от диаграммы, администрация принимает решения о сокращении или расширении штата, проектировке помещений и оптимизации работы сотрудников.

Такой подход отнимает много времени и сил. Заказчик надеется решить проблему с помощью видеоаналитики. Но, поскольку речь идет не об отдельном процессе, а о целом комплексе, в котором задействовано большое количество людей, проекту нужна команда.

Команда – это так называемый «железный треугольник»: руководитель, эксперт и аналитик.

1. Руководитель – обладает полным видением ситуации и отвечает за коммуникацию команды и разработчиков. Он ставит задачи участникам проекта, контролирует их выполнение и определяет приоритеты. Если у команды не будет руководителя или его роль будет «размыта» между многими сотрудниками, то на выходе получится известная ситуация:

Что мы рискуем получить, если у клиента нет руководителя проекта.


2. Эксперт – сотрудник, детально разбирающийся в проблемном процессе. В нашем случае это, скорее всего, сотрудник, отсматривавший записи архива. Задача эксперта – объяснить, что и как работает и какие нештатные ситуации могут поджидать заказчика и разработчика.

3. Аналитик бизнес-процессов (см. выше) – это эксперт, способный детально описать бизнес-процесс заказчика, рассчитать расходы и соотнести их с возможной выгодой, полученной от внедрения технологии.


Можно ли вместо трех участников «железного треугольника» поручить все одному герою? В общем, можно, но опыт реализации проектов «Центр 2М» показывает, что так лучше не делать. Все три роли требуют разных компетенций. Руководитель проекта – это, как правило, управленец. Эксперт – узкий специалист с опытом работы. Аналитик – эксперт со специальными компетенциями и знаниями, необходимыми для предварительного анализа.

«Железный треугольник» клиента для проекта по видеоаналитике.


После того как такой «треугольник» на стороне клиента сформирован, можно приступать к формулированию целей проекта.

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.

4. Документы и итоги подготовки

В результате подготовки клиент и поставщик составляют два важных документа: «Техническое задание для проекта» (ТЗ) и «Программу и методику испытаний» (ПМИ). В ТЗ описаны все необходимые параметры, определены цели, этапы реализации, составлен адекватный план-график проекта и установлены показатели для контроля в промежуточных точках. В ПМИ детально описано, что и как нужно проверять на приёмо-сдаточных испытаниях (ПСИ), какие использовать метрики и в каких пределах должны находиться показатели этих метрик при ПСИ.

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

Как реализовать проект

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, задаёт 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. Это выделение, например, красной рамкой области вокруг головы или тела человека при отсутствии на нём защитного шлема или зелёной рамкой – при его наличии. При этом может обрабатываться несколько тысяч образцовых изображений. Часто от заказчика требуется оперативный 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.

Часто бывает так, что процесс обучения нейросети затрудняется внутренними нестыковками у заказчика. Например, 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 пару недель удалось связаться с руководителем проекта, выяснилось, что искомая видеокамера принадлежит службе безопасности. Её сотрудники не знали, что на предприятии ведутся какие-то проекты по видеоаналитике. Ещё неделя ушла на согласование доступа к изображению с этой камеры – в результате разработчики потеряли целых три недели на согласование, получение данных и бумажную волокиту.

Итоги работы

Если проект организован правильно: заказчик сформировал «железный треугольник», поддерживает контакт с исполнителем и обеспечивает информационную поддержку внутри организации – на выходе должна получиться работающая система, отвечающая требованиям ТЗ, которая точно в соответствии с ПМИ успешно прошла все этапы ПСИ. Иначе говоря, заказчик получит именно то, что хотел.

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 приглашённым, зачем они собрались.

Перед проведением приёмо-сдаточных испытаний мы обычно связываемся с ключевыми участниками проекта и уточняем, всё ли готово и всё ли понятно. Лучше заранее убедиться в отсутствии вопросов и неувязок, чем решать их на этапе сдачи готового проекта.

***

Таким образом, подытоживая сказанное, отметим, что для того, чтобы у заказчика успешно заработал проект по видеоаналитике, необходимо активное взаимодействие команд обоих участников проекта.

Со стороны заказчика желательно иметь выделенного руководителя проекта (РП), который будет единой точкой входа для исполнителя (поставщика), будет координировать работы по проекту на стороне заказчика, решать организационные вопросы, и коммуницировать с разработчиками на стороне исполнителя. Он должен хорошо себе представлять цели и задачи проекта, а также те функции, которые требуются от системы видеоаналитики на его предприятии. Желательно также на время проекта не задействовать его в других проектах.

Его помощниками должны быть бизнес-аналитик, который обладает детальным знанием бизнес-процессов в компании (в отсутствии такого специалиста в штате, его может командировать «Центр 2М»), а также эксперт, который обладает знанием технологии автоматизируемого с помощью видеоаналитики процесса, может оценить эффект этой работы и дать рекомендации по улучшению.

На основе описания бизнес-процесса, нужно составить подробное Техническое задание (ТЗ) на разрабатываемую исполнителем систему видеоаналитики, а также Программу и методику испытаний (ПМИ) этой системы на приёмосдаточных испытаниях.

Наличие этих документов очень важно для того, чтобы при внедрении были чётко прописаны цели проекта и функционал системы, то есть, что именно надо проконтролировать на ПСИ, как демонстрировать результат работы системы заказчику.

Такой системный подход обеспечит отсутствие организационных проблем, нестыковок, непредвиденных задержек и прочих неприятных и неприемлемых моментов, а также то, что полученная система будет точно соответствовать требованиям заказчика.

Технологии идут вперёд, и постепенно разрабатываются решения по универсализации решений видеоаналитики. Часто бывает так, что для одной задачи применяется одно программное обеспечение, для решения другой задачи – другое. Поэтому компании «Центр 2М» и IBM приступили к работе по созданию комплексного решения видеоаналитики, которое позволит в рамках единой платформы решать множество задач с возможностью использования и других решений, в частности BI.

Смотрите также