Inversiones en videovigilancia preparadas para el futuro con analíticas en el extremo.

Probablemente haya oído hablar de «analíticas en el extremo» (o «análisis distribuidas en el extremo») en relación con la videovigilancia. En su forma más simple, se relaciona con análisis de video cada vez más poderosos que tienen lugar en el «extremo» de la red, es decir, en la propia cámara. La publicación reciente de mi colega Andres Vigren ofrece una excelente introducción.

Al igual que con cualquier nueva tecnología que ofrece un potencial significativo, la industria se ha aferrado con entusiasmo al término. Y no es ninguna sorpresa cuando se consideran algunos de los beneficios inmediatos de la analítica en el extremo frente a la basada en el servidor.

Las analíticas que tienen lugar dentro de la cámara, en el extremo de la red, significa que solo los datos valiosos deben transferirse al operador. Por el contrario, los analíticos que tienen lugar en el servidor requieren que todos los datos de la cámara se transfieran al centro de datos para su análisis, y con ello surge una necesidad mucho mayor de un costoso ancho de banda. En segundo lugar, analizar el video dentro de la cámara y lo más cerca posible de su captura significa que las imágenes que se revisan son de la más alta calidad posible: no hay degradación que pueda ocurrir al comprimir imágenes antes de la transferencia (lo que a menudo se hace para reducir el problema anterior, irónicamente).

Pero con la adopción de nueva terminología tecnológica viene el peligro: las palabras de moda tienen una tendencia a usarse en exceso y, a menudo, mal, lo que lleva a una comprensión limitada o inexacta. Hasta cierto punto, este es el caso de la analítica perimetral. No necesariamente una comprensión inexacta, pero ciertamente limitada.

Las palabras de moda también pueden convertirse rápidamente en exageraciones, y eso también es peligroso. Las personas desconfían de cualquier cosa que sientan que se está promocionando en exceso y que puede afectar la adopción de nuevas tecnologías valiosas.

Sin embargo, a riesgo de ser acusado de aumentar la exageración, estoy convencido de que la analítica en el extremo será transformadora, pero por razones que van más allá de muchos de los casos de uso de los que se habla actualmente. También creo que incluso para aquellas empresas que hoy en día no pueden ver una razón convincente para considerar invertir en cámaras de videovigilancia equipadas con análisis de borde, dar el paso antes será esencial para inversiones a prueba de futuro.

 

Comprensión actual de la analítica perimetral frente al potencial del mañana

El reconocimiento de objetos mucho más preciso es fundamental para la analítica en el extremo basado en el aprendizaje profundo. Uno de los problemas en la gestión de tráfico de la analítica tradicional es el número de falsas alarmas; por ejemplo, cámaras que confunden charcos o sombras con vehículos parados en carreteras y crean alertas.

La mayor precisión en la analítica en el extremo reduce esto significativamente, pero va mucho más allá. Las analíticas distribuidas en el extremo traen consigo la capacidad de distinguir entre diferentes tipos de objetos.

Si bien aplicaciones como esta son obviamente beneficiosas, solo están a la superficie del potencial de las analíticas distribuidas en el extremo. Los casos de uso de hoy en día todavía se centran en gran medida en lo que llamamos «análisis de escenas», es decir, visualización en vivo de una escena específica, analizar lo que está sucediendo y responder con alertas o acciones activadas automáticamente (por ejemplo, advertencias de señales de tráfico y controles de tráfico).

Sin embargo, mirando hacia el futuro, el potencial proviene de lo que la analítica distribuida en el extremo está haciendo con las imágenes de videovigilancia, tanto como las imágenes en sí.

 

Abstracción de datos en videovigilancia

En definitiva, se trata de una cuestión de datos (parece que muchos lo son en estos días …).

Incluso aquellos que están fuera de nuestra industria están familiarizados con el paradigma tradicional de la videovigilancia (por lo menos, aparece regularmente en películas y programas de televisión). Video en vivo y / o grabado de cámaras de vigilancia que es revisado por operadores humanos. A veces congelan el encuadre o hacen zoom para obtener una mejor vista. Pero siempre están revisando la información visual.

Las computadoras no tienen ojos, por supuesto. Por lo tanto, para que las máquinas revisen y analicen la información de video (ya sea en el extremo de la cámara o en un servidor), es necesario convertirla en datos. Es una historia de abstracción de datos, que se relaciona con la reducción de un cuerpo de datos a una representación simplificada del todo. Una cámara de vigilancia equipada con análisis de vanguardia no reconoce un automóvil de la misma manera que nosotros, sino que comprende las características esenciales de un automóvil como datos.

Y el análisis de borde no solo convierte la información de video en datos (que es lo que se usa principalmente en el análisis de escenas), sino que también crea metadatos.

Los metadatos son, esencialmente, datos sobre los datos (tengan paciencia conmigo). Si eso suena confuso, aquí hay un ejemplo que puede probar mientras lee esto. Toma tu teléfono móvil y abre una fotografía que hayas tomado. De la misma manera que los análisis de borde, reconocerá objetos en la imagen misma: una casa, un automóvil ecológico, una persona.

Pero la imagen también contendrá metadatos (puede encontrarlos haciendo clic en un icono en la parte superior derecha de la imagen, pero los diferentes teléfonos pueden variar). Dependiendo de su configuración, los metadatos pueden indicarle la hora y la fecha en que se tomó la foto, la ubicación, la velocidad de obturación de la cámara y mucho más.

Al utilizar tanto datos como metadatos, la eficiencia en el análisis de grandes cantidades de información aumenta exponencialmente. Ampliando nuestro sencillo ejemplo, no sé ustedes, pero tengo literalmente miles de fotografías en mi teléfono móvil, y encontrar una específica puede ser un verdadero dolor de cabeza. Pero si pudiera buscar una fotografía que incluyera un barco azul, tomada en Grecia, durante la tarde, probablemente encontraría esa foto de vacaciones mucho más rápido.

 

Descubriendo lo que no sabe que no sabe

La combinación de datos y metadatos creados por el análisis perimetral puede ser de gran utilidad para ayudar a analizar enormes cantidades de información recopilada a lo largo del tiempo. Esto ayudará a las organizaciones a obtener información sobre áreas de interés, lo que podríamos denominar «lo que saben que no saben».

Por ejemplo (y simplemente), ¿cuántas veces los coches han bloqueado los carriles para autobuses en el último mes?  o ¿cuál es el número medio de personas que entran en esta estación de metro entre las 7:00 a. m. y las 9:00 a. m. en una mañana de lunes a viernes? No conocen la respuesta, pero saben lo que buscan.

Si bien esta capacidad hace avanzar los beneficios de la analítica perimetral una vez más, posiblemente el mayor valor vendrá a través de las «incógnitas desconocidas», cuando la analítica comience a brindar información sobre lo que no sabía que no sabía.

Las máquinas, y en particular las máquinas cada vez más inteligentes que utilizan el aprendizaje profundo, son increíblemente buenas para reconocer patrones y resaltar anomalías en ellos. El Cuantos más datos tienen que analizar, más precisas se vuelven sus predicciones, lo que lleva a un tratamiento más rápido y preciso del problema (literalmente en campos como la medicina).

Aquí es donde reside el verdadero potencial de la analítica distribuida en el extremo en la videovigilancia; el análisis a lo largo del tiempo de grandes cantidades de datos, lo que lleva a la identificación de patrones y sus anomalías, y permite mejoras aún imprevistas en seguridad, protección, prestación y eficiencia de servicios, optimización de procesos… la lista continúa. Las incógnitas desconocidas.

 

Las oportunidades para los primeros en adoptar

Algo de esto puede parecer ciencia ficción. Analíticas distribuidas en el extremo está en sus inicios y existe la tentación de esperar para ver cómo se desarrollan las cosas. Pero como se describió anteriormente, es posible que todo (o incluso la mayor parte) del valor de la analítica perimetral no se realice de inmediato, pero definitivamente surgirá con el tiempo.

En cierto modo, los beneficios potenciales para cualquier organización de la analítica perimetral en sí son un «desconocido» en este momento. Pero lo que sí sé es que, a menos que una organización comience a utilizar el análisis perimetral, nunca se darán cuenta de los beneficios. Es hora de sumergir un dedo del pie en el agua.

 

Obtenga más información sobre la inteligencia artificial en el extremo y las oportunidades para la videovigilancia.

Inteligencia Artificial al extremo