Analisis video adalah perangkat lunak berbasis kecerdasan buatan. Sistem mendeteksi dan mengenali wajah dan objek lain dalam streaming video dan mengekstrak berbagai jenis data dari streaming tersebut. Pasar analisis video global saat ini bernilai USD5,9 miliar dan diperkirakan akan mencapai USD14,9 miliar pada tahun 2026, menurut MarketsandMarkets [1].
Keamanan tingkat tinggi
Sistem pengawasan video tidak lagi dianggap hanya sebagai alat keamanan. Aplikasi penggunaan baru melibatkan penyematan teknologi analisis video ke konsep rumah pintar, pabrik pintar, pelabuhan pintar, atau kota pintar untuk menciptakan lingkungan yang aman dan nyaman bagi semua orang, termasuk penyandang disabilitas.
Misalnya, jika seseorang tersandung dan terjatuh, dan kemudian terbaring pingsan di jalan, sistem kami dapat mengenali insiden ini dan mengirimkan peringatan. Sebagai contoh lain, kamera kota mengumpulkan data lalu lintas dan menggunakan informasi ini untuk mengidentifikasi area yang berpotensi membahayakan.
Contohnya, Anda dapat mengidentifikasi titik di mana anak-anak sekolah sering menyeberang jalan di lokasi tertentu, dan kemudian memasang rambu penghalang atau zebra cross pengaman untuk mengurangi potensi kecelakaan. Dalam hal ini, sistem pengenalan wajah tidak diperlukan, melainkan deteksi siluet sudah cukup.
Algoritme yang dikembangkan menjadi produk
Pada masa awal penciptaan teknologi penginderaan komputer, developer membangun algoritme analitik video di lingkungan akademik menggunakan data sintetis untuk melatih dan memprogram algoritme. Hal ini dilakukan dalam ruang hampa udara, untuk menilai apakah teknologi itu berhasil. Sebagaimana bidang komputasi lainnya, kami telah menempuh perjalanan panjang sejak saat itu. Saat ini, pengembangan analisis video murni difokuskan pada penggunaan praktis. Misalnya, perusahaan membuat algoritme yang dirancang untuk memecahkan berbagai tantangan dalam kehidupan nyata dan kemudian merilis perangkat lunak sebagai produk siap pakai. Contoh penerapannya adalah pada mesin checkout mandiri yang memungkinkan pelanggan melakukan pembayaran berdasarkan pengenalan wajah.
Saat ini produk tersebut ada di mana-mana, mulai dari biometrik hingga pengenalan kendaraan, analisis citra medis, dan banyak lagi. Bahkan peneliti akademis saat ini menggunakan data aktual untuk melatih algoritme, dengan berfokus pada penggunaan praktis.
Konsep produk all-in-one
Algoritme analisis video pada awalnya dikembangkan dan digunakan secara terpisah. Pengenalan wajah, mobil, dan respons terhadap insiden hanya tersedia dalam aplikasi terpisah. Namun saat ini, developer menggabungkan beberapa algoritme ke dalam paket all-in-one yang dilengkapi dengan analisis. Hal ini memudahkan pengguna karena efek yang sinergis membuka peluang aplikasi penggunaan baru yang sebelumnya tidak dapat dicapai.
Paket perangkat lunak saat ini biasanya mencakup pengenalan wajah, siluet, mobil, dan objek lainnya. Fungsi pengenalan untuk tindakan manusia juga akan segera hadir. Pengguna dapat mengelola semua jenis ‘objek’ dari satu antarmuka pengguna, dan semua data objek diambil menggunakan satu kamera.
Pengoptimalan sumber daya
Di antara algoritme analisis video, ada banyak yang berfungsi dengan baik tetapi membutuhkan sumber daya komputasi dalam jumlah besar. Ini jelas tidak cocok untuk semua pengguna dan oleh karena itu, pengoptimalan sangat penting dilakukan. Contohnya, perangkat keras untuk penyebaran analisis video skala besar memerlukan investasi yang signifikan.
Sehingga, developer mengoptimalkan algoritme untuk dapat beroperasi dengan cepat pada perangkat keras biasa agar pelanggan dapat menghemat biaya. Semakin sedikit sumber daya yang diperlukan suatu algoritme, semakin banyak pelanggan yang mampu membeli teknologi analisis video tersebut.
Persyaratan untuk menggunakan platform analisis video baru ini juga makin mudah. Hal ini menyebabkan pengembangan sistem yang nyaris siap pakai. Pengguna tidak perlu lagi menghabiskan waktu dan sumber daya untuk mengonfigurasi sistem, mereka cukup membuka kemasan produk, menekan beberapa tombol, mengaktifkan platform dan dapat langsung menggunakannya.
Prediksi serangan saat ini masih menjadi mitos
Wilayah metropolitan besar umumnya menjadi lebih aman sebagai tempat tinggal, baik di New York [2] atau Moskow [3], kita ingat pada tahun 2021 terjadi beberapa insiden kekerasan bersenjata yang menggemparkan dunia, baik di jalanan kota maupun di dalam lembaga pendidikan.
Puluhan orang tewas dan terluka dalam serangan terhadap sebuah sekolah di Kazan dan sebuah universitas di Perm. Hal ini membuat perangkat lunak yang dapat mendeteksi senjata dan perilaku agresif makin banyak dilirik, serta perangkat lunak yang juga dapat memprediksi kemungkinan serangan.
Saat ini kita bisa menggunakan analisis video untuk mengidentifikasi senjata dan tindakan membahayakan, seperti perkelahian dan orang-orang yang tumbang di jalan. Kami berharap perangkat lunak ini dapat beroperasi dalam konteks dunia nyata, dan dengan tingkat akurasi yang tinggi, pada awal tahun depan.
Namun, kecerdasan buatan belum dapat memprediksi niat penyerangan, setidaknya dengan analisis video. Algoritme prediktif semacam itu memang ada; namun masih dalam tahap pengembangan awal. Saat ini belum dapat digunakan dalam kehidupan nyata karena masih banyak hasil positif palsu.
Sumber:
1) www.marketsandmarkets.com/Market-Reports/intelligent-video-analytics-market-778.html
2) www.nytimes.com/2021/03/16/upshot/murder-rate-usa.html
3) www.tass.ru/obschestvo/8984151