Facial recognition video analytics is evolving. Trends in 2022

A análise de vídeo é um software baseado em inteligência artificial. Ele detecta e reconhece rostos e outros objetos em um fluxo de vídeo e extrai vários tipos de dados desses fluxos. De acordo com MarketsandMarkets [1], o mercado global de análise de vídeo está atualmente avaliado em US$ 5,9 bilhões e deve chegar a US$ 14,9 bilhões até 2026.

Além da segurança

Os sistemas de vigilância por vídeo não são mais considerados apenas como uma ferramenta de segurança. Novos casos de uso incleum a implementação de tecnologias de análise de vídeo em uma casa inteligente, fábrica inteligente, porto inteligente ou cidade inteligente para criar um ambiente confortável e seguro para todos, incluindo pessoas com deficiência.

Por exemplo, se alguém tropeça e cai e fica imóvel na rua, nossos sistemas reconhecem isso e enviam um alerta. Em outro exemplo, as câmeras da cidade coletam dados de tráfego e usam essas informações para identificar possíveis áreas de perigo.

Por exemplo, é possível identificar um determinado local onde os alunos costumam atravessar a rua e, em seguida, implementar limites de velocidade ou ilhas de segurança para reduzir a chance de acidentes. Nesse caso, o reconhecimento facial não é necessário, a detecção de silhuetas é suficiente.

Algoritmos evoluem em produtos

No início da história da visão computacional, os desenvolvedores estavam construindo seus algoritmos de análise de vídeo em ambientes acadêmicos usando dados sintéticos para treinar e, de fato, programar os algoritmos. Isso foi realizado em um vácuo, para avaliar compreensivelmente se a tecnologia funcionou. Como em todas as áreas da computação, percorremos um longo caminho desde então. Hoje, o desenvolvimento de análise de vídeo é focado exclusivamente no uso prático. Por exemplo, as empresas criam algoritmos projetados para resolver desafios da vida real e, em seguida, lançam o software como um produto pronto para uso. Um bom exemplo disso são as caixas de autoatendimento que permitem que os clientes façam pagamentos com base no reconhecimento facial.

Hoje, esses produtos são usados em tudo, desde biometria até reconhecimento de veículos, análise de imagens médicas e muito mais. Até os cientistas pesquisadores hoje usam dados reais para treinar seus algoritmos, com foco no uso prático.

Conceito de produto tudo-em-um

EOs primeiros algoritmos de análise de vídeo foram desenvolvidos e usados isoladamente. O reconhecimento de rostos, carros e resposta a incidentes estavam disponíveis apenas em aplicativos separados. Hoje, no entanto, os desenvolvedores estão combinando vários algoritmos em um pacote completo com análises interconectadas. Isso é para o benefício dos usuários, pois esse efeito sinérgico permite novos casos de uso que antes eram inatingíveis.

Os sistemas de software de hoje normalmente incluem o reconhecimento de rostos, silhuetas, carros e outros objetos. O reconhecimento das ações humanas também está chegando em breve. Os usuários podem gerenciar todos os tipos de «objetos» a partir de uma única interface de usuário e todos os dados do objeto são capturados das mesmas câmeras.Otimização de recursos

Resource optimization

Entre os algoritmos de análise de vídeo, existem muitos que funcionam bem, mas exigem grandes quantidades de recursos de computação. Isso claramente não serve para todos os usuários e, como resultado, a otimização é fundamental. Por exemplo, equipamentos para grandes implantações de análise de vídeo requer investimentos significativos.

Como resultado, os desenvolvedores estão otimizando algoritmos para operação rápida em hardware médio para ajudar os clientes a cortar custos. Quanto menos recursos forem necessários para o algoritmo, mais os clientes podem pagar pela tecnologia de análise de vídeo.

Os requisitos para facilitar a utilização dessas novas plataformas de análise de vídeo também estão crescendo. Isso levou ao desenvolvimento de sistemas que estão quase prontos para serem usados. Os usuários não precisam mais gastar tempo e recursos configurando sistemas, eles podem simplesmente desembalar o produto, pressionar alguns botões e a plataforma está pronta para ser usada.

Prever a agressão hoje é um mito

Embora as principais áreas metropolitanas estejam geralmente se tornando mais seguras para se viver, seja Nova York [2] ou Moscou [3], lembraremos de 2021 por alguns incidentes marcantes de violência armada, tanto nas ruas da cidade quanto dentro dos muros das instituições educacionais.

Dezenas de pessoas foram mortas e feridas em um ataque a uma escola em Kazan e uma universidade em Perm. Isso levou a um aumento significativo no interesse em software que pode detectar armas e comportamento agressivo, bem como software que também pode prever agressão.

Hoje já é possível usar a análise de vídeo para identificar armas e atividades perigosas, como brigas e pessoas caindo na rua. Esperamos que este software funcione em condições reais e com um alto nível de precisão já no próximo ano.

No entanto, a inteligência artificial ainda não pode prever a agressão, pelo menos por análise de vídeo. Esses algoritmos de previsão existem; mas estão em desenvolvimento muito precoce. Eles ainda não são utilizáveis na vida real devido ao grande número de falsos positivos.

Fontes:

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/8 984 151