การวิเคราะห์วิดีโอเป็นซอฟต์แวร์ที่ทำงานบนพื้นฐานของปัญญาประดิษฐ์ ใช้ตรวจจับ จดจำใบหน้า และวัตถุอื่น ๆ จากการสตรีมมิ่งวิดีโอ และดึงข้อมูลประเภทต่าง ๆ จากการสตรีมมิ่ง และตลาดการวิเคราะห์วีดีโอทั่วโลกมีมูลค่า 5.9 พันล้านดอลลาร์ และคาดว่าจะมีมูลค่าสูงถึง 14.9 พันล้านดอลลาร์ภายในปี พ.ศ. 2569 ตามข้อมูลของ MarketsandMarkets [1]
มากกว่าความปลอดภัย
ระบบเฝ้าระวังวิดีโอไม่ได้เป็นเพียงเครื่องมือเพื่อรักษาความปลอดภัยอีกต่อไป การใช้งาน ใหม่เกี่ยวข้องกับการฝังเทคโนโลยีการวิเคราะห์วิดีโอเข้าไปในระบบบ้านอัจฉริยะ โรงงานอัจฉริยะ ท่าเรืออัจฉริยะ หรือเมืองอัจฉริยะ เพื่อสร้างสภาพแวดล้อมที่สะดวกสบาย และปลอดภัยสำหรับทุกคน รวมถึงผู้พิการ
ตัวอย่างเช่น หากมีคนสะดุดล้มแล้วนอนนิ่งอยู่บนถนน ระบบของเราจะรับรู้ และส่งการแจ้งเตือนออกไป อีกตัวอย่างหนึ่ง คือ กล้องที่ติดตั้งอยู่ในเมืองจะรวบรวมข้อมูลการจราจร และใช้ข้อมูลนี้เพื่อระบุพื้นที่อันตรายที่อาจเกิดขึ้น
ตัวอย่างเช่น คุณสามารถระบุสถานที่ซึ่งเด็กนักเรียนมักจะข้ามถนน แล้วแนะนำให้สร้างลูกระนาดเพื่อลดความเร็ว หรือเกาะกลางถนนที่ปลอดภัยเพื่อลดโอกาสในการเกิดอุบัติเหตุได้ ในกรณีนี้ ไม่จำเป็นจะต้องทำการจดจำใบหน้าแค่ทำการตรวจจับภาพเงาก็เพียงพอแล้ว
อัลกอริธึมถูกพัฒนากลายมาเป็นผลิตภัณฑ์
ในช่วงต้นของประวัติศาสตร์คอมพิวเตอร์วิทัศน์ นักพัฒนาได้สร้างอัลกอริธึมการวิเคราะห์วิดีโอขึ้นมาในสภาพแวดล้อมทางวิชาการโดยใช้ข้อมูลสังเคราะห์เพื่อสอน และติดตั้งอัลกอริธึมของโปรแกรมที่จำเป็น โดยได้สร้างอัลกอริธึมขึ้นในสุญญากาศเพื่อประเมินด้วยความเข้าใจว่าเทคโนโลยีนี้สารมารถใช้งานได้หรือไม่ แล้วเราก็ได้มีการพัฒนาด้านคอมพิวเตอร์มาไกลตั้งแต่นั้นเป็นต้นมา ทุกวันนี้ การพัฒนาด้านการวิเคราะห์วิดีโอได้มุ่งเน้นไปที่การใช้งานได้จริงเท่านั้น ตัวอย่างเช่น บริษัทต่าง ๆ ได้สร้างอัลกอริธึมที่ออกแบบมาเพื่อแก้ไขอุปสรรคต่าง ๆ ในชีวิตจริงก่อนแล้วจึงค่อยเผยแพร่ซอฟต์แวร์ออกไปเป็นผลิตภัณฑ์ที่พร้อมสำหรับใช้งาน อีกหนึ่งตัวอย่าง คือ การชำระเงินแบบบริการตนเองซึ่งช่วยให้ลูกค้าสามารถชำระเงินได้ด้วยการจดจำใบหน้าได้
ปัจจุบัน การผลิตภัณฑ์นี้มีอยู่ทุกหนทุกแห่งตั้งแต่เทคโนโลยีที่ใช้ในการระบุตัวตนไปจนถึงการจดจำยานพาหนะ การวิเคราะห์ภาพทางการแพทย์ และอื่น ๆ อีกมากมาย แม้แต่นักวิจัยเชิงวิชาการก็ยังใช้ข้อมูลจริงเพื่อสอนอัลกอริธึมของพวกเขาในปัจจุบันโดยมุ่งเน้นไปที่การใช้งานจริง
แนวคิดของผลิตภัณฑ์แบบครบวงจร
อัลกอริธึมการวิเคราะห์วิดีโอในช่วงแรก ๆ ได้รับการพัฒนา และใช้งานแบบแยกส่วนกัน การจดจำใบหน้า รถยนต์ และการตอบสนองต่อเหตุการณ์นั้นมีให้ใช้งานบนแอปพลิเคชั่นที่ทำงานแยกกันเท่านั้น อย่างไรก็ตาม ในปัจจุบัน นักพัฒนาซอฟต์แวร์ได้รวมอัลกอริธึมหลายชุดไว้ใน แพ็คเกจแบบครบวงจร พร้อมการวิเคราะห์ที่เชื่อมโยงถึงกันได้ เพื่อให้มีประโยชน์สำหรับผู้ใช้เนื่องจากปัจจัยเสริมนี้ช่วยทำให้ผู้ใช้สามารถนำไปใช้สำหรับสถานการณ์ใหม่ ๆ ที่ไม่สามารถใช้ได้ก่อนหน้านี้
ชุดซอฟต์แวร์ในปัจจุบันมักประกอบไปด้วยการจดจำใบหน้า ภาพเงา รถยนต์ และวัตถุอื่น ๆ นอกจากนี้ ความสามารถในการจดจำการกระทำของมนุษย์กำลังจะมาถึงเร็ว ๆ นี้ ผู้ใช้สามารถจัดการกับ ‘วัตถุ’ ทุกประเภทได้จากหน้าเชื่อมเต่อผู้ใช้เดียว และข้อมูลวัตถุทั้งหมดจะถูกบันทึกได้จากกล้องเดียวกัน
การเพิ่มประสิทธิภาพให้กับทรัพยากร
อัลกอริธึมการวิเคราะห์วิดีโอทั่วไปสามารถทำงานได้ดีด้วยมีหลายวิธีแต่ต้องใช้ทรัพยากรในการคำนวณจำนวนมาก เห็นได้ชัดว่าไม่เหมาะกับผู้ใช้ทุกคน และการเพิ่มประสิทธิภาพจึงเป็นสิ่งสำคัญ ตัวอย่างเช่น ฮาร์ดแวร์สำหรับการนำมาใช้กับการวิเคราะห์วิดีโอขนาดใหญ่จำเป็นต้องใช้เงินลงทุนจำนวนมาก
ด้วยเหตุนี้ นักพัฒนาจึงปรับอัลกอริธึมให้เหมาะสมเพื่อทำให้ฮาร์ดแวร์ทำงานได้อย่างรวดเร็ว และเพื่อช่วยลูกค้า ประหยัดค่าใช้จ่าย ยิ่งอัลกอริธึมใช้ทรัพยากรน้อยลงเท่าไร ลูกค้าก็ยิ่งสามารถซื้อเทคโนโลยีการวิเคราะห์วิดีโอได้มากขึ้นเท่านั้น
การใช้งานแพลตฟอร์มการวิเคราะห์วิดีโอใหม่เหล่านี้ก็สามารถใช้งานได้งายมากขึ้นด้วยเช่นกัน ซึ่งนำไปสู่การพัฒนาระบบที่แทบจะใช้งานได้เลยหลังจากการเชื่อมต่อ ผู้ใช้ไม่ต้องเสียเวลา และจัดหาระบบการกำหนดค่าอีกต่อไป ผู้ใช้สามารถเปิดกล่องผลิตภัณฑ์ จากนั้นกดปุ่มเพียงไม่กี่ปุ่ม แล้วแพลตฟอร์มก็พร้อมใช้งานได้ทันที
ความเชื่อผิด ๆ ของการคาดการณ์ความก้าวร้าวในปัจจุบัน
โดยทั่วไปแล้วพื้นที่ในเขตเมืองใหญ่ ๆ มักจะมีความปลอดภัยสำหรับการอยู่อาศัยเพิ่มขึ้นไม่ว่าจะเป็นนิวยอร์ก [2] หรือมอสโก [3] แต่ในขณะเดียวกันเรายังคงจดจำเหตุการณ์ที่เกิดขึ้นในปี พ.ศ. 2564 จากเหตุความรุนแรงของการใช้ปืน ทั้งบนท้องถนนในเมือง และในกำแพงของสถาบันการศึกษา
ผู้คนหลายสิบคนเสียชีวิต และได้รับบาดเจ็บจากการเข้าจู่โจมในโรงเรียนในคาซาน และมหาวิทยาลัยในเพิร์ม ความก้าวร้าวนั้ทำให้เกิดความสนใจในซอฟต์แวร์เพิ่มขึ้นอย่างเห็นได้ชัดเจนซึ่งซอร์ฟแวร์สามารถตรวจจับปืน และพฤติกรรมก้าวร้าวได้ นอกจากนี้ซอฟต์แวร์ยังสามารถคาดการณ์การรุกรานได้ด้วยเช่นกัน
แน่นอนว่า ในปัจจุบัน ซอร์ฟแวร์สามารถทำการวิเคราะห์วิดีโอเพื่อระบุลักษณะของปืน และการกระทำที่เป็นอันตรายได้ เช่น การต่อสู้ และผู้คนล้มลงบนท้องถนน เราคาดว่าซอฟต์แวร์นี้จะสามารถใช้งานได้ในโลกแห่งความเป็นจริง และมีความแม่นยำในระดับสูง และอย่างเร็วที่สุดในปีหน้า
อย่างไรก็ตาม ปัญญาประดิษฐ์ยังไม่สามารถทำนายความก้าวร้าวได้แต่อย่างน้อยก็สามารถทำการวิเคราะห์วิดีโอได้ อัลกอริธึมของการทำนายดังกล่าวมีอยู่จริงซึ่งได้มีการพัฒนาไปมากในช่วงเริ่มแรก อัลกอริธึมนี้ไม่สามารถใช้งานได้ในชีวิตจริงเนื่องจากมีผลบวกเป็นเท็จจำนวนมาก
ข้อมูล:
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