Расширение использования камер наблюдения, будь то в целях общественной безопасности, мониторинга здоровья или коммерческих операций, усилило озабоченность по поводу конфиденциальности. В наши дни кажется, что движения людей будут фиксироваться камерами видеонаблюдения независимо от того, куда они идут.
Количество используемых систем наблюдения выросло , и никаких признаков замедления темпов роста нет. По данным Бюро статистики труда США, количество установленных камер наблюдения в США выросло с 47 миллионов до 85 миллионов с 2015 по 2021 год, т. е. на 80%. Это примерно одна установка камеры почти на каждых 4 человек в стране. Согласно последнему исследованию IHS Markit , ожидается, что в 2021 году количество используемых камер наблюдения во всем мире превысит миллиард . По данным Reportlinker , ожидается, что рынок видеонаблюдения будет расти более чем на 10% в год до 2026 года .
Растущий охват этих систем усилил опасения по поводу нарушения конфиденциальности, особенно в отношении использования распознавания лиц . В дополнение к потере конфиденциальности, например, в результате широко распространенного использования распознавания лиц в Китае, исследования Массачусетского технологического института и Стэнфордского университета , а также других учреждений выявили встроенные предубеждения в системах распознавания лиц.
Некоторые города в США ответили. В 2019 году Сан-Франциско запретил использование распознавания лиц в камерах наблюдения местных агентств, и с тех пор как минимум дюжина других городов США ввели запреты на распознавание лиц для того или иного использования. Но больше наблюдения не обязательно должно означать меньше конфиденциальности.
Улучшения в технологии машинного обучения (ML) могут повысить эффективность сбора данных с камер наблюдения, а также значительно защитить конфиденциальность людей, которые появляются в этих каналах. Интеллектуальная камера может, например, выполнять обработку локально, избавляя от необходимости передавать и хранить данные. Технология также может обладать интеллектом, чтобы знать разницу между тем, что камера должена захватывать, и тем, что должена игнорировать. Выполняя свои задачи более эффективно, смарт-камера также может помочь предотвратить как преднамеренное, так и непреднамеренное неправомерное использование данных .
Как глубокое обучение защищает конфиденциальность
Помимо того, что камеры наблюдения становятся все более распространенными, они также становятся более мощными, с объективами с высоким разрешением, большей локальной вычислительной мощностью и высокоскоростным подключением к Интернету. В некоторых системах использование машинного обучения и искусственного интеллекта (ИИ) улучшило возможность поиска в сотнях или тысячах часов видео, записанных этими системами.
Делая системы видеонаблюдения более мощными и потенциально навязчивыми, ML и AI также могут использоваться для защиты конфиденциальности. Программное обеспечение для видеоаналитики, основанное на глубоком обучении — подмножестве ИИ — можно научить фокусироваться на том, что ему следует смотреть, и эффективно отворачиваться от того, что не следует.
Глубокое обучение , предназначенное для имитации функций человеческого мозга с использованием нейронной сети из трех или более слоев, может само по себе определять, как идентифицировать и классифицировать объекты и закономерности. Используя тегированные данные для обучения системы, машина может «научиться» работать независимо, становясь более опытной по мере того, как со временем она получает больше данных. Примечательно, что он может сделать это с небольшими размерами, что позволяет использовать встроенную локализованную обработку, которая может эффективно управлять конфиденциальностью данных.
В одном примере система видеонаблюдения, оснащенная программным обеспечением для глубокого обучения, может классифицировать людей, приближающихся к входу в здание (например, к офису, стадиону или театру), разрешать или запрещать вход, а затем удалять любую захваченную информацию. Обрабатывая информацию локально без необходимости передачи или хранения данных, камера может собрать минимально необходимое количество, а потом «забыть» о нем. В другом примере камера, контролирующая парковку предприятия, может также иметь вид в окно соседнего дома. Система может предотвратить запись любых изображений из этого окна. Таким образом, программное обеспечение корректирует любые сложности, вызванные расположением камеры, и позволяет избежать как случайных ошибок, так и преднамеренных действий, связанных с записью изображений, не принадлежащих компании.
ML делает данные действенными
Программное обеспечение для видеоаналитики не только предотвращает попадание ложной информации, но и позволяет более эффективно находить нужную информацию как в прямом эфире, так и в архивных видеопотоках. Мониторинг или извлечение информации из видеозаписей часто требует ручного просмотра человеческими глазами, что не только отнимает много времени, но и может легко привести к упущениям, ошибкам и нарушениям конфиденциальности. Программное обеспечение для анализа видеоконтента ML с глубоким обучением может извлекать, классифицировать и быстро индексировать целевые объекты, такие как люди или транспортные средства, что делает видеопотоки значительно более доступными для поиска, действенными и поддающимися количественной оценке.
Классификация и индексация объектов также обеспечивают интеллектуальные оповещения при обнаружении определенных объектов, поведения или аномальной активности. Это может включать оповещения на основе подсчета, когда количество людей в определенной области превышает установленный предел, оповещения, инициируемые идентификацией объекта или, где применимо, распознаванием лиц.
Анализ видеоконтента также собирает метаданные из живых или архивных каналов, что позволяет аналитикам понимать тенденции и разрабатывать процедуры для повышения безопасности, операций и безопасности. И, используя правильно реализованную технологию глубокого обучения, камера может сделать это без увеличения рисков для конфиденциальности.
Улучшение видеонаблюдения при управлении конфиденциальностью данных
Несмотря на опасения по поводу конфиденциальности и попытки ограничить использование распознавания лиц, объем собираемых видео и других данных не замедлится. Видеосистемы могут, например, помочь работникам здравоохранения отслеживать количество людей в масках или тех, кто соблюдает правила безопасного дистанцирования. Муниципальные чиновники могут получить четкое представление о транспортных потоках и узких местах. Предприятия могут отслеживать покупательские привычки людей. Безопасность общественных мест все больше зависит от хорошего видеонаблюдения.
Помимо этих целей, распространение домашних систем с возможностями наблюдения также вызывает опасения по поводу потери конфиденциальности. Более 128 миллионов подключенных к облаку голосовых помощников, таких как Google Home, Amazon Echo и Facebook Portal, используются в домах США с возможностью записи и обмена информацией. А 76% домохозяйств с телевизором сообщают, что у них есть умные телевизоры, что вызывает опасения по поводу их возможности шпионить за пользователями.
Однако способ сбора, обработки и поиска видео может обеспечить более надежную защиту, более совершенные операции или повышение безопасности без дальнейшего ущерба для конфиденциальности. Нынешний подход к использованию подключенных к облаку камер наблюдения с облачной аналитикой не соответствует требованиям конфиденциальности и предвзятости. Но программное обеспечение машинного обучения с возможностями глубокого обучения позволяет использовать локализованные встроенные средства анализа и аналитики, обеспечивая высокую производительность при низком энергопотреблении, что может повысить безопасность при управлении конфиденциальностью данных. В случае систем видеонаблюдения CCTV интеллектуальные видеотехнологии также могут быть легко интегрированы с большинством существующих систем.
Использование технологий глубокого обучения также может способствовать будущим улучшениям, позволяя организациям постоянно повышать сложность своих систем с помощью дополнительных приложений ИИ.
Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК
Бесплатная служба распространения новостей для научных организаций и стартапов
hello@technovery.com