В новых реалиях контроль над объектами осуществляется удаленно, как, во многих случаях, удаленно работают и сотрудники, клиенты и партнеры, взаимодействуя между собой через разрозненные онлайн-сети, увеличивая уязвимость данных и риск взломов. На бизнес влияют и новые рекомендации регуляторов относительно общественного здоровья и безопасности.
Тренды безопасности и видеонаблюдения в 2022 году выглядят так:
- Пограничные вычисления и видеоаналитика;
- Системы видеонаблюдения, основанные на компьютерном зрении, интегрированные с искусственным интеллектом;
- Бизнес модель «Как услуга»;
- Ответственность и этика в использовании технологии наблюдения;
- Интеграция технологий;
- Пограничные вычисления/видеоаналитика на базе искусственного интеллекта (AI).
Встроенная аналитика играет все большую роль в безопасности и видеонаблюдении, поскольку предоставляет пользователю данные для интеллектуальной защиты и мониторинга. По прогнозам аналитиков, 2022 год станет годом, когда бортовая (периферийная) видеоаналитика продолжит свой рост на фоне стремления пользователей объединить периферийные вычисления и искусственный интеллект для повышения эффективности мониторинга и поиска.
Согласно аналитическим исследованиям, к 2028 году мировая инфраструктура периферийных вычислений превысит показатель в 800 млрд долларов США, а пограничная обработка данных на базе искусственного интеллекта (Edge AI), особенно с аналитикой, основанной на алгоритмах глубокого обучения, может стать ключевым элементом в ряде приложений умного видеонаблюдения. В числе наиболее распространенных приложений – обнаружение и классификация объектов, сбор атрибутов в форме метаданных. Такой подход снижает время ожидания и нагрузку на полосу пропускания, обеспечивает сбор данных в реальном времени и ситуационный мониторинг.
Перечисленные преимущества, которые дают периферийные вычисления системе безопасности, можно достичь только благодаря SoC (система на чипе) – для улучшения качества изображения с сетевых камер видеонаблюдения используются встроенные в SoC кодеки, а для периферийной аналитики искусственного интеллекта используется движок NPU (нейропроцессорный модуль) в SoC с алгоритмом искусственного интеллекта.
Поскольку доступность ресурсов на периферии ограниченна, растет значение передовых алгоритмов искусственного интеллекта, которые позволяют достигать максимальной эффективности использования ресурсов, что всегда было главной задачей для периферийных вычислений. Для решения этой задачи разработаны новые способы машинного обучения, такие как трансферное обучение, которые заменят уже существующие ведущие алгоритмы.