En del sikkerhedskameraer har grundlæggende indbyggede analyser. Et eksempel er linjekrydsning, hvor en alarm aktiveres, når et objekt i bevægelse krydser en brugerdefineret linje (f.eks. én, der springer over et hegn). Men selv med grundlæggende analyser er der ikke noget, der hedder "plug and play", mener Milestone og anfører nogle punkter, som leverandører måske ikke altid får nævnt overfor kunden:

• Selvom dine kameraer kan håndtere analysen, skal nogen logge ind på hver kameragrænseflade ad gangen for at få den sat op. Medmindre du vil betale for et separat værktøj, der lader dig implementere alt i bulk
• Når først analyserne har kørt i et stykke tid, bliver du nødt til at gå tilbage og finjustere hvert kameras indstillinger, placering, vinkler og detektionsområde
• Hvis du er en erfaren veteran i sikkerhedens verden, vil disse dele af jobbet sandsynligvis være velkendte. Men de kan stadig være nemme at overse, når der skal udarbejdes et realistisk budget
• Avanceret analyse har brug for (dyre) servere.

Tunge analyser

Desuden kan man nævne eksempler på tungere analyser såsom belægningsovervågning, som skal kombinere data fra flere kameraer, eller AI-nummerpladegenkendelse og ansigtsgenkendelse, som er afhængige af databaser. Og varmekortlægning er afhængig af historiske data. Alle disse skal køre på en server i stedet for på et kamera. På dette tidspunkt kan man gøre op, hvor dyrt det hele kan blive, men det afhænger selvfølgelig af forskellige faktorer.

Ifølge Milestone vil størstedelen af serverrumsomkostningerne komme fra lagerkrav, så det er en vigtig budgetpost at fremhæve.

Mens videostyringssoftware (VMS)-løsninger såsom Milestone Xprotect kan udføre analyser såsom kriminalteknisk søgning på serversiden af tingene, bruger organisationer separate værktøjer til analyse af f.eks. ansigtsgenkendelse. Disse værktøjer har specifikke krav til processorer og RAM, så det er værd at shoppe rundt.

Overvejelser i en lufthavn

En anden måde at reducere omkostningerne på er at overveje, hvor stor en del af dit websted, der rent faktisk har brug for de tunge ting. For eksempel, når du overvejer et projekt i en lufthavn, vil du måske have dækning af ansigtsgenkendelsessoftware på tværs af alle rum i alle terminaler. Dette ville tillade dig søge efter et kendt ansigt blandt menneskemængderne og få en optaget video af den bestemte person præsenteret som en tidslinje. Men det ville også koste ret meget.

Nogle lufthavne beslutter at holde omkostningerne nede ved kun at have ansigtsgenkendelse i paskontrollen/immigrationsområdet. De kan køre analyser på supercomputere for 100 kameraer dedikeret til dette prioriterede område. I mellemtiden kan deres resterende 1.900 sikkerhedskameraer rundt omkring i lufthavnen være afhængige af mindre ressourcekrævende analyser på servere med lavere budget.

Træning af maskinerne til maskinlæring

Mens løftet om maskinlæring er lokkende, er der ifølge Milestone et iøjnefaldende fravær af folk, som spørger, hvem der vil undervise i algoritmerne. Lad os sige, at en produktionsvirksomhed ønsker at implementere detektering af personligt beskyttelsesudstyr (PPE – Personal Protective Equipment). Med andre ord vil de have, at deres kameraer og deep-learning-algoritmer arbejder sammen for automatisk at identificere og underrette dem, når nogen ikke bærer den obligatoriske hjelm, sikkerhedsstøvler, handsker osv.

Men software er ikke altid god til at kende forskel på en hat og hår, eller skelne mellem normalt tøj og beskyttelsesudstyr, hvis farverne og formerne ligner hinanden. Den indledende funktionalitet afhænger meget af, hvor meget tid og omsorg en eller flere personer bruger 1) på at installere kameraer for optimal dækning og synlighed og 2) at træne algoritmen på eksempler på korrekt PPE versus PPE-overtrædelser. Uanset hvad, vil der komme falske alarmer. Og fejl vil blive fundet og rapporteret af mennesker; en maskine vil ikke kende til sine fejl, før feedback er indtastet manuelt.

En omkostning er en omkostning

I dette tilfælde vil der ifølge Milestone være omkostninger forbundet med kalibreringstjenester. Med andre ord skal der være en person, som kan analysere dataene, identificere årsagen(e) bag falske påvisninger og afbøde de underliggende problemer. Dette består normalt af minimum to besøg; et til analyse og indledende implementering af forbedringer, og et til sammenligning af resultater og oparbejdning. Uanset om disse "undervisningstjenester" hyres internt eller outsourcet, er en omkostning en omkostning.

VMS kan påvirke omkostningerne ved analyse

Milestone VMS, Xprotect, er udviklet til at få mest muligt ud af metadata. Den effektive søgefunktion lader hurtigt operatører finde beviser for specifikke begivenheder, objekter og/eller personer. Denne type analyse finder sted på serversiden, da den er afhængig af gennemgang af video fra flere kameraer og derfor kan hjælpe med at reducere omkostningerne.

Når det kommer til at arbejde med tredjepartsanalyser som ansigtsgenkendelse, er hardwarekravene til Xprotect ifølge Milestone næsten altid lavere end alternative muligheder.

Derudover sker det nogle gange, at VMS-leverandører opkræver ekstra for integration med tredjepartsanalyser, mens Milestone ikke opkræver ekstra for integration med Xprotect.

Xprotects åbne platformsdesign giver brugeren mulighed for at kombinere analyser fra forskellige kameramærker uden ekstra omkostninger. Åbne platforme er også nyttige til analyser på serversiden. Dette betyder, at klienten ikke er låst til noget bestemt analyseværktøj, da Xprotect fungerer med stort set alt.

Dette giver fleksibiliteten til at starte med analyser på kamerasiden og potentielt vente til næste budgetperiode med at investere i tredjepartsanalyser på serversiden. Dette giver ifølge Milestone også mere tid til at beslutte, hvor mange kameraer, der skal bruge de dyrere analyser.