Generativ AI er i færd med at ændre kameraovervågning grundlæggende. I mange år har udviklingen handlet om at gøre kameraer stadig bedre til at opdage mennesker, køretøjer og andre objekter. Nu er næste skridt, at systemerne også skal forstå sammenhængen bag det, de ser – og kunne beskrive den med naturligt sprog.

Ifølge Anders Karlsson, produktchef hos IQsight, er dette den egentlige forskel mellem traditionel videoanalyse og den nye generation af AI-løsninger.

– Tidligere har systemerne været særdeles gode til at besvare spørgsmålet om, hvad kameraet ser. Med generativ AI kan vi i stedet begynde at svare på, hvad der faktisk sker, og hvorfor situationen er relevant. Det indebærer en helt ny måde at anvende kameraovervågning på, siger han.

Gammelt og nyt

Den nye løsning IVA Pro Context bygger videre på traditionel objektdetektion, men kombinerer den med generativ AI og sprogmodeller, som kan fortolke relationer mellem personer, objekter og hændelser.

– Resultatet er, at kameraet ikke blot registrerer, at en person befinder sig et bestemt sted, men også kan beskrive et helt hændelsesforløb. Det giver færre irrelevante alarmer, bedre situationsforståelse og større præcision i komplekse miljøer som lagerbygninger, industri, detailhandel og kritisk infrastruktur, kommenterer Anders Karlsson.

– Et traditionelt system kan eksempelvis registrere, at en person står stille i længere tid, og klassificere dette som »loitering« (mistænkeligt ophold). IVA Pro Context forsøger i stedet at forstå sammenhængen. Personen kan vente på nogen, have brug for hjælp eller være i færd med at beskadige ejendom. Denne form for situationsforståelse giver operatøren et betydeligt bedre beslutningsgrundlag.

Fra regler til naturligt sprog

Forskellen mellem traditionel videoanalyse og IVA Pro Context handler i høj grad om, hvordan systemet søger i, analyserer og forstår videomateriale.

Traditionel videoanalyse bygger ofte på faste regler og metadata. Operatøren søger efter bestemte hændelser, som er defineret på forhånd, eksempelvis at en person krydser en linje, at et køretøj standser inden for et område, eller at en genstand bliver efterladt. For at systemet kan finde de rigtige hændelser, skal regler, alarmer og søgekriterier som regel være oprettet på forhånd.

Med søgning i optaget videomateriale kan man også søge i metadata, som ikke er konfigureret på forhånd, men det forudsætter stadig, at systemet kan generere relevante metadata via kameraerne eller en særskilt analysemotor.

Gør det lettere for brugeren

Anders Karlsson fremhæver også de fordele, som generativ AI giver slutkunden.

– Man slipper for at opbygge avancerede regelsæt eller oprette komplicerede søgefiltre. I stedet kan brugeren kommunikere med systemet på almindeligt sprog. Operatøren behøver blot at skrive eller sige »beskriv, hvad der sker ved læsserampen« eller »er der nogen sikkerhedsrisici her?«.

– Systemet fortolker spørgsmålet, analyserer videoen og præsenterer resultatet på en måde, som er let for mennesker at forstå.

Anders Karlsson fremhæver også, at videomateriale kan analyseres langt mere effektivt end tidligere. I stedet for manuelt at gennemgå timevis af optagelser kan AI udarbejde tekstbaserede sammenfatninger af hændelser og hurtigt finde relevante videosekvenser.

– Vi går fra videogennemgang til dialog med sikkerhedssystemet. Det ændrer hele arbejdsmåden, forklarer han.

Kontekst giver færre falske alarmer

En vigtig ambition med intelligent kameraovervågning er at reducere antallet af irrelevante alarmer. Anders Karlsson mener, at IVA Pro Context imødekommer dette behov på en tydelig måde.

– Traditionel videoanalyse reagerer ofte, når en regel overtrædes, uden at forstå sammenhængen. Med kontekstforståelse kan AI afgøre, om en adfærd faktisk virker unormal, eller om den er helt naturlig, siger han og giver et eksempel.

– En person, der binder sine snørebånd, skal naturligvis ikke behandles på samme måde som en person, der begår hærværk på en station eller opholder sig usædvanligt længe ved et beskyttet objekt.

Det er altså systemets fortolkning af, hvad der faktisk sker, som er den store forskel sammenlignet med tidligere løsninger, ifølge Anders Karlsson.

– Ved at tilføje et ekstra analyselag kan antallet af falske alarmer reduceres, samtidig med at operatøren får mere detaljerede oplysninger om hver enkelt hændelse.

Hvordan kan disse »mere detaljerede oplysninger« se ud for operatøren, og hvilken forskel kan de gøre i en alarmsituation?

– I stedet for en kort meddelelse som »Person registreret« kan systemet eksempelvis beskrive, at en person ligger på gulvet ved siden af en gaffeltruck, mens en anden person står i nærheden.

– Dermed bliver det betydeligt lettere at afgøre, om der skal sendes sundhedspersonale, en vagt eller driftspersonale til stedet.

Edge eller cloud?

IQsight tilbyder allerede AI-funktioner, som kører direkte i kameraerne, hvor objekter kan identificeres og klassificeres lokalt, uden at videostrømmen skal sendes videre. For IVA Pro Context er næste skridt at kombinere denne edgebaserede AI med generativ AI.

– Den første version anvender cloud til den mest avancerede kontekstanalyse, men sideløbende introduceres også en edgeversion, hvor generativ AI kører direkte i kameraet, fortæller Anders Karlsson.

– Mange kunder, især inden for kritisk infrastruktur, ønsker ikke at sende videodata til cloud. Derfor oplever vi stor interesse for kameraer, som kan udføre avanceret AI-analyse lokalt.

Samtidig mener Anders Karlsson, at fremtiden sandsynligvis vil bestå af hybridløsninger.

– Edge og cloud er ikke konkurrenter, men supplerer hinanden. Kameraet kan hurtigt opdage en hændelse, mens mere avanceret analyse kan udføres centralt, når der er behov for det.