Produktutviklingen av bildesensorer og programvare de siste årene har resultert i en bildekvalitet vi bare kunne drømme om for ti år siden. Dagens AI-teknologi åpner for helt nye og tidligere uante muligheter som gjør at det en operatør kan se og utføre på en skjerm, gjør dagens AI-videoanalyse både bedre og raskere.

Datidens videoanalyse var egentlig en form for avansert bevegelsesdeteksjon. Skalerbarheten var null på grunn av høye vedlikeholdskostnader, kontinuerlig arbeid med perspektivinnstillinger. Falske alarmer var mer en regel enn et unntak. Dagens AI-teknologi er egentlig ikke videoanalyse, men snarere å betrakte som bildeanalyse. Den stiller ingen krav til perspektivinnstillinger, er immun mot skygger, refleksjoner, sesongmessige endringer og er både pålitelig og skalerbar. Men det kreves tilgang til kraftige GPU-brikker og avanserte algoritmer.

Kameraprodusentenes argumenter om at intelligent kameraovervåking er best basert på at kameraene har innebygd videoanalyse, det vil si analyse ‘on the edge’, bør imidlertid utfordres. Det edge-baserte alternativet, det vil si "intelligente kameraer", bør kontrasteres med alternativene "skytjenester" og "serverbasert analyse", som i dag ofte kalles "AI-boks". La oss gå gjennom noen viktige kriterier for effektiv intelligent kameraovervåking og hvordan disse ulike alternativene står i forhold til dem.

Kriteriene jeg har valgt er pålitelighet, kostnadseffektivitet, båndbredde, skalerbarhet og fleksibilitet. De er alle viktige å vurdere når du velger produkter og leverandører.

Pålitelighet og kostnadseffektivitet
Pålitelighet refererer til systemets deteksjonsevne og dets effektivitet og selektivitet når det gjelder å skille relevante objekter og hendelser fra irrelevante ditto og dermed unngå å sende falske alarmer. Her er tilgjengeligheten av GPU-ressurser helt avgjørende for en høy karakter.

Når behovet gjelder noen få, individuelle kameraer, kan skytjenester være det mest kostnadseffektive alternativet. For sluttbrukere med høye sikkerhetskrav er skytjenester sjelden et alternativ. Hvordan står intelligente kameraer seg sammenlignet med AI-boks-alternativet? Produsentenes AI-kameraer er relativt dyre. To AI-kameraer kan koste like mye som én AI-boks. Når behovet er større enn 3-4 kameraer er det mer kostnadseffektivt med en AI-boks. I tillegg til innkjøpskostnader kommer kostnader for montering og reise i tillegg.

Forutsatt at eksisterende kameraer leverer tilstrekkelig bra bildekvalitet, er det serverbaserte alternativet dermed betydelig mer kostnadseffektivt.

Bandbreddebelastning
En vanlig påstand er at serverbasert videoanalyse er båndbreddekrevende. Dette er sjelden et problem siden serverbasert videoanalyse for perimeterapplikasjoner gir utmerkede resultater med bare 1-3 bilder per sekund.

Skalerbarhet
I bransjen hevdes det ofte at det intelligente kameraalternativet er mer skalerbart enn serveralternativet. Det er en grunnløs påstand. Å skalere opp serverkapasiteten er raskere, enklere og mer kostnadseffektivt enn å oppgradere eller å erstatte eksisterende kameraer, spesielt ettersom tid for arbeid og reise må legges til.

Fleksibilitet
Serverbasert AI-analyse er kamerauavhengig. Dette gjør at kunden kan få mer ut av eksisterende kameraer, uansett om det er et portkamera, PTZ-kamera eller et termisk kamera. Under en ny installasjon kan kameraet som best løser oppgaven velges. Med serverbasert AI kan selv bildeanalyse på bilder fra enkle vilt-kamera yte eksepsjonelt bra.

Tidkrevende og dyrt
Til slutt må også kompleksiteten av hva et kamera skal kunne håndtere nevnes. Med alle mulighetene AI gir, stilles det stadig nye krav til kameraene. Det kan ikke bare oppdage noen som kommer inn i et område, men også holde styr på hvor mennesker samles eller reagere på bevegelser i en bestemt retning og så videre. For å takle de stadig nye behovene, må kamerasystemet oppdateres ofte. Ligger intelligensen i kameraene vil det være betydelig mer tidkrevende og kostnadsdrivende enn om intelligensen ligger sentralt i serveren.

Serverbasert – det eneste alternativet
Det er på tide å reetablere viktigheten av serverbasert analyse. Som systemintegrator med fokus på perimeterovervåking, trenger vi AI-analyse med de høyeste kapasitetene ettersom vi kombinerer det med PTZ-kameraer og radar. Våre mest vanlige prosjekter består av radar for bevegelsesdeteksjon og sporing, PTZ-kamera for verifisering og AI-analyse for objektklassifisering. Serverbasert analyse er en forutsetning for å kunne levere det vi har lovet.

Fremtidssikker
Min forståelse er at kameraprodusentenes mani etter edge-analyse er drevet av behovet for å selge maskinvare. Incitamentet for serverbaserte programvareprodusenter er å levere den beste analysefunksjonaliteten. Når det er sagt, vil jeg påstå at dagens intelligente kameraer er utilstrekkelige for perimeterovervåking. Joda, mange ganger kan enkelheten til edge-analyse være en faktor hvis ytelsen er tilstrekkelig, men for perimeterovervåking med høye krav ser jeg foreløpig ikke noe alternativ til serverbasert analyse.

DANIEL SJÖDIN
COO, Securify.