Generativ AI är på väg att förändra kamerabevakningen i grunden. Under många år har utvecklingen handlat om att göra kameror allt bättre på att upptäcka människor, fordon och andra objekt. Nu är nästa steg att systemen också ska förstå sammanhanget bakom det de ser – och kunna beskriva det med naturligt språk.

Enligt Anders Karlsson, produktchef på IQsight, är detta den verkliga skillnaden mellan traditionell videoanalys och den nya generationens AI-lösningar.

– Tidigare har systemen varit mycket duktiga på att svara på frågan vad kameran ser. Med generativ AI kan vi istället börja besvara frågorna om vad som händer egentligen och varför situationen är relevant. Det innebär ett helt nytt sätt att använda kamerabevakning, säger han.

Gammalt och nytt

Den nya lösningen IVA Pro Context bygger vidare på traditionell objektdetektering men kompletterar den med generativ AI och språkmodeller som kan tolka relationer mellan personer, objekt och händelser.

– Resultatet blir att kameran inte bara registrerar att en person befinner sig på en plats utan också kan beskriva ett helt händelseförlopp. Det resulterar i färre irrelevanta larm, bättre situationsförståelse och högre träffsäkerhet i komplexa miljöer som lager, industri, handel och kritisk infrastruktur, kommenterar Anders Karlsson.

– Ett traditionellt system kan exempelvis konstatera att en person står stilla under en längre tid och klassificera det som ”loitering”. IVA Pro Context försöker istället förstå sammanhanget. Personen kanske väntar på någon, behöver hjälp eller håller på att skada egendom. Den typen av situationsförståelse ger operatören ett betydligt bättre beslutsunderlag.

Från regler till naturligt språk

Man kan säga att skillnaden mellan traditionell videoanalys och IVA Pro Context handlar i grunden om hur systemet söker, analyserar och förstår videomaterial. Traditionell videoanalys bygger ofta på fasta regler och metadata. Operatören söker efter specifika händelser som har definierats i förväg, exempelvis att en person passerar en linje, att ett fordon stannar inom ett område eller att ett objekt lämnas kvar. För att systemet ska kunna hitta rätt händelser krävs vanligtvis att regler, larm och sökkriterier har skapats i förväg. Med forensisk sökning kan man även söka på metadata som inte förkonfigurerats innan men det bygger också på att systemet kan generera denna metadata via kamerorna eller med en egen analysmotor.

Förenklar för användaren

Anders Karlsson framhåller också de fördelar med generativ AI ger slutkunden?

– Man slipper att bygga avancerade regelverk eller skapa komplicerade sökfilter. I stället kan användaren kommunicera med systemet på vanligt språk. Operatören behöver bara skriva eller säga ”beskriv vad som händer vid lastkajen” eller ”finns det några säkerhetsrisker här?”.

– Systemet tolkar frågan, analyserar videon och presenterar resultatet på ett sätt som människor enkelt kan förstå.

Anders Karlsson lyfter också fram att videomaterial kan analyseras långt mer effektivt än tidigare. Istället för att manuellt granska timmar av inspelningar kan AI:n skapa textbaserade sammanfattningar av händelser och snabbt hitta relevanta videosekvenser.

– Vi går från videogranskning till dialog med säkerhetssystemet. Det förändrar hela arbetssättet, förklarar han.

Kontext ger färre falsklarm

En viktig ambition med intelligent kamerabevakning är att minska mängden irrelevanta larm. Anders Karlsson menar att detta behov möter IVA Pro Context med all önskvärd tydlighet.

– Traditionell videoanalys reagerar ofta när en regel bryts, utan att förstå sammanhanget. Med kontextförståelse kan AI:n avgöra om ett beteende faktiskt verkar avvikande eller om det är helt naturligt, säger han och ger ett exempel.

– En person som knyter skorna ska naturligtvis inte behandlas på samma sätt som någon som vandaliserar en station eller vistas ovanligt länge vid ett skyddsobjekt.

Så systemets tolkning av vad som händer är den stora skillnaden mot tidigare lösningar, enligt Anders Karlsson.

– Genom att tillföra ett extra lager av analys kan antalet falsklarm minskas, samtidigt som operatören får rikare information om varje incident.

Och hur kan uttrycket för operatörens ”rikare information” se ut och vilken skillnad kan det göra i en larmsituation?

– Istället för ett kort meddelande som ”Person upptäckt” kan systemet exempelvis beskriva att en person ligger på golvet bredvid en truck medan en annan person står intill.

– Då blir det betydligt enklare att avgöra om sjukvård, väktare eller driftpersonal behöver skickas till platsen.

Edge eller moln?

IQsight har redan idag AI-funktioner som körs direkt i kamerorna, där objekt kan identifieras och klassificeras lokalt utan att videoströmmen behöver skickas vidare. För IVA Pro Context innebär nästa steg genom att kombinera denna edge-baserade AI med generativ AI.

– Den första versionen använder molnet för den mest avancerade kontextanalysen, men parallellt introduceras även en edge-version där generativ AI körs direkt i kameran, berättar Anders Karlsson.

– Många kunder, särskilt inom kritisk infrastruktur, vill inte skicka videodata till molnet. Därför ser vi ett stort intresse för kameror som kan utföra avancerad AI-analys lokalt.

Samtidigt menar Anders Karlsson att framtiden sannolikt blir hybridlösningar.

– Edge och moln är inte konkurrenter utan kompletterar varandra. Kameran kan snabbt upptäcka en händelse medan mer avancerad analys sker centralt när det behövs.

Inte bara för stora säkerhetscentraler

Även om tekniken erbjuder stora fördelar för flygplatser, hamnar, energianläggningar och andra komplexa miljöer ser IQsight en bredare marknad.

– Mindre företag kan också få betydligt större nytta av sina befintliga kameror utan att behöva bygga avancerade analysregler eller ha egna säkerhetsoperatörer.

Naturliga språkgränssnitt gör dessutom tekniken betydligt enklare att använda.

– Användaren behöver inte vara expert på videoanalys. Man beskriver helt enkelt vad man vill hitta eller övervaka.

AI blir en digital kollega

Enligt Anders Karlsson kommer AI framför allt att fungera som ett intelligent beslutsstöd – inte ersätta människan.

– AI ska hjälpa operatören att arbeta snabbare och fatta bättre beslut, men det slutliga ansvaret kommer även framöver att ligga hos människan.

För att skapa förtroende krävs också transparens.

– Operatören måste kunna förstå varför AI:n dragit en viss slutsats och alltid kunna verifiera resultatet mot det ursprungliga videomaterialet. AI får aldrig bli en svart låda.

Samtal med säkerhetssystemet

Den utveckling som Anders Karlsson tror kommer att få störst betydelse är multimodala AI-modeller där operatören helt enkelt samtalar med sitt säkerhetssystem.

– Om några år tror jag att frågor som ”Visa alla personer som lämnade en ryggsäck i receptionen mellan 14 och 16” kommer att vara helt naturliga. Då räcker det inte längre att känna igen personer eller föremål. AI:n måste förstå hela händelseförlopp, kunna koppla samman flera observationer och presentera svaret på ett begripligt sätt.

På längre sikt ser han framför sig att AI blir en verklig säkerhetsassistent.

– Idag hjälper vi användaren att hitta rätt video. I framtiden ska vi hjälpa användaren att förstå hela situationen innan användaren ens vet vilken fråga som behöver ställas.

Enligt Anders Karlsson är det just denna övergång – från videogranskning till konversationsbaserad säkerhet – som kommer att bli den största förändringen inom kamerabevakning under de kommande fem åren.