Fot. 1. Działanie algorytmu rozpoznawania twarzy
Sztuczna inteligencja jest rozwijana w wielu dziedzinach techniki, które mają bezpośredni wpływ na życie każdego z nas. Od jakiegoś czasu jest jednym z głównych przedmiotów zainteresowania branży zabezpieczeń.
Aby zrozumieć pojęcie sztucznej inteligencji, należy cofnąć się do roku 1950, kiedy to Alan Mathison Turing zaproponował test, który miał na celu uzyskanie odpowiedzi na pytanie o to, czy maszyna może myśleć i czy robi to w sposób podobny do człowieka. Zadaniem maszyny było odpowiadanie na pytania człowieka w taki sposób, by rozmówca nie był w stanie rozstrzygnąć, czy rozmawia z człowiekiem czy z maszyną.
W kontekście sztucznej inteligencji zastosowanie mają specyficzne – inne niż tradycyjne – definicje uczenia się. Według Herberta Simona uczenie się w przypadku systemu polega na umiejętności adaptacji polegającej na ponownym wykonaniu takiego samego lub podobnego zadania bardziej efektywnie. Wynika z tego, że uczenie się to automatyczny proces mający na celu samodoskonalenie. Uczący się system gromadzi dane, szuka schematów, wyciąga wnioski i tworzy reguły. Samodzielnie opracowane schematy zachowania są nieustannie doskonalone. W takim procesie uczenia się niezbędny jest nadzór. Operator wprowadza przykłady i na bieżąco eliminuje błędy w działaniu systemu. Głębokie uczenie się (ang. deep learning) w odróżnieniu od samodzielnego uczenia się maszyn lub systemów (ang. machine learning) może przebiegać bez nadzoru.
Aktualnie jesteśmy świadkami ogromnego przyspieszenia rozwoju systemów bazujących na sieciach neuronowych. Internet rzeczy pozwala na pozyskiwanie ogromnych ilości danych z otoczenia, a przetwarzanie danych w chmurze i przetwarzanie z wykorzystaniem GPU (ang. graphics processing unit) umożliwia korzystanie z ogromnej mocy obliczeniowej, która jest koniecznie potrzebna w przypadku algorytmów uczenia się.
Jakie zadania stawiamy przed sztuczną inteligencją? Między innymi rozpoznawanie mowy i obrazu, przetwarzanie języka naturalnego. Takie zastosowania są codziennością. Mechanizmy sztucznej inteligencji otaczają nas zewsząd. Jadąc samochodem, większość z nas korzysta z nawigacji GPS, która wskazuje najkrótszą drogę dojazdu. Przy planowaniu trasy brana jest pod uwagę nie tylko odległość od celu, ale również takie zmienne jak utrudnienia na trasie. Innym przykładem sztucznej inteligencji jest medyczny system ekspercki wykorzystujący ogromną bazę danych, dzięki któremu w ułamku sekundy można uzyskać wstępną diagnozę po podaniu symptomów. Korzystając z przeglądarki Google, również mamy do czynienia z mechanizmami sztucznej inteligencji.
Branża zabezpieczeń może pochwalić się bardzo dużą intensywnością implementacji wszelkich nowinek technicznych. Producenci elementów systemów zabezpieczeń pokładają wielkie nadzieje w mechanizmach głębokiego uczenia się. Aktualnie możemy zacząć korzystać z pierwszych wdrożeń.
Dahua Technology, lider w dziedzinie systemów zabezpieczeń, jako jedna z pierwszych firm na świecie stworzyła (we współpracy z firmami Intel oraz nVidia) kamerę oraz rejestrator z zaimplementowanymi mechanizmami sztucznej inteligencji wykorzystującymi algorytmy głębokiego uczenia się. Kamera IP typu DH-HF8242F-FD/FR z serii Deep Sense to efekt wieloletnich doświadczeń firmy Dahua Technology w dziedzinie konstrukcji kamer. Wysokiej jakości obraz jest przetwarzany przez procesor Movidius wykorzystujący algorytmy głębokiego uczenia się. Wykorzystany w kamerze przetwornik obrazu 2 Mpx 1/1.9" CMOS to gwarancja doskonałego i bogatego w szczegóły obrazu wytwarzanego zarówno w dziennych, jak i nocnych warunkach oświetleniowych. Dodatkowo kamera ma wiele funkcji, takich jak WDR, HLC, BLC, AWB, AGC, 3DNR. Zadaniem algorytmu uczenia się jest detekcja i rozpoznawanie twarzy. Kamera analizuje obserwowaną scenę w poszukiwaniu twarzy. W momencie detekcji algorytm analizuje obraz. Operator otrzymuje informację o wykryciu twarzy wraz z opisanym zdjęciem. W opisie są informacje o wieku, płci, wyrazie twarzy oraz inne szczegóły. Zdjęcie jest porównywane z obrazami zebranymi w obszernej bazie danych. Baza mieści do 10 000 obrazów twarzy. Użytkownik jest informowany o podobieństwie wykrytej twarzy do wizerunku twarzy z bazy oraz o stopniu podobieństwa wyrażonym procentowo. Kryteria porównywania twarzy są konfigurowalne. Kamera DH-HF8242F-FD/FR jest w stanie wykryć do szesnastu twarzy w jednej scenie i porównać je z wizerunkami z bazy. Wszystkie te funkcje są dostępne z poziomu przeglądarki internetowej.
Fot. 2. Kamera Dahua Technology IPC-HF8242F-FR
W kamerze Dahua służącej do rozpoznawania twarzy dostępny jest interfejs RESTful API, co umożliwia dostęp do platformy również w przypadku urządzeń lub oprogramowania firm trzecich. Wybór dostępnych rozwiązań jest duży, a doświadczony dział wsparcia firmy Dahua jest gotowy do pomocy w procesie integracji z zewnętrzną aplikacją API.
Na uwagę zasługuje to, że skuteczność algorytmu rozpoznawania twarzy została w 2016 r. przebadana, a rozwiązanie firmy Dahua Technology zajęło pierwsze miejsce w rankingu Labeled Faces in the Wild (LFW).
Kamera współpracuje z serwerem Dahua IVS-F7500. To urządzenie również zostało wzbogacone w algorytmy pozwalające na wykrywanie i rozpoznawanie twarzy. Serwer jest w stanie przeszukiwać nagrania archiwalne i wskazywać tylko te fragmenty nagrań, w których występuje rozpoznana osoba.
Jak widać, pojawiają się nowe możliwości dla projektantów, producentów, a przede wszystkim użytkowników systemów zabezpieczających. Otrzymują oni potężne narzędzie, dzięki któremu można uzyskać nieosiągalny do tej pory poziom bezpieczeństwa. System rozpoznawania twarzy opracowany przez firmę Dahua Technology z pewnością znajdzie zastosowanie w takich miejscach jak obiekty chronione systemami kontroli dostępu, miejsca publiczne, centra handlowe, dworce i lotniska oraz galerie handlowe. Służbom dbającym o bezpieczeństwo umożliwia wykrycie w tłumie osób poszukiwanych i śledzenie trasy, po której się poruszają.
Rozwiązania oferowane przez firmę Dahua Technology ponownie udowadniają, że głównym celem tego producenta jest rozwój. Dzięki temu samodzielnie uczące się systemy bezpieczeństwa to nie przyszłość, ale teraźniejszość.
Maciej Pietrzak
Dahua Technology Poland