50% спад в нарушенията на пътя са регистрирани в хърватската столица Загреб, след като общинските власти инсталират система за видео аналитикс. Освен това, общината утроява приходите си от пътни глоби.
Столицата на Хърватия има 800 хил. жители и натоварен център. Интензивният трафик от автомобили и пешеходци, комбинирани от специфичната местна култура, много от шофьорите паркират колите си върху тротоарите.
По тази причина, местните власти се обръщат към постиженията на видео аналитикс (VA). От 225-те камери, разположени на ключови места в Загреб, 86 могат да регистрират предефинирани събития, като спряло превозно средство, но в реално време. Ключов за успеха на този проект е интеграцията с общинския център за сигурност – ERP система, свързана с националния регистър на МПС. По този начин, Загреб капитализира инвестицията за наблюдение на улиците, докато в същото време увеличава сигурността на пътя.
Machine learning и видео аналитикс
Виждали сте и по телевизията – криминалистите се взират в кадри от охранителни камери в търсене на улики, насочващи към извършителя. В реалния живот обаче, анализирането на огромно количество видео данни е задача, която рядко се извършва ефективно от хора. Твърде многото часове запис изискват твърде много човекочасове за обработка, чиято цена би била неразумно висока. Точно тук, machine learning и видео аналитикс са изключително ефективни, казва Бърнард Мар в публикация за Data Informed.
Той добавя, че VA може да се използва за разпознаване на лица, за поведенчески анализ, както и за ситуационен анализ. Например, можете да броите преминаващите автомобили, за да изчислите натовареността на трафика, да установите автомобили, които се науждаят от пътна помощ, да засечете обратни завои в нарушение на правилника или пък да проследите движението на хората в даден магазин, така че да установите кражба или пък непозволено нахлуване в забранена зона.
Има и още много – видео аналитиксът може да идентифицира съмнителни обекти, оставени на летища, както и да подава информация към броячи за свободни паркоместа, движение на автомобили в неправилна посока и т.н.
Има ли пресечна точка между аналитичното прогнозиране и видеото?
Massachusetts Institute of Technology създаде нов алгоритъм, чрез който компютър може да прогнозира действията на човек на база поведението му секунди преди това. Алгоритъмът е създаден в Лабораторията по компютърни науки и изкуствен интелект към университета, където е бил обучаван с 600 часа видеа от YouTube, за да се установи дали той може да прогнозира типични човешки интеракции като прегръдки, целувки, ръкостискания и др.
За да тества алгоритъма, изследователите от MIT пускат видеа, на които след секунди хората ще извършат гореспоменатите действия. Машината регистрира 43% успеваемост, сравнена със 71 на сто, показана от фокус група с хора. Екипът на MIT от този проект обявява, че алгоритъмът ще бъде много по-успешен, ако бъде захранен с повече видео информация от 600-те часа, с които първоначално е бил обучен.
