Предиктивная видеоаналитика: какие решения работают в России

Правильное использование данных помогает компаниям генерировать продажи, привлекать новых и удерживать существующих клиентов. Однако объемы данных постоянно растут, что осложняет работу с информацией. На рынке появляются все новые интеллектуальные аналитические решения, среди которых – предиктивная видеоаналитика. Эксперты iot.ru рассказали, чем сравнительно новая технология может помочь отечественным компаниям.

Объем рынка

По данным Forrester, рынок решений предиктивной аналитики и машинного обучения будет расти в среднем на 21% ежегодно до 2021 г. Такой прогноз аналитики дают, основываясь на увеличении запросов клиентов и закупки соответствующих решений. SAS, IBM и SAP являются лидерами рынка. Консалтинговая компания Markets&Markets опубликовала исследование, согласно результатам которого размер рынка прогнозной аналитики вырастет с $4,56 млрд по итогам 2017 г. до $12,41 млрд 2022 г. Совокупные ежегодные темпы роста (CAGR) рынка достигнут 22,1%.

В последнее время набирает обороты использование предиктивной видеоаналитики. Однако говорить о становлении рынка преждевременно, отмечают эксперты. «Данные технологии тестируются в ритейле, в том числе сетью гипермаркетов Лента и X5 Retail Group. Из последних тенденций стоит отметить большое количество запросов от производственных предприятий. Им важно сократить объемы брака на производственных линиях, вести автоматизированный контроль безопасности оборудования и работы сотрудников», – рассказал Тимур Мишин, руководитель управление пресейла и прототипирования центра компетенций Больших Данных компании «Техносерв».

Первые заказчики

Государственные и полугосударственные структуры (например, проекты класса «Безопасный город», транспортная отрасль: метро, наземный общественный транспорт) – основные заказчики решений предиктивной видеоаналитики, считают эксперты. По словам Ивана Царева, руководителя направления слаботочных систем компании «КРОК», предиктивная или ситуационная видеоаналитика особенно актуальна для многолюдных мест (железнодорожные и аэровокзалы, спортивные комплексы, торговые центры).

«В России такие решения пока не распространены, но уже есть примеры точечных внедрений. Так, КРОК реализовал подобную систему с модулями переброса предметов, пересечения линий, распознавания автомобильных номеров для грузового терминала одного из крупнейших российских аэропортов. На стадионах предиктивная видеоаналитика только начинает появляться, поэтому говорить о масштабных реализациях не приходится. Сейчас в Москве можно выделить только несколько спортивных объектов, где бы работала такая система. Все они вместимостью более 20 тыс. зрителей», – рассказал он.

Эксперт отмечает, что главное преимущество предиктивной видеоаналитики – возможность на основе поведенческих стилей спрогнозировать дальнейшее развитие ситуации и, в случае необходимости, выдать предупредительный сигнал оператору.

«Таким образом, это дает возможность службе безопасности предотвратить чрезвычайное происшествие еще на стадии «зарождения» инцидента. Среди основных использующихся модулей – распознавание эмоций, скопление людей, оставленный предмет, движение в неправильном направлении, так называемое «праздное шатание» и другие. Она позволяет снизить нагрузку на оператора, осуществляя отслеживание быстро изменяющейся ситуации на объекте и выявления тревожных триггеров в автоматическом режиме», – продолжает Иван Царев.

Эксперт привел оценки эффективности систем предиктивной видеоаналитики. Модули пересечения линий или переброса предметов точны в 100% случаев. При выявлении паники или случайного столпотворения система может лишь распознать триггер, дальнейшие действия остаются за оператором.

Как будет развиваться рынок

Ключевым драйвером развития предиктивной видеоаналитики в России становится курс на сокращение затрат, оптимизацию и автоматизацию процессов. В мире наибольший потенциал потребления технологий у ритейла. Борьба за качество обслуживания и удержание покупателя, объединение каналов покупок онлайн и оффлайн, по мнению Тимура Мишина – это ключевой драйвер развития видеоаналитики в указанной индустрии.

Благодаря машинному зрению камера будет считывать эмоции покупателя, подходящего к витрине. На основании таких результатов возможно построение статистических моделей, разработка стратегий дальнейшего развития и т. д., считает Иван Царев. «Технология может найти своё применение в областях, где важен мониторинг эмоционального состояния сотрудников, несущих ответственность за жизнь других вверенных им лиц – например, это касается водителей общественного транспорта», –рассказал он.

В городской транспортной системе технологии будут широко использовать для прогнозирования загрузки транспорта и дорог, динамического изменения стоимости платных дорог от загрузки, автоматизированной оценки качества дорожного покрытия и предсказания ремонта.

«Мы ожидаем появления беспилотных автомобилей в разных странах: в начале возможны грузовые перевозки, как наиболее востребованные, потом такси. На данный момент продвинутый автопилот с участием водителя уже можно выпускать на рынок. В сельском хозяйстве технологии найдут применение в автономной технике и для анализа почвы и роста растений с высоты. Для сокращения издержек вместо самолетов и вертолётов это могут быть дроны или беспилотники», – предположил Тимур Мишин.

В медицине также возможно применение технологий предиктивной аналитики, чтобы повысить эффективность традиционной диагностики, добавил эксперт.

Стимулировать развитие сегмента предиктивной видеоаналитики может принятие соответствующих законодательных актов, закрепляющих обязательное использование такой системы. В настоящее время приказом МВД России №1092 (от 17 ноября 2015 г.) прописаны только требования по наличию визуального контроля и видеоидентификации на спортивных объектах, вместимостью более пяти тысяч человек, рассказал Иван Царев.

«Перспективы развития ситуационной видеоаналитики – это внедрение детекторов на основе нейросетей и использование искусственного интеллекта, способного самообучаться. Такая система будет уже самостоятельно работать с объектами, попадающими в поле зрения камер, – например, не просто выявлять движущиеся объекты, а однозначно определять их тип – пол человека, марку автомобиля и т. д.», – объяснил эксперт.