Jak systém CertiConVis funguje?
Zákazníci, převážně ti větší, což mohou být obce nebo bezpečnostní agentury, měli problém s tím, že museli používat více systémů na rozpoznávání registračních značek nebo obličejů, na detekci vstupu do zóny a podobně. Před nějakými čtyřmi lety jsme se proto rozhodli, že vyvineme komplexní nástroj, který je postaven na moderní technologii neuronových sítí.
Co to je za technologii?
To je technologie, která umožňuje systém naučit rozpoznávat objekt a definovat situaci, jež je předmětem zájmu. Cílem byl nástroj, který má multifunkční využití – od bezpečnosti přes dopravní statistiky po kontrolu počtu dělníků na stavbě. Výhoda je, že je možné definovat jakoukoliv situaci a navíc ji průběžně měnit. Takže aktuálně by bylo možné do systému přidat třeba to, že chci sledovat vjezd nákladních automobilů někam, kde je větší množství lidí.
Mluvil jste o neuronových sítích. Co si pod tím představit?
Je to oblast umělé inteligence, ve které se vědci dlouhou dobu snaží napodobit uvažování, rozhodování a vnímání člověka. Neuronová síť se za pomoci matematických algoritmů naučí rozeznat různé objekty. Můžeme ji naučit poznat kočku, psa, malé auto, velké auto, autobus. Prostě cokoliv, co nás zajímá. A potom definujeme ještě situace, které chceme sledovat. Takže systém nejprve detekuje objekt a pak situaci.
CertiCon
|
Můžete uvést příklady využití takového systému?
Příkladem je, když systém identifikuje člověka, který vejde do nějaké zakázané zóny. To se používá například jako doplněk alarmu mimo budovu. Doplnili jsme tuto funkci ještě o sledování dalšího pohybu. Takže třeba když člověk obchází dům, může systém poznat, že se ho možná chystá vykrást. Můžeme hlídat také takzvané narušení perimetru. To se týká třeba větších areálů stavebních firem a je to už sofistikovanější, protože tam už využíváme rozpoznávání člověka od zvířete. Máme i zákazníky ze zdravotnictví a ti se zajímají o detekci pádu osoby třeba na chodbě zdravotnického zařízení. Systém také může sledovat zaplněnost parkovišť. Instalace parkovacích systémů je totiž poměrně složitá, někde na ni potřebujete stavební povolení. Dokážeme také vytvářet statistiky, tedy počítat průchod a pohyb osob, třeba v obchodním domě.
Pražský magistrát v současnosti investuje do kamer a posiluje městský kamerový systém. Je to podle vás vhodný krok?
Domnívám se, že ve správných lokalitách posilování kamerového systému smysl dává, protože je to vhodná prevence kriminality. A vyhodnocovací nástroje jsou pro město určitě budoucností.
Dokáže takový systém odhalit například nebezpečí teroristického útoku?
Zcela jistě ano. Ale je potřeba, aby byl se systémem propojen nějaký bezpečnostní analytik, který bude určovat, co má software přesně sledovat. V Bruselu došlo v roce 2016 k teroristickému útoku na letišti, kdy teroristé stáli s načasovanou pumou v aktovce a s vozíkem ve frontě na odbavení, kde odpálili výbušninu. Ačkoliv stáli ve frontě na odbavení kufrů a měli vozík na kufry, samotný kufr vůbec neměli a stáli tam jen s příručním zavazadlem. Kdyby bezpečnostní analytik nadefinoval situaci, kdy někdo stojí ve frontě na odbavení kufrů a nemá kufr, jako podezřelou, pak by je systém detekoval. Je ale potřeba, aby situace definoval někdo, kdo zná to konkrétní prostředí.
Co se děje v případě, že systém něco podezřelého zaznamená?
Takže pokud systém detekuje třeba toho člověka bez kufru ve frontě na odbavení, automatizovaně tuto informaci předá bezpečnostní obsluze, což může být policie nebo bezpečnostní agentura. Může být nadefinováno několik kategorií hrozeb a obsluha dostává online informaci: pozor, stojí tam člověk s vozíkem bez kufru.
Co když je potřeba nějaký dřívější záznam?
To je forenzní část systému a je důležitá například pro kriminální policii. Představte si třeba nějaký komplex nebo i město se stovkami kamer. Někde se stane zločin a vy sice víte, kde se to stalo, najdete ten záznam, ale chcete třeba najít pohyb té osoby, kde ho zaznamenala jiná kamera. A to je pro policii práce na týdny, kdyby museli vyhodnocovat hodiny záznamu na stovkách kamer. My umíme nadefinovat podle toho jednoho záznamu požadovaný objekt. Například: člověk, modrá bunda, zelené kalhoty. A systém ze všech záznamů vybere jen ty, kde se vyskytl člověk v modré bundě a zelených kalhotách.
Kde kamery s vaším systémem pracují?
Máme s některými klienty podepsané mlčenlivosti, tak bych nerad jmenoval. Ale pro potřeby statistik to využívají například pražská obchodní centra. Forenzní část využívá kriminální policie. Máme také několik parkovacích areálů. Takový systém ovšem není jednoduché uvést na trh. Jde o uzavřenou komunitu bezpečnostních agentur nebo dispečerů a bylo složité tam proniknout. A to nemluvím o státní správě. Nám se zpočátku podařilo získat zákazníky v privátním sektoru a pak jsme se teprve mohli ucházet o zakázky ve výběrových řízeních.
Váš systém je na trhu dva roky. Jak dlouho trval vývoj?
Vývoj vlastně stále trvá, protože systém rozvíjíme. Ale ta hlavní fáze zabrala dva až tři roky. My jsme ovšem vycházeli z předchozích zkušeností, kdy jsme už podobné rozpoznávací systémy zaváděli. Pro firmy jsme vyvíjeli detekování druhu odpadu nebo rozpoznávací systém odcizených předmětů na aukcích. Když existuje fotografie kradeného předmětu, dokážeme ho najít kdekoliv na internetových aukcích. Pomáhali jsme také dodávat českému výrobci doplňkový systém k alarmu, který dokáže rozeznat člověka od zvířete. To byl totiž dříve velký problém bezpečnostních kamer. Někdo dal kamery do domu, ale protože měl v domě přes den dogu, tak mu ji ten systém pokaždé detekoval jako vetřelce.
Jak systém rozezná, že jde o člověka nebo zvíře? Dokáže odlišit například i muže od ženy?
Rozpoznat člověka od zvířete je poměrně jednoduchá úloha. Stojí to na tom, že neuronovou síť ten objekt naučíte poznávat. Když se vy podíváte do prostoru a vidíte židli, stůl, sklenici, tak máte ty objekty také naučené. Pokud tedy systém naučím, že objekt kočka má takové a takové vlastnosti, a on pak tyto vlastnosti detekuje na obrazu z kamery, rozpoznal kočku. Rozpoznat muže a ženu by také šlo, pakliže nadefinujeme nějaké rozdíly. Když určíme, aby systém hledal dlouhé vlasy, kabelku a sukni, tak pozná ženu. Ale v dnešní době to v tomto ohledu zas tak jednoduché není.
V souvislosti s kamerami se ale hovoří i o tom, že je to příliš velké narušování soukromí občanů nebo že hrozí zneužití záznamu.
U soukromých subjektů to problém zcela jistě je a bude to problém i nadále. Soukromé subjekty pořizují záznam a většinou to mají nahlášeno na úřadě, takže je to legální. Často potřebují záznamy uchovávat, protože například v případě stavebních areálů, kde řeší rozkrádání materiálu, se potřebují podívat na záznamy z kamer i několik měsíců zpět. Čili problém se zasahováním do soukromí tu je. U veřejné správy by to ale podle mě takový problém být neměl. Policie by ten záznam prostě měla mít k dispozici vždy. Náš systém má navíc tu výhodu, že umíme vyhodnocovat v reálném čase bez nutnosti pořizovat a tedy ukládat záznam.
Kam byste se chtěli na poli rozpoznávacích kamerových systémů posunout do budoucna?
Chtěli bychom systém propojit s dalšími technologiemi ve městě, aby sloužil jako komplexní inteligentní vyhodnocovací nástroj v oblasti smart city. Už existují například chytré lampy, které se rozsvítí, když se blíží chodec, nebo semafory, které detekují chodce, aniž by musel mačkat tlačítko. To všechno by mohla zajišťovat jedna kamera namísto několika samostatných zařízení.
