Как и зачем за нами следят для нашего же блага?

С каждым годом наши автомобили становятся всё умнее. Конечно, до войны между десептиконами и автоботами ещё далеко, но зачатки искусственного интеллекта поселились уже почти в каждом транспортном средстве.

В мире и в России в частности набирает популярность вопрос этичности сбора и хранения биометрических данных, а также приватности частной жизни. Например, осенью прошлого года в Москве активистка Алёна Попова подала в суд на власти Москвы с требованием запретить использование распознавания лиц в городской системе видеонаблюдения.

Ранее в Сан-Франциско власти запретили использование технологии, потому что по их словам распознавание лиц может привести к нарушению неприкосновенности частной жизни. При этом есть другая сторона медали — видеоаналитика на базе искусственного интеллекта помогает эффективно искать преступников в крупном городе.

Можно долго рассуждать о корректности внедрения технологий видеоаналитики в инфраструктуру города. Но уже существуют индустрии, где всеобщий контроль и обработка видеоданных, — это логичное продолжение технического прогресса, а также новые направления для повышения безопасности, уровня комфорта людей и создания новых отраслей. 

Согласно последним исследованиям компании Inkwood Research, рынок видеоаналитики вырастет с $3647 млн в 2018 г. до $20450 млн к 2027 году, со среднегодовым темпом роста в 20,61%. При этом аналитика затронет все виды деятельности человека и бизнеса, включая производство и эксплуатацию автомобилей в личных целях или для нужд транспортных предприятий.

По прогнозам исследователей компании IHS Markit, мировой рынок устройств с распознаванием автомобильных номеров к 2022 году достигнет $800 млн с ежегодным ростом в 16%. Но уже сегодня очевидно, что распознаванием номеров дело не ограничится.

Что такое видеоаналитика?

Видеоаналитика — технология на базе компьютерного зрения, которая использует визуальные данные для автоматического анализа ситуаций без прямого участия человека.

Использование программных модулей видеоаналитики может влияет на автомобильный бизнес и в целом на культуру вождения. Например, компания Ivideon получает запросы на реализацию подсчёта пассажиров в общественном транспорте, контроля рабочего времени водителя, обнаружения постороннего лица за рулём автомобиля или запуска двигателя по скану лица.

Какая видеоаналитика применяется в сфере транспорта

1. Распознавание номеров

Первая система, которая уже широко используется в мире — автоматическое распознавание номерных знаков или Automatic Number Plate Recognition (ANPR). Функция предназначена не только для борьбы с нарушителями ПДД, но и для повышения эффективности работы с клиентами торговых центров, автосервисов, моек, фитнес-клубов и т.д.

ANPR способна решить одну из насущных проблем жителей крупных городов — распределение парковочных мест. С помощью камер видеонаблюдения система умеет находить пустые места на парковке, сообщать об этом водителю или охраннику на КПП.  Можно пойти дальше и объединить ANPR с платёжной системой, чтобы оплата парковки автоматически списывалась с карты водителя.

Пример! Камера считывает номер подъезжающей машины и обращается к базе номеров. Если автомобиль зарегистрирован – шлагбаум поднимается. Скорость обслуживания увеличивается, а затраты человеческих ресурсов снижаются. В таком случае охранник для контроля проезда и выезда не нужен.

В сентябре 2020 года в Москве дорожные камеры начали фиксировать движение через парковочные места. При нарушении парковочной разметки система регистрирует номер автомобиля нарушителя и выставляет штраф.

Изображение transport.mos.ru

2. Распознавание лиц и голоса

Очень интересное решение для автомобильного бизнеса. «Яндекс» активно тестирует авторизацию водителей сервиса «Яндекс.Такси» с помощью этой технологии. Подтверждением личности служат индивидуальные характеристики водителя: черты лица и голос. Такие «ключи» нельзя забыть дома, потерять или передать другому. Они всегда с собой. Запуск двигателя возможен только после прохождения верификации.

Такая система не допустит нахождение постороннего за рулём такси, повысит безопасность и престиж сервиса в глазах клиента. «Яндекс.Такси» до 2022 года вложит 4 млрд рублей в развитие технологий, обеспечивающих безопасные поездки в регионах.

Компания Apple своими сервисами также помогает продвигать технологию распознавания лиц. ИТ-гигант запустил возможность использовать «яблочные» девайсы владельца в качестве NFC-ключа от автомобиля. Пользователи iPhone или Apple Watch смогут создавать свои виртуальные ключи для автомобилей, а затем использовать их, чтобы открыть машину и запустить двигатель. По примеру Apple Pay, функция будет работать через верификацию с помощью Face ID или Touch ID. Однако на текущий момент на рынке нет доступных автомобилей с поддержкой цифровых ключей Apple.

3. Driver Monitoring Systems

Согласно исследованию американской автомобильной ассоциации (ААА), около 10% всех происшествий на дорогах США происходят по причине усталости водителей. К сожалению, подобных исследований по российскому и мировому рынку нет, но можно предположить, что ситуация схожа.

Для контроля усталости наиболее эффективно могут проявить себя DMS (Driver Monitoring Systems) или системы слежения за водителями. Этот программный модуль позволяет зафиксировать случаи «нежелательного» или небезопасного поведения со стороны водителя во время поездки. Сюда относятся не только «клевания» носом, но и курение, приёмы пищи или разговор по телефону за рулём.

4. Помощь при вождении и парковке

В современных авто широко применяются функции ADAS (Advanced Driving Assistance Systems – системы помощи при вождении). Эти модули с помощью камер помогают водителю следить за дорогой и реагировать на возникающие изменения. Похожие технологии лежат в основе автопилотируемых автомобилей, таких как Tesla:

Яркий пример одной из систем ADAS — функция автоматической парковки. В 2020 году Ford и Bosch в тестовом режиме представили комплект для автоматической парковки машин. С помощью инфраструктуры с установленными датчиками и камерами  автомобиль может свободно маневрировать и парковаться без участия водителя.

4. Интеллектуальные транспортные системы

3 августа этого года стало известно, что Челябинск вошёл в число городов, которые используют дорожные камеры с технологией искусственного интеллекта. Они распознают ДТП на семи перекрёстках города и автоматически отправляют сигнал медицинским службам, если двери автомобилей после аварии не открываются.

Ещё одним примером использования интеллектуальных транспортных систем (ИТС) являются платные участки федеральных трасс. На таких участках камеры отслеживают трафик, оповещают водителей о погодных условиях, сообщают водителям об изменениях обстановки на дороге или погодных условиях. Условный аналог подсказок «Яндекс.Навигатора», но за пределами мобильного телефона.

5. Повышение эффективности общественного транспорта

Интеллектуальные системы видеонаблюдения дают преимущества для пассажиров, перевозчиков и транспортных агентств. Вот несколько решений, которые предлагает видеоаналитика для улучшения системы общественного транспорта.

Контроль пассажиропотока. Аналитику можно использовать для улучшения работы траспорта в часы пик. Система может подсчитывать число людей, входящих в вагон метро или автобус и направлять водителю сигнал при достижении максимального числа пассажиров в салоне.

Она также поможет транспортным компаниям более эффективно управлять загрузкой водителей: подскажет, когда нужно выпускать больше транспортных единиц в часы пик или наоборот снимать с линий пустующий транспорт.

Анализ поведения. Видеоаналитика помогает предсказывать нетипичное или агрессивное поведение людей по заданным параметрам: например, может определить, что пассажир в потоке слишком активно размахивает руками – значит высока вероятность потасовки. Автоматизация процесса поиска нарушителей порядка поможет службам безопасности быстро реагировать на инциденты.

В качестве актуального примера повышения уровня цифровизации в общественном транспорте можно привести московское метро. Недавно власти Москвы на нескольких станциях подземки начали тестировать сервис FacePay для оплаты проезда по скану лица.

Сложности внедрения видеоаналитики в транспорте

Качество интернет-соединения. Ключевая проблема организации видеонаблюдения на транспорте – низкая стабильность интернета. Если в крупных городах и окрестностях покрытие более-менее постоянное, то на междугородних трассах или в небольших городах стабильность интернета оставляет желать лучшего. В таких условиях аналитический модуль не всегда сможет в режиме реального времени давать подсказки водителю. Единственное эффективное решение проблемы на сегодняшний день – это установка edge-устройств с аналитикой на борту и периодической передачей статистики в облако.

Цена. Для того чтобы программные модули видеоаналитики приобрели большую популярность, работающие с ними устройства должны быть дешёвыми. С появлением дешёвых миниатюрных материнских плат, например, Nvidia Jetson Nano с достаточно мощным графическим процессором на борту, это стало возможным.

Инфраструктура. Недостаточно развитая инфраструктура во многих странах (в первую очередь слабое освещение) снижает эффективность систем видеоаналитики на транспорте. В таких условиях увеличивается количество ложных срабатываний, которые требуют проверки со стороны человека, а это снижает уровень доверия к самой системе.

Прогноз по развитию рынка видеоаналитики

В ближайшие пару лет споры об этичности использования ИИ в жизни горожан точно не утихнут. Однако история показывает, что технический прогресс невозможно полностью остановить. Другой вопрос — как эти технологии применяются. Пример автомобильного рынка показывает, что в правильных руках этот инструмент может стать серьёзным подспорьем для перехода всей индустрии на качественно новый уровень безопасности, комфорта и пользовательского опыта.

База для развития видеоаналитики – улучшение инфраструктуры, то есть увеличение количества установленных камер. Аналитики компании Market Research Future прогнозируют, что объем мирового рынка видеонаблюдения на транспорте в 2023 году составит $29,85 млрд при среднем росте в 26% ежегодно.

По версии MarketsandMarkets основными драйверами для роста рынка видеоаналитики сегодня выступают следующие факторы:

·   Фокус государства на повышение общественной безопасности.

·   Появление новых сфер применения: контроль физического дистанцирования и эффективное отслеживание контактов, прогнозирование или идентификация скопления людей, контроль рабочего времени, выявление нарушителей.

·   Рост числа инициатив по созданию умных городов по всему миру.

·   Облачные технологии, внедрение которых снижает стоимость владения инфраструктурой.

·   Рост спроса со стороны интенсивно развивающихся стран, таких как Китай и Индия.

В 2020 году рынок видеоаналитики остаётся развивающимся, разнообразным и ещё далеким от перенасыщения. Несмотря на очевидные трудности по внедрению и распространению технологиии, видеоаналитика становится всё более доступной и уже применима для решения проблем не только в транспортной, но и других сферах.

Виталий Виноградов, менеджер по продуктам Ivideon

• видеоаналитика
• искусственный интеллект