Phát hiện các tình huống hay hành động có nguy cơ cao trước khi chúng xảy ra là một trong những động lực cốt lõi đằng sau sự phát triển của trí tuệ nhân tạo (AI) cho các ứng dụng phục vụ giám sát an ninh. Với sự hỗ trợ của AI, các nhà khai thác các giải pháp giám sát an ninh có thể vượt xa hơn việc giám sát hình ảnh đơn thuần, tận dụng mọi frame hình và dữ liệu có sẵn để xác định sớm các mối đe dọa và phản ứng kịp thời. AI vẫn là một công nghệ mới; tuy nhiên, những khả năng và lợi ích của nó mang lại được tận dụng để giảm thiểu các rủi ro, tối đa hóa việc phòng ngừa tội phạm, trợ giúp người bị xâm hại kịp thời.
Trước đây, hình ảnh video được lưu trữ trong một thời gian ngắn trước khi bị ghi đè. Ngày nay, các phân đoạn của AI – chẳng hạn như phân tích video, học máy và học sâu – tận dụng khối lượng lớn dữ liệu được tạo ra bởi hệ sinh thái IoT để phân biệt các mẫu hình ảnh có ý nghĩa trong tập dữ liệu, sau đó được chuyển thành thông tin chi tiết hữu ích, nhằm củng cố các chiến lược ngăn chặn tội phạm trong thế giới xung quanh. Công nghệ này cho cái nhìn toàn diện hơn về dữ liệu, kết nối các điểm dữ liệu riêng lẻ để mô tả những gì đang xảy ra, để nhanh chóng xác định các tình huống rủi ro cao trước khi chúng leo thang trở thành mối đe dọa thực sự.
Nhu cầu ngày càng tăng
Thị trường tổng thể cho phân tích video thời gian thực ước tính khoảng 3,2 tỷ USD trên toàn thế giới vào năm 2018 và dự kiến sẽ tăng lên 9 tỷ USD vào năm 2023, theo Brandessence Market Research có trụ sở tại London. AI không còn chỉ là một từ thông dụng hay một xu hướng nữa – nó đang trở thành một thành phần không thể thiếu trong kho dữ liệu ngày càng phát triển của chúng ta.
Trái với suy nghĩ của nhiều người, AI không phải là tài sản độc quyền của các gã khổng lồ có công nghệ phát triển như Google, Amazon hay Apple, những nơi chủ yếu sử dụng AI để tối ưu hóa nhận dạng giọng nói và hình ảnh cũng như quản lý nội dung. Mối quan tâm về an ninh trong thế giới thực ngày càng tăng cũng là chất xúc tác cho sự phát triển bền vững của AI.
Do những mối đe dọa từ các vụ xả súng trong trường học đã khiến nơi này là một trong số những nơi đầu tiên áp dụng AI vào giám sát an ninh; Trên thực tế, họ chiếm khoảng 450 triệu USD thị phần vào năm 2018, theo IHS Markit. “Chúng tôi đang tìm kiếm các giải pháp giúp chúng tôi xác định mọi thứ trước khi chúng xảy ra hoặc có thể ngay khi chúng xảy ra để chúng tôi có thể chỉ cần phản ứng nhanh hơn một chút”, Paul Hildreth, điều phối viên hoạt động khẩn cấp của Trường học Quận Fulton của Atlanta, nói với Los Angeles Times trong một cuộc phỏng vấn vào tháng 9 năm 2019.
Phân tích video dựa trên AI cũng tạo ra hiệu quả và cung cấp các thông tin không liên quan đến bảo mật khác cho các doanh nghiệp. Ví dụ, trong thị trường bán lẻ, các chủ cửa hàng sử dụng camera giám sát với tính năng phân tích có thể phát hiện những kẻ gian lận trong cửa hàng và cảnh báo nhân viên an ninh can thiệp theo thời gian thực. Phân tích tại cửa hàng cũng có thể đo lường các điểm nóng, lưu lượng khách, thời gian dừng và hoạt động trưng bày sản phẩm. Các thành phố thông minh cũng đang tận dụng mạng lưới các cảm biến thông minh để thu thập dữ liệu và tổ chức phản ứng của hệ thống đối với các sự cố khi chúng xảy ra, cũng như cải thiện các quy trình như phân luồng giao thông.
Cảnh sát ở New York, New Orleans và Atlanta hiện sử dụng camera được trang bị phân tích video để cải thiện công tác điều tra. Ở Hartford, Conn., Một hệ thống mạng của cảnh sát gồm 500 camera, bao gồm một số được hỗ trợ bằng AI, có thể tìm kiếm video hàng giờ để tìm những người mặc quần áo nhất định hoặc sử dụng tính năng nhận dạng biển số xe để xác định những nơi mà một chiếc xe khả nghi được nhìn thấy lần cuối. Các đơn vị này cũng có thể đưa ra các cảnh báo nhỏ, phát hiện các đối tượng và người bị bỏ rơi, cũng như các đối tượng chuyển đến một trạng thái được xác định trước. Những hệ thống này đại diện cho một số những nơi sớm áp dụng phân tích video trong các ứng dụng giám sát ở Mỹ.
Sự nổi lên của lĩnh vực phân tích hành vi
Phân tích hành vi, một tập hợp con của AI, đã nổi lên như một trong những công cụ để thực hiện điều đó. Kết hợp phần cứng máy tính thế hệ mới, học sâu và sự gia tăng dữ liệu tạo nên kho dữ liệu ngày nay, phân tích hành vi nhận ra các tình huống nguy hiểm dựa trên việc phát hiện các tư thế nhất định của con người – có thể là cánh tay giơ lên của nhân viên thu ngân hoặc một người nào đó cúi xuống gần một máy ATM.
Phân tích hành vi cũng có thể được sử dụng để đảm bảo an toàn tại nơi làm việc – ví dụ: theo dõi xem nhân viên có đang nắm tay vịn khi sử dụng cầu thang hay không và gửi cảnh báo có người đang đi xuống. Một số phần mềm thậm chí có thể phát hiện một tay súng khả nghi trong thời gian thực, truyền cảnh báo tức thời đến những đội phản ứng đầu tiên để giúp giảm thiểu rủi ro cho sinh viên, nhân viên và các cơ quan.
Việc áp dụng phân tích hành vi sẽ chỉ phát triển trong tương lai. Trong khi đó, phân tích hành vi đã nâng cao nhận thức về giá trị của các hệ thống giám sát được tăng cường bởi AI và lợi ích của chúng đối với các doanh nghiệp trong một số ngành.
Cơ sở hạ tầng cần phải theo kịp
Khi phân tích AI đưa các giải pháp giám sát lên hàng đầu trong việc phát hiện tội phạm, hệ thống lưu trữ dữ liệu và các công nghệ giúp cho các giải pháp này phải hoạt động ở mức cao nhất. Mạng neuron có thể đáp ứng nhu cầu của cơ sở bằng cách học từ dữ liệu video thu được tại chỗ; nhưng không có việc học nào có thể diễn ra nếu thông lượng ghi hình không có độ tin cậy cao. Hơn nữa, không đâu trong số những thông tin chi tiết về học tập sâu đó sẽ có thể mang lại lợi ích cho tổ chức nếu khung hình video bị giảm do hệ thống lưu trữ hoạt động kém.
Để các hệ thống giám sát thông minh với phân tích AI hoạt động tối ưu, cơ sở hạ tầng lưu trữ đám mây phải phát triển. Để đáp ứng luồng video và siêu dữ liệu như vậy từ hệ thống AI cho giám sát, cần có một kiến trúc mới tích hợp cả điện toán đám mây và điện toán biên. Các nhà sản xuất lưu trữ gọi thiết lập này là IT 4.0.
Việc triển khai các thiết bị và NVR hỗ trợ AI ở rìa mạng cho phép các phân tích ban đầu diễn ra tại chỗ, gần nơi dữ liệu được thu thập nhất. Điều này làm giảm độ trễ và cải thiện hiệu quả; do đó, ví dụ, cho phép nhân viên an ninh tại một trường đại học nhận được thông báo ngay lập tức nếu có một cá nhân có hành vi trái phép, bị camera ngoài trời phát hiện, bước vào sân vận động bóng đá sau giờ làm việc.
Với kiến trúc CNTT 4.0, sau khi xử lý cơ bản diễn ra ở rìa, video và dữ liệu sau đó được chuyển sang môi trường tập trung để lưu giữ lâu dài và học sâu. Tiếp tục với ví dụ về giáo dục, một trường đại học vận hành đám mây public hoặc private có thể tổng hợp video và dữ liệu từ tất cả các hệ thống giám sát được triển khai trên các phòng ban khác nhau trong khuôn viên trường. Với bức tranh tổng thể này, hiệu trưởng trường có thể xác định các mô hình giao thông đi bộ trong khuôn viên trường và những nắm bắt khác để hỗ trợ lập kế hoạch hoạt động.
Xây dựng kho lưu trữ để chứa các hệ thống giám sát tiêu chuẩn là một chuyện; tuy nhiên, việc xây dựng bộ nhớ để hỗ trợ các ứng dụng Big Data sử dụng hàng chục camera độ nét cao và xử lý các sự kiện AI đồng thời lại là một việc hoàn toàn khác. Đi sâu vào các thành phần lưu trữ, điều quan trọng là các nhà tích hợp phải xem xét các ổ cứng cung cấp khả năng cho các thiết bị và máy chủ của khách hàng của họ. Các ổ cứng này phải “ghi” một lượng lớn dữ liệu, khi cảnh quay được truyền từ rìa lên đám mây và “đọc” cùng dữ liệu đó trong thời gian thực, để phát hiện, xác định và cung cấp thông tin chi tiết một cách thông minh.
Như một giải pháp thực tiễn, các nhà tích hợp nên hoán đổi các ổ cứng tiêu chuẩn – vốn chỉ được thiết kế để hoạt động 40 giờ một tuần – để có lợi cho các ổ cứng được tối ưu hóa cho giám sát được xây dựng cho khối lượng công việc 24/7. Họ cũng nên tìm kiếm phần mềm theo dõi sức khỏe hệ thống tích hợp để xác định bất kỳ vấn đề nào có thể dẫn đến mất dữ liệu trước khi xảy ra lỗi, cũng như sẵn sàng dịch vụ khôi phục dữ liệu để thêm phần an tâm cho khách hàng.
