Один из наиболее перспективных вариантов решения проблемы анализа получаемой и накапливаемой видеоинформации – технологии видеоаналитики на основе искусственного интеллекта. Более того, ИИ может радикально изменить принципы работы с большими массивами видеоданных, в частности, он хорошо справляется с поиском видео по заданным человеком параметрам.

Не так давно появился новый подход, основанный на обучении нейронных сетей, и он способствовал значительному прогрессу. Хотя эти разработки пока находятся на ранней стадии, но достижения впечатляют. Самообучающиеся программные инструменты глубокого анализа видеоданных могут быстро находить нужные объекты в терабайтных видеоархивах, помогают оперативно и адекватно реагировать на происходящие или возможные события в режиме реального времени, анализируя потоковое видео. Это коренным образом меняет способы взаимодействия пользователя и систем видеоаналитики.

Сейчас видеоаналитика получает все более широкое распространение. Помогли ей в этом платформы искусственного интеллекта и глубокого обучения. Глубокое обучение и сверхточные нейронные сети (Convolutional Neural Network, CNN), нацеленные на эффективное распознавание изображений, позволяют разработчикам перейти на следующий уровень, который сменит традиционную видеоаналитику. В обозримом будущем можно ожидать дальнейшего усложнения анализа изображений на основе метаданных.

На российском рынке продукты видеоаналитики представлены решениями отечественных и мировых производителей, часто оснащающих свои камеры наблюдения различными встроенными функциями анализа видеопотока. Постепенно видеоаналитика превращается в явление, с которым мы сталкиваемся практически ежедневно. Она используется в сканерах 2D-кодов и отпечатков пальцев, счетчиках посетителей в торговых точках, устройствах слежения за усталостью водителя и др.