弱電産業におけるAIの応用動向

近年、セキュリティ業界では、デジタル化された人工知能の学習および認識技術の概念がかなり普及しています。それらはセキュリティとどのような関係があるのでしょうか?セキュリティ監視にどのように適用するのでしょうか?このタイプの AI の最も一般的な用途は何ですか?

[[419253]]

1. データ収集と組み合わせたセキュリティAI

世界中で道路監視システムが台頭して以来、世界各国の都市監視建設は拡大と構造変化の段階に入ろうとしています。この需要の変化により、セキュリティ監視システムはより多様化され、人工知能に基づいた総合的なソリューションを必要とします。現代の公共安全は、ビデオ監視のカバー密度、広さの無制限な拡大、超高精細解像度の追求に限定されなくなり、これらの人工知能の手段とツールを通じて、従来のセキュリティ時代はさらに一歩進み、データの収集、応用、管理に重点を置く人工知能セキュリティ時代へと移行しました。

都市道路監視の構築は世界中で急速に発展しており、さまざまな国の街路や交差点のいたるところにさまざまなカメラ監視設備が見られ、都市の公安や公安偵察業務に利便性と画像の即時性を提供しています。しかし、監視デバイスの数の大幅な増加と画像解像度の継続的な向上により、公安が収集する画像と写真の量は飛躍的に増加しています。画像解像度の向上と相まって、サーバーの処理能力と利用率も高まり、閾値も高くなっています。したがって、セキュリティビデオ監視は、画像検索、アクセス制御データ、データストレージ、コンピューティングテクノロジーの面で大きな課題に直面しています。

2. AIとセキュリティ監視の応用技術

このような課題に直面し、セキュリティ監視ユーザーが既存の人工知能技術を活用して、急増するデータから貴重な情報をいかに迅速に取得できるかが、現在最も重要な課題となっています。以下は、セキュリティ監視と組み合わせたいくつかの AI テクノロジーの簡単な説明です。

1. 人工知能パターン認識技術

通常、監視システムによって収集された画像データは、それ自体には価値がありません。真に有用な価値を生み出すには、画像に表れるデータパターンを深く掘り下げて分析する必要があります。今後はビッグデータの時代となり、データのパターン認識が大きな注目を集めることになります。

2. 人工知能のディープラーニング技術

これは、AI マシンのディープラーニング研究における新しい分野です。その目的は、分析と学習のために人間の脳のニューラル ネットワークを構築してシミュレートすることです。人間の脳の行動思考メカニズムを模倣して、画像の内容、音声、データ自体などのデータを解釈します。今後AIマシンディープラーニングが普及するためには、データ自体が最も重要なキーファクターとなり、画像監視データはビッグデータ全体の60％以上を占めています。つまり、画像監視分野のデータ分析の70％以上が画像認識に利用されていることになります。現在、このようなAIマシンのディープラーニングは、歩行者検知、車両検知、静止車両検知など、セキュリティ業界の多くの分野で大きな進歩を遂げており、その認識精度は人間の目の判断をも上回っています。

3. AIフロントエンド認識技術

先進的な製品技術はハイテク企業の長期的発展の基盤です。セキュリティ監視をインテリジェント化するには、一連のインテリジェント監視アプリケーション機器を開発するために、システムにAI人工知能に基づく「画像認識」コンピューティング技術が必要です。そのため、フロントエンド認識技術はAI人工知能の3番目の必須技術となっています。

3. データセキュリティとプライバシー保護

データセキュリティと個人のプライバシーの保護の程度によって、人工知能がどこまでできるかが決まります。

データセキュリティには 2 つの意味があります。

まず、ユーザーデータが破損したり失われたりしないことを保証します。このような事態が発生する可能性は低く、クラウドでのデータ保存ははるかに安全です。

2 つ目は、主な懸念事項であるデータの漏洩や悪用を防止することです。

電子商取引、航空旅行、金融融資、医療業界など、世界中で多くのデータ侵害が発生し、国民の怒りを巻き起こしています。

2017年には、米国の信用調査会社エキファックスの情報漏洩だけでも、1億4,300万人もの氏名、住所、生年月日、社会保障番号、運転免許証などの機密情報が漏洩した。

人々はデータのプライバシーの侵害を容認できません。情報の漏洩や悪用を許せば、企業は世論の渦に巻き込まれ、事業展開の困難さから、最終的には人工知能の発展を阻むことになるだろう。

4. 姿勢認識技術

姿勢認識技術とは、個人の歩行姿勢を指し、遠距離からでも認識できる生物学的行動特性技術です。他の生体認証技術と比較すると、ジェスチャー認識の利点は、非接触、非侵襲、認識が容易、対象を隠したり偽装したりすることが難しいことです。姿勢分析では、歩いているのか、走っているのか、重い物を運んでいるのかなど、個々の人のさまざまな行動パターンを簡単に区別することもできます。これらの利点に基づいて、ジェスチャー認識は、アクセス制御システム、セキュリティ監視、人間とコンピューターの交換、医療診断などの部分に特に適しており、特にセキュリティの分野では、幅広い用途と経済的価値があります。

姿勢分析の技術的な難しさは、その特徴の安定性にあります。病気や怪我、体型の変化、衣服の着用量、さらには着心地によって人の姿勢が変化する可能性があるためです。この問題を克服するために、一部のメーカーは、研究開発に機械学習のディープラーニング手法を追加し、姿勢のベクトル図を使用して姿勢のシーケンスを記述し、ディープ累積ニューラルネットワークを通じてマッチングモデルをトレーニングしています。学習された累積ニューラルネットワークマッチングモデルは、識別する姿勢画像と登録された姿勢画像の順序を計算し、各姿勢ベクトルグラフの類似度を比較し、類似度の大きさに基づいて同一性認識を行うことができます。ジェスチャー認識アプリケーションは全天候型モードを使用し、特定のセキュリティシナリオにおいて、離れた場所にいる個々のターゲットの身元を迅速かつ正確に特定できます。そのため、研究者は将来的に大規模なジェスチャーデータベースを構築する必要が必然的に生じます。ジェスチャー認識技術は、画像の解像度が低い場合の個人識別の問題を解決し、ユーザーに重要な識別検証の手がかりを提供します。

5. 3Dカメラ技術

身長は人体の重要なデータ特性の一つであり、観光スポットの入り口や駅の切符売り場など、特定の場所では身長要件が明確に規定されています。定規を使用して高さを測定する従来の方法は、操作が簡単ですが、測定対象者の協力が必要で、時間がかかり、精度も低くなります。超音波、赤外線などの方法では、高精度の自動測定を実現できますが、測定環境条件に多くの制限があり、公共の場での使用には適していません。3Dコンピュータービジョンテクノロジーを使用した3Dカメラは、上記の問題をうまく解決し、マルチシナリオ、非接触、自動測定を提供できます。 3D カメラは深度センサーを使用して実際のシーンの深度データと色情報を取得し、座標変換によって深度データと 3D 座標の対応を確立し、ノイズ低減やアライメントなどのアルゴリズムを使用して干渉を除去し、エラーを減らします。最後に、3D 再構築を使用して高さなどの情報を取得します。

3Dカメラは測定対象物に接触する必要がありません。対象物が測定現場に入ると、自動的に複数の人間ターゲットを捕捉して測定します。位置合わせ後は照明に対する安定性が強く、現場の照明の変化に適応できます。そのため、精度と即時性も高く、セキュリティ画像監視分野での応用がますます重要になります。現段階で、個々の人物の多様な特徴、姿勢認識、3Dカメラなどの先進的なAI分析技術を組み合わせて、新世代のインテリジェント画像分析および監視ソフトウェアプラットフォームを構築できれば、セキュリティ監視システムの構築に役立ち、データ分析の先駆者となるでしょう。

6. 弱小な現在のビッグデータの未来を推進する

AI分析市場の革新に牽引され、人々はビデオ監視から貴重なデータ情報をマイニングしています。これは、人、物、オブジェクトに関する基本情報に限定されません。同時に、メーカーの強力な研究開発能力に頼って、セキュリティビッグデータから収集された重要な情報を継続的かつ効果的に補完する必要があります。これにより、最終的なビッグデータプラットフォームに付加価値の高いデータがもたらされるだけでなく、セキュリティ業界のデータにおける詳細なAIアプリケーションに無限の製品開発の原動力が提供されます。