Como usar I.A para melhorar sua central de monitoramento?

Atualmente as centrais de monitoramento possuem alguns problemas que são oriundos do paradigma atual de monitoramento.

Por que uma pessoa ou empresa compra uma câmera de segurança?

  1. Para aliviar a preocupação?
  2. Aumentar a sensação de segurança?
  3. Gerar evidências para conferência futura?

Logo, se você ou sua empresa estão correndo algum perigo e precisam tomar uma decisão em tempo real, necessariamente alguém precisa assistir aquele vídeo no momento certo. Assim são as centrais de monitoramento: Inúmeras telas com inúmeras imagens diferentes para algumas pessoas observarem e tomarem alguma ação.

Essa abordagem é justamente onde mora o problema.

O paradigma do uso de câmeras atualmente é que as imagens obtidas são usadas apenas de forma documental e investigativa. Isso gera alguns problemas:

  • Não escala – Você precisa contratar pessoas por diferentes turnos;
  • Baixa precisão – Uma pessoa não consegue manter a precisão e prestar atenção em mais de 4 vídeos ao mesmo tempo, concluindo que quanto mais telas menos precisão. Observando 16 imagens simultâneas a precisão é de 41%, segundo um estudo da polícia britânica[CITAR];
  • Alto custo – Muitas pessoas trabalhando = alto custo;
  • Alto esforço de monitoramento – Muitas pessoas para poucos vídeos;
  • Pouca informação – As pessoas não guardam informações passadas tão bem quanto um computador.

Nesse caso o potencial das imagens é subutilizado!

Para que tudo isso aconteça bem e com baixo custo seria necessário ter uma pessoa, que:

  • não pisque
  • não coma
  • não canse
  • não adoeça
  • não tenha sentimentos (engenharia social)

Enfim, precisa ser um robô e imparcial na análise.

Essa é a proposta de usar uma Inteligência Artificial em centrais de monitoramento.

Nesse novo paradigma do uso de I.A em câmeras, as imagens são usadas de forma ativa e com análise em tempo real. Esse paradigma utiliza o potencial das imagens capturadas pelas câmeras, para tomada de ação imediata.

Utilizando a plataforma Gryfo para otimizar sua operação

A Gryfo tem uma plataforma web, onde você conecta suas câmeras e configura alguns parâmetros, para que o sistema te avise quando ocorrer algo fora do esperado. Por exemplo, tem alguma pessoa que está sendo procurada? Você pode procurar na base de dados apenas com uma foto, ou ainda cadastrar uma foto dessa pessoa que o sistema te avisa quando ela aparecer nas câmeras.

Listagem de Cameras
Listagem de Câmeras

Caso tenha alguma pessoa que não está cadastrada, o sistema já entende que é um desconhecido e o cadastra com um identificador único. Com o sistema Gryfo, você consegue saber quantas vezes aquele mesmo indivíduo passou nas suas câmeras, se é um visitante muito reincidente e também pode cadastrá-lo para whitelist ou blacklist, dependendo do comportamento.

Detecção de Faces
Detecção de Faces

Por fim, o sistema pode notificar pelo smartphone, via notificação push ou até mesmo por e-mail, enviando o momento exato do evento e também uma foto para pessoa responsável tomar uma ação mais efetiva. É o que mostra um experimento realizado pela Polícia Britânica (UK Police Scientific and Development Branch) [1, 2].

“(…) pedia-se que funcionários tentassem identificar, diante de telas de videomonitoramento, a imagem específica de uma pessoa usando guarda-chuva em uma rua em meio a uma multidão.”

Experimento realizado pela Polícia Britânica (UK Police Scientific and Development Branch).

Os resultados revelaram que, diante da análise de uma única tela, a taxa de acerto dos operadores era de 85% em achar o evento solicitado (a pessoa com o guarda-chuva). Quando o número de telas observadas subia para 4, a taxa de acerto caía para 74%. Já diante de 6 telas, esse índice despencava para 58%. E, finalmente, diante de 9 telas diferentes, os operadores eram assertivos apenas em 53% das vezes. O experimento nos ajuda a ter certeza de uma conclusão óbvia: quanto mais telas para monitorar, pior a eficiência do operador.

Fontes:

[1] https://news.umbocv.com/how-many-monitors-should-a-cctv-operator-view-10ef0e6f27b7

[2] Howard, Christina J., et al. “Searching for threat: factors determining performance during CCTV monitoring.” Human factors, security and safety (2009): 1–7.

[3] http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.516.1969&rep=rep1&type=pdf

[4] http://www.securitysa.com/article.aspx?pklarticleid=3313

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *