При демонстрация на видеоанализ с ИИ винаги идва един и същ въпрос, зададен от ИТ отговорника или от самия управител: къде отиват изображенията? Мнозина си представят непрекъснато изпращане към далечен сървър през интернет връзката на магазина. В действителност всичко зависи от архитектурно решение, взето много преди първата настройка: локален видеоанализ на GPU в магазина, върху основния поток на вече съществуващите камери.

Тук няма да се връщаме към самото качество на изображението. По-скоро ще проследим пътя на данните, от обектива на камерата до екрана на отговорника: какво остава на място, какво тръгва нататък и какво променя този избор съвсем конкретно за бързината на алертите, за мрежата на магазина и за контрола над данните.

Видеопотокът е тежък, а един голям магазин има десетки такива

Една IP камера обикновено произвежда поне два потока. Основният поток (mainstream) е с висока резолюция. Допълнителният поток (substream) е олекотен и служи най-вече за мозаечно показване и за дистанционно разглеждане. За да се забележи фин жест, например продукт, пъхнат в джоб, или отворена опаковка в сектора, от значение е основният поток: във вторичния ръката заема само няколко пиксела. Разгледахме този въпрос подробно в статията ни за анализа на основния поток в магазина.

Тогава проблемът става аритметичен. Непрекъснатото изпращане на основния поток от двадесет или тридесет камери към отдалечен сървър изисква висока и постоянна изходяща скорост, която много магазинни връзки не гарантират. А тази линия те вече я делят с платежните терминали, касите, пощата, понякога и с Wi-Fi мрежата за клиенти. В събота по време на лятна разпродажба, когато терминалите работят без прекъсване, никой не иска тя да се претовари.

Това ограничение не е ново. В своето проучване за използването на видеотехнологии в търговията, публикувано през 2020 г. и основано на разговори с 22 европейски и американски търговци на дребно, групата ECR Retail Loss вече отбелязва, че няколко участници се тревожат от влиянието на честотната лента и на изчислителната мощ върху използването на видеоанализ.

Защо изчисленията се правят възможно най-близо до камерите

Вместо да се пренасят изображенията, се премества изчислението: това е принципът на edge computing. Изложението EuroShop го обобщава в материал, посветен на edge computing в търговията: към облака се качват само полезните данни, мрежата е разтоварена и реакцията може да е в реално време. За видеото една от възможните форми е специализиран GPU, инсталиран в магазина, който чете потока от камерите и изпълнява модела на място. За оператора разликата се вижда на три места:

  • Латентността. Алертът има смисъл само ако ситуацията все още продължава в сектора, когато той пристигне. Без пътуване на целия поток до център за данни и обратно веригата между жеста и известието се скъсява: при Oxania видеоалертът пристига за по-малко от 10 секунди на мобилен телефон, таблет или компютър.
  • Резолюцията. Тъй като потокът не минава през интернет, няма нужда да се влошава качеството му, за да се побере във връзката. Моделът работи върху изображението във висока резолюция, което позволява да се различи личната чанта от чантата с покупки или да се види, че продукт е бил консумиран преди минаването през касата.
  • Мрежата. GPU сървърът е предназначен за конкретния магазин и е инсталиран на място: четенето и анализът на потока от камерите не изразходват честотната лента на интернет връзката. Потвърждаването на засичанията, изпращането на клиповете към алертите и известията обаче минават през тази връзка, която трябва да остава налична.

Какво остава в магазина и какво излиза от него

Всеки ИТ отговорник накрая задава този въпрос и един лозунг не е достатъчен за отговор. В архитектурата, избрана от Oxania, изображенията от камерите следват три напълно различни пътя:

  • Какво остава на място: непрекъснатият видеопоток от камерите във висока резолюция. GPU в магазина го чете и анализира, а този поток не отива по-далеч. Записите на вашата съществуваща видеосистема остават, както и преди, под отговорността на оператора.
  • Какво тръгва за потвърждение: когато бъде засечен рисков жест, се изпраща компактно цифрово описание на засичането, за да бъде потвърдено. Това не е видео и теглото му няма нищо общо с това на изображенията.
  • Какво тръгва и се съхранява: видеоклипът, свързан с алерта, и само той. Съхранява се на сървъри, разположени възможно най-близо до държавата на клиента, както заради бързия достъп, така и заради спазването на местните правила.

Така подборът се прави още при източника. От часове видео магазина напускат само клиповете, свързани с алерти: тези, които оправдават член на екипа да погледне. Същите клипове се намират и в алерта, с автоматично плавно приближаване към важното място. Човекът, който го получава, разбира сцената с един поглед и решава какво да се прави.

Локално не означава откъснато от света

Трябва все пак да е ясно какво включва локалният инференс. Засичането става в магазина, на специализиран GPU, но обектът остава свързан с облака: нужна му е връзка, за да потвърждава засиченото, да изпраща клиповете към алертите и да доставя известията до устройствата на екипа. Променя се това, което циркулира: няколко съобщения и къси клипове вместо десетки непрекъснати потока. Доставчик, който твърди обратното, докато изпраща алерти на телефона ви, заслужава още един въпрос.

Друг често забравян момент: GPU сървърът е напълно реална машина. Трябва да му се намери място, да се захрани, да се охлади и да се свърже правилно с камерите. Това е работа на интегратора, а резултатът не зависи само от качеството на модела, както обяснявахме във връзка с ролята на интеграторите за ефективността на ИИ камерите. С мрежа от сертифицирани интегратори инсталацията върху съществуващи камери по правило отнема по-малко от един ден.

Пет въпроса, които да зададете преди подписване

Както за един-единствен търговски обект, така и за цяла мрежа, тези пет точки позволяват бързо да се прецени доколко е стабилна една архитектура за видеоанализ:

  1. Анализираният поток: основният, във висока резолюция, или допълнителният.
  2. Къде работи моделът и дали машината е наистина предназначена за вашия магазин.
  3. Какво точно напуска обекта и в кой момент.
  4. Мястото на съхранение на клиповете към алертите: в коя държава и за колко време.
  5. Какво се случва, когато връзката на магазина е прекъсната или влошена.

Очаквайте конкретни отговори. Добре обмислената архитектура се описва с няколко изречения, без жаргон. Доставчик, който не успява, често сам няма ясна карта на потоците си. А ако камерите ви са на няколко години, нашето ръководство за правилен избор на камера за магазин помага да проверите дали осигуряват използваем основен поток.

Архитектура, която служи и на доверието

Запазването на потока на място не се свежда само до въпрос на честотна лента. Това означава и да се ограничи циркулиращото до строго необходимото и да се оставят данните под контрола на търговеца. Принципите на ОИСР за устойчивост, безопасност и сигурност на ИИ препоръчват системите с ИИ да остават безопасни, сигурни и способни да функционират правилно през целия си жизнен цикъл, както и да съществуват механизми, които позволяват те да бъдат спирани, поправяни или извеждани от експлоатация по безопасен начин, ако съществува риск да причинят неоправдана вреда.

В магазина преводът е прост: технологията засича, екипът решава. ИИ анализира жестове, а не хора, и не следи никого от една камера до друга. Пред клипа човек избира дали да отиде в сектора, дали да предложи помощ, или да не прави нищо.

Нищо впечатляващо във всичко това: просто изчисление, извършено на правилното място, и видео, което пътува само когато е нужно. Именно това обаче дава бързи и точни алерти и по-добре контролирани неустановени загуби на стоки. Преди да сравнявате функционалности, поискайте да видите картата на потоците: тя често говори повече от една търговска брошура.