Tekoälyllä toteutetun videoanalyysin esittelyssä sama kysymys tulee aina lopulta esiin, joko IT-vastaavan tai itse myymäläpäällikön esittämänä: minne kuvat päätyvät? Monet kuvittelevat, että kuvaa lähetetään jatkuvasti kaukaiselle palvelimelle myymälän verkkoyhteyden kautta. Todellisuudessa kaikki ratkeaa arkkitehtuuriratkaisulla, joka tehdään jo kauan ennen ensimmäistä säätöä: paikallinen videoanalyysi myymälässä olevalla GPU:lla, käyttäen olemassa olevien kameroiden pääasiallista videovirtaa.

Kuvanlaatuun emme palaa tässä uudelleen. Seuraamme sen sijaan datan kulkua kameran objektiivista myymäläpäällikön näytölle: mitä jää paikan päälle, mitä lähtee ja mitä tämä valinta muuttaa aivan käytännössä hälytysten nopeuden, myymälän verkon ja datan hallinnan kannalta.

Videovirta on raskas, ja suuressa myymälässä niitä on kymmeniä

IP-kamera tuottaa yleensä vähintään kaksi videovirtaa. Päävirta (mainstream) on korkearesoluutioinen. Kevennettyä toissijaista virtaa (substream) käytetään muun muassa mosaiikkinäkymässä ja etäkatselussa. Hienovaraisen eleen, taskuun livahtaneen tuotteen tai hyllyssä avatun pakkauksen havaitsemiseen tarvitaan päävirtaa: toissijaisessa virrassa käsi on enää muutaman pikselin kokoinen. Olemme käsitelleet tätä tarkemmin artikkelissamme, joka koskee päävirran analysointia myymälässä.

Ongelmasta tulee tällöin laskutehtävä. Kahdenkymmenen tai kolmenkymmenen kameran päävirran jatkuva lähettäminen etäpalvelimelle edellyttää suurta ja pysyvää lähetyskaistaa, jota monen myymälän yhteys ei takaa. Lisäksi myymälät jakavat tämän yhteyden jo maksupäätteiden, kassojen, viestinnän ja joskus asiakkaiden wifin kanssa. Kesäalen lauantaina, kun maksupäätteet laulavat taukoamatta, kukaan ei halua nähdä yhteyden ruuhkautuvan.

Tämä rajoite ei ole uusi. Videoteknologian käyttöä vähittäiskaupassa käsittelevässä tutkimuksessaan, joka julkaistiin vuonna 2020 ja perustui haastatteluihin 22 eurooppalaisen ja yhdysvaltalaisen jälleenmyyjän kanssa, ECR Retail Loss -ryhmä totesi jo, että useat osallistujat olivat huolissaan kaistanleveyden ja laskentatehon vaikutuksesta videoanalyysin käyttöön.

Miksi laskenta tehdään mahdollisimman lähellä kameroita

Sen sijaan että kuvia siirrettäisiin, siirretään laskenta: tämä on reunalaskennan (edge computing) periaate. EuroShop-messut tiivistävät asian reunalaskentaa vähittäiskaupassa käsittelevässä erikoisaineistossa: pilveen siirtyy vain hyödyllinen data, verkon kuormitus kevenee ja reagointi voi tapahtua reaaliajassa. Videon osalta yksi mahdollinen toteutus on myymälään asennettu erillinen GPU, joka lukee kameroiden videovirran ja ajaa mallia paikan päällä. Toiminnanharjoittajalle ero näkyy kolmessa kohdassa:

  • Viive. Hälytyksestä on hyötyä vain, jos tilanne on vielä käynnissä osastolla, kun hälytys saapuu. Kun koko videovirtaa ei tarvitse kuljettaa edestakaisin datakeskukseen, ketju eleestä ilmoitukseen lyhenee: Oxanialla videohälytys saapuu alle 10 sekunnissa matkapuhelimeen, tabletille tai tietokoneelle.
  • Resoluutio. Koska videovirta ei kulje internetin kautta, sitä ei tarvitse heikentää, jotta se mahtuisi yhteyteen. Malli työskentelee korkearesoluutioisella kuvalla, jonka avulla voi erottaa oman laukun ostoskassista tai nähdä, että tuote on kulutettu ennen kassalle menoa.
  • Verkko. GPU-palvelin on omistettu myymälälle ja asennettu paikan päälle: kameroiden videovirran lukeminen ja analysointi ei kuluta internetyhteyden kaistanleveyttä. Havaintojen vahvistus, hälytysklippien lähetys ja ilmoitukset kulkevat sen sijaan tämän yhteyden kautta, jonka on pysyttävä käytettävissä.

Mikä jää myymälään ja mikä sieltä lähtee

Jokainen tietohallinnon vastaava päätyy esittämään tämän kysymyksen, eikä iskulause riitä vastaukseksi. Oxanian valitsemassa arkkitehtuurissa kameroiden kuvat kulkevat kolmea selkeästi erillistä reittiä:

  • Mikä pysyy paikan päällä: kameroiden jatkuva korkearesoluutioinen videovirta. Myymälän GPU lukee ja analysoi sen, eikä virta kulje pidemmälle. Nykyisen videojärjestelmänne tallenteet pysyvät, kuten ennenkin, toiminnanharjoittajan vastuulla.
  • Mikä lähtee vahvistettavaksi: kun havaitaan riskialtis ele, havainnosta lähetetään vahvistettavaksi tiivis digitaalinen kuvaus. Se ei ole videota, eikä sen koko ole mitään verrattuna kuviin.
  • Mikä lähtee ja säilytetään: hälytykseen liittyvä videoleike, ja vain se. Se tallennetaan asiakkaan maata lähimpänä oleville palvelimille, sekä käyttönopeuden että paikallisten sääntöjen noudattamisen vuoksi.

Lajittelu tehdään siis lähteellä. Tuntien videomateriaalista vain hälytyksiin liittyvät klipit poistuvat myymälästä: ne, joiden vuoksi tiimin jäsenen kannattaa katsoa. Samat klipit löytyvät hälytyksestä, ja kuva lähenee automaattisesti ja progressiivisesti kiinnostavaan kohtaan. Hälytyksen saava henkilö ymmärtää tilanteen yhdellä silmäyksellä ja päättää jatkotoimista.

Paikallinen ei tarkoita maailmasta irrallaan olevaa

On silti syytä olla selvillä siitä, mitä paikallinen päättely pitää sisällään. Tunnistus tehdään myymälässä erillisellä GPU:lla, mutta toimipiste on edelleen yhteydessä pilveen: se tarvitsee yhteyden havaintojen vahvistamiseen, hälytysleikkeiden lähettämiseen ja ilmoitusten toimittamiseen tiimin laitteille. Muuttuvat vain siirrettävät asiat: muutama viesti ja lyhyet leikkeet kymmenien jatkuvien videovirtojen sijaan. Toimittaja, joka väittäisi muuta mutta silti lähettäisi hälytyksiä puhelimeenne, ansaitsee yhden lisäkysymyksen.

Toinen usein unohtuva seikka: GPU-palvelin on täysin fyysinen laite. Sille on löydettävä paikka, sille on järjestettävä virta ja jäähdytys, ja se on liitettävä kameroihin asianmukaisesti. Tämä on integraattorin työtä, eikä lopputulos riipu pelkästään mallin laadusta, kuten kerroimme käsitellessämme integraattorien roolia tekoälykameroiden tehokkuudessa. Sertifioitujen integraattorien verkoston avulla asennus olemassa oleviin kameroihin onnistuu yleensä alle päivässä.

Viisi kysymystä ennen sopimuksen allekirjoittamista

Sekä yksittäisen myymälän että koko ketjun kohdalla nämä viisi kohtaa auttavat arvioimaan nopeasti videoanalyysiarkkitehtuurin kestävyyttä:

  1. Analysoitava videovirta: pääasiallinen, korkearesoluutioinen, vai toissijainen.
  2. Paikka, jossa malli ajetaan, ja onko laite varmasti omistettu juuri teidän myymälällenne.
  3. Mitä tarkalleen poistuu toimipisteestä ja milloin.
  4. Hälytysleikkeiden säilytyspaikka: missä maassa ja kuinka pitkään.
  5. Mitä tapahtuu, kun myymälän yhteys katkeaa tai heikkenee.

Odottakaa konkreettisia vastauksia. Hyvin suunniteltu arkkitehtuuri on kuvattavissa muutamalla lauseella ilman jargonia. Toimittajalla, joka ei siihen pysty, ei useinkaan ole itselläänkään selkeää karttaa omista datavirroistaan. Ja jos kameranne ovat muutaman vuoden ikäisiä, oppaamme kameran valitsemisesta myymälään auttaa varmistamaan, että niistä saa käyttökelpoisen pääasiallisen videovirran.

Arkkitehtuuri, joka palvelee myös luottamusta

Videovirran pitäminen paikan päällä ei ole pelkästään kaistanleveyskysymys. Se tarkoittaa myös sitä, että liikkuvan tiedon määrä rajataan ehdottoman tarpeelliseen ja data pysyy kauppiaan hallinnassa. OECD:n periaatteet tekoälyn kestävyydestä, turvallisuudesta ja varmuudesta suosittavat, että tekoälyjärjestelmät pysyvät turvallisina, suojattuina ja kykenevinä toimimaan asianmukaisesti koko elinkaarensa ajan, ja että käytössä on mekanismeja, joilla ne voidaan turvallisesti poistaa käytöstä, korjata tai ottaa pois käytöstä, jos niistä uhkaa aiheutua perusteetonta haittaa.

Myymälässä tämä tarkoittaa yksinkertaisesti: teknologia havaitsee, tiimi päättää. Tekoäly analysoi eleitä, ei ihmisiä, eikä seuraa ketään kamerasta toiseen. Leikkeen äärellä ihminen päättää, meneekö osastolle, tarjoaako apuaan vai jättääkö tekemättä mitään.

Tässä kaikessa ei ole mitään näyttävää: vain oikeassa paikassa tehty laskenta ja video, joka liikkuu vain silloin, kun siitä on hyötyä. Juuri siitä syntyvät nopeat ja tarkat hälytykset sekä paremmin hallittu tuntematon inventaariokato. Ennen kuin vertailette ominaisuuksia, pyytäkää nähtäväksi videovirtojen kartta: se kertoo usein enemmän kuin myyntiesite.