La o demonstrație de analiză video cu IA, aceeași întrebare apare mereu, pusă fie de responsabilul IT, fie de managerul magazinului: unde ajung imaginile? Mulți își imaginează o transmisie continuă către un server îndepărtat, prin conexiunea magazinului. În realitate, totul se decide printr-o alegere de arhitectură făcută cu mult înainte de primul reglaj: analiza video locală, pe un GPU din magazin, pornind de la fluxul principal al camerelor existente.

Nu vom reveni aici asupra calității imaginii în sine. Vom urmări mai degrabă traseul datelor, de la obiectivul camerei până la ecranul responsabilului: ce rămâne pe loc, ce pleacă și ce schimbă, foarte concret, această alegere pentru viteza alertelor, pentru rețeaua magazinului și pentru controlul datelor.

Un flux video este voluminos, iar un hipermarket are zeci

O cameră IP produce, în general, cel puțin două fluxuri. Fluxul principal (mainstream) are rezoluție înaltă. Fluxul secundar (substream), mai ușor, servește în special la afișarea în mozaic și la consultarea la distanță. Pentru a depista un gest fin, un produs strecurat într-un buzunar sau un ambalaj deschis la raft, fluxul principal este cel care contează: în fluxul secundar, mâna nu mai ocupă decât câțiva pixeli. Am detaliat acest aspect în articolul nostru despre analiza fluxului principal în magazin.

Problema devine atunci una de aritmetică. Trimiterea continuă a fluxului principal a douăzeci sau treizeci de camere către un server la distanță presupune o viteză de încărcare ridicată și permanentă, pe care multe conexiuni de magazin nu o garantează. Iar această linie o împart deja cu terminalele de plată, casele, mesageria și uneori cu wifi-ul pentru clienți. Într-o sâmbătă de reduceri de vară, când terminalele de plată funcționează non-stop, nimeni nu vrea să o vadă saturată.

Această limită nu este nouă. În studiul privind utilizarea tehnologiilor video în comerț, publicat în 2020 și bazat pe interviuri cu 22 de retaileri europeni și americani, grupul ECR Retail Loss observa deja că mai mulți participanți erau preocupați de efectul lățimii de bandă și al puterii de calcul asupra utilizării analizei video.

De ce se face calculul cât mai aproape de camere

În loc să trimitem imaginile la distanță, mutăm calculul: acesta este principiul edge computing. Târgul EuroShop îl rezumă într-un dosar dedicat edge computing în comerț: doar datele utile urcă în cloud, rețeaua este degrevată, iar reacția se poate face în timp real. Pentru video, una dintre formele posibile este un GPU dedicat, instalat în magazin, care citește fluxul camerelor și rulează modelul la fața locului. Pentru operator, diferența se vede în trei locuri:

  • Latența. O alertă are sens doar dacă situația este încă în desfășurare în raion când ajunge. Fără dus-întors al fluxului complet către un centru de date, lanțul dintre gest și notificare se scurtează: la Oxania, alerta video ajunge în mai puțin de 10 secunde pe telefon, tabletă sau computer.
  • Rezoluția. Fluxul nemaitraversând Internetul, nu mai este nevoie să fie degradat pentru a încăpea în conexiune. Modelul lucrează pe imaginea în rezoluție înaltă, cea care permite să distingi o geantă personală de una cu cumpărături sau să vezi că un produs a fost consumat înainte de trecerea pe la casă.
  • Rețeaua. Serverul GPU este dedicat magazinului și instalat la fața locului: citirea și analizarea fluxului camerelor nu consumă lățimea de bandă a conexiunii la internet. În schimb, confirmarea detecțiilor, trimiterea extraselor din alertă și notificările trec prin această conexiune, care trebuie să rămână disponibilă.

Ce rămâne în magazin, ce iese din el

Orice responsabil IT ajunge să pună această întrebare, iar un slogan nu este de ajuns pentru a răspunde. În arhitectura aleasă de Oxania, imaginile camerelor urmează trei trasee bine distincte:

  • Ce rămâne la fața locului: fluxul video continuu al camerelor, în rezoluție înaltă. GPU-ul din magazin îl citește și îl analizează, iar acest flux nu merge mai departe. Înregistrările sistemului dvs. video existent rămân, ca înainte, în responsabilitatea operatorului.
  • Ce pleacă pentru confirmare: atunci când este depistat un gest la risc, o descriere numerică compactă a detecției este trimisă pentru a fi confirmată. Nu este video, iar dimensiunea ei nu are nicio legătură cu cea a imaginilor.
  • Ce pleacă și este păstrat: extrasul video legat de alertă, și doar acesta. Este stocat pe servere situate cât mai aproape de țara clientului, pentru rapiditatea accesului și pentru respectarea regulilor locale.

Sortarea se face deci la sursă. Din ore întregi de video, doar extrasele legate de alerte părăsesc magazinul: cele care justifică faptul că un membru al echipei se uită. Aceleași extrase se regăsesc în alertă, cu un zoom progresiv automat pe punctul de interes. Persoana care o primește înțelege scena dintr-o privire și decide ce urmează.

Local nu înseamnă izolat de lume

Rămâne de clarificat ce acoperă inferența locală. Detecția se face în magazin, pe un GPU dedicat, dar locația rămâne conectată la cloud: are nevoie de o conexiune pentru a confirma detecțiile, a trimite extrasele de alertă și a transmite notificările către dispozitivele echipei. Ce se schimbă este ceea ce circulă: câteva mesaje și extrase scurte, în loc de zeci de fluxuri continue. Un furnizor care ar pretinde contrariul, trimițând totuși alerte pe telefonul dumneavoastră, merită o întrebare în plus.

Un alt punct adesea uitat: serverul GPU este o mașină cât se poate de reală. Trebuie să i se găsească un loc, să fie alimentat, ventilat și conectat corect la camere. Aceasta este munca integratorului, iar rezultatul nu depinde doar de calitatea modelului, așa cum explicam în legătură cu rolul integratorilor în eficiența camerelor cu IA. Cu o rețea de integratori certificați, instalarea pe camere existente durează în general mai puțin de o zi.

Cinci întrebări de pus înainte de a semna

Fie că este vorba de un singur punct de vânzare sau de o întreagă rețea, aceste cinci puncte permit să evaluați rapid soliditatea unei arhitecturi de analiză video:

  1. Fluxul analizat: cel principal, în rezoluție înaltă, sau cel secundar.
  2. Locul în care rulează modelul și dacă mașina este într-adevăr dedicată magazinului dumneavoastră.
  3. Ce părăsește locația, exact, și în ce moment.
  4. Locul de păstrare a extraselor de alertă: în ce țară și pentru cât timp.
  5. Ce se întâmplă atunci când conexiunea magazinului este întreruptă sau degradată.

Așteptați răspunsuri concrete. O arhitectură bine gândită se descrie în câteva fraze, fără jargon. Un furnizor care nu reușește acest lucru nu are adesea nici el o hartă clară a propriilor fluxuri. Iar dacă parcul dumneavoastră de camere are câțiva ani, ghidul nostru pentru alegerea corectă a unei camere în magazin vă ajută să verificați dacă acestea oferă un flux principal utilizabil.

O arhitectură care sprijină și încrederea

Păstrarea fluxului la fața locului nu se reduce la o chestiune de lățime de bandă. Înseamnă, de asemenea, limitarea a ceea ce circulă la strictul necesar și lăsarea datelor sub controlul comerciantului. Principiile OCDE privind robustețea, siguranța și securitatea IA recomandă ca sistemele de IA să rămână sigure, securizate și capabile să funcționeze corespunzător pe tot parcursul ciclului lor de viață, iar existența unor mecanisme care să permită neutralizarea, repararea sau scoaterea lor din funcțiune în deplină siguranță dacă riscă să cauzeze un prejudiciu nejustificat.

În magazin, traducerea este simplă: tehnologia detectează, echipa decide. IA analizează gesturi, nu persoane, și nu urmărește pe nimeni de la o cameră la alta. În fața extrasului, un om este cel care alege să meargă în raion, să-și ofere ajutorul sau să nu facă nimic.

Nimic spectaculos în toate acestea: doar un calcul făcut la locul potrivit și un video care circulă numai atunci când este util. Totuși, acesta este lucrul care oferă alerte rapide și precise și o mai bună stăpânire a deprecierii necunoscute a stocurilor (démarque inconnue). Înainte de a compara funcționalități, cereți să vedeți harta fluxurilor: spune adesea mai mult decât o broșură comercială.