Na predstavitvi video analitike z umetno inteligenco se vedno pojavi isto vprašanje, ki ga postavi vodja informatike ali sam poslovodja: kam gredo posnetki? Mnogi si predstavljajo neprekinjeno pošiljanje na oddaljen strežnik prek internetne povezave trgovine. V resnici se vse odloči pri arhitekturni odločitvi, sprejeti že dolgo pred prvo nastavitvijo: lokalna video analitika na grafični procesorski enoti (GPU) v trgovini, ki temelji na glavnem toku obstoječih kamer.

Tu se ne bomo vračali h kakovosti same slike. Raje bomo sledili poti podatkov, od objektiva kamere do zaslona vodje: kaj ostane na kraju samem, kaj gre ven in kaj ta izbira zelo konkretno spremeni pri hitrosti alarmov, pri omrežju trgovine in pri nadzoru nad podatki.

Video tok je težak, velika trgovina pa jih ima na desetine

IP kamera običajno ustvarja vsaj dva toka. Glavni tok (mainstream) je v visoki ločljivosti. Sekundarni tok (substream) je razbremenjen in služi predvsem za prikaz v mozaiku ter za oddaljeni vpogled. Za zaznavanje natančnega giba, izdelka, ki zdrsne v žep, ali odprte embalaže v rayonu, je pomemben glavni tok: na sekundarnem je roka velika le še nekaj slikovnih pik. To smo podrobneje opisali v članku o analizi glavnega toka v trgovini.

Problem tako postane aritmetičen. Neprekinjeno pošiljanje glavnega toka dvajsetih ali tridesetih kamer na oddaljen strežnik zahteva visoko in stalno hitrost nalaganja, ki je mnoge povezave trgovin ne zagotavljajo. In to linijo si že tako delijo s plačilnimi terminali, blagajnami, e-pošto, včasih pa tudi z brezžičnim omrežjem za stranke. V soboto poletnih razprodaj, ko plačilni terminali delujejo brez prestanka, nihče ne želi, da bi se preobremenila.

Ta omejitev ni nova. V svoji študiji o uporabi video tehnologij v trgovini, objavljeni leta 2020 in temelječi na intervjujih z 22 evropskimi in ameriškimi trgovci, je skupina ECR Retail Loss že zapisala, da je več udeležencev skrbel vpliv pasovne širine in računske moči na njihovo uporabo video analitike.

Zakaj se izračun izvaja čim bližje kamer

Namesto da bi posnetke pošiljali po omrežju, se premakne izračun: to je načelo robnega računalništva (edge computing). Sejem EuroShop ga povzema v prispevku o robnem računalništvu v trgovini: v oblak se pošljejo samo uporabni podatki, omrežje je razbremenjeno, odziv pa je lahko v realnem času. Pri videu je ena od možnih oblik namenska GPU enota, nameščena v trgovini, ki bere tok kamer in model izvaja na kraju samem. Za upravljavca se razlika pozna na treh področjih:

  • Latenca. Alarm je koristen le, če se situacija v rayonu še odvija, ko prispe. Ker celoten tok ne potuje v podatkovni center in nazaj, je veriga med gestom in obvestilom krajša: pri Oxanii video alarm na mobilni telefon, tablični ali osebni računalnik prispe v manj kot 10 sekundah.
  • Ločljivost. Ker tok ne potuje prek interneta, ga ni treba slabšati, da bi šel skozi povezavo. Model dela na sliki v visoki ločljivosti, ki omogoča razlikovati osebno torbo od nakupovalne vrečke ali videti, da je bil izdelek použit pred prihodom na blagajno.
  • Omrežje. GPU strežnik je namenjen trgovini in nameščen na kraju samem: branje in analiza toka kamer ne porabljata pasovne širine internetne povezave. Potrditev zaznav, pošiljanje izsekov alarmov in obvestila pa vendarle potekajo prek te povezave, ki mora ostati na voljo.

Kaj ostane v trgovini in kaj jo zapusti

Vsak vodja informatike prej ali slej postavi to vprašanje in slogan ni dovolj za odgovor. V arhitekturi, ki jo uporablja Oxania, posnetki kamer sledijo trem jasno ločenim potem:

  • Kaj ostane na kraju samem: neprekinjeni video tok kamer v visoki ločljivosti. GPU v trgovini ga bere in analizira, tok pa ne gre dlje. Posnetki vašega obstoječega video sistema ostajajo, kot prej, v odgovornosti upravljavca.
  • Kaj gre ven v potrditev: ko je zaznan gest z visokim tveganjem, se pošlje kompakten digitalni opis zaznave, da se potrdi. To ni video in njegova velikost je neprimerljiva s posnetki.
  • Kaj gre ven in se hrani: video izsek, povezan z alarmom, in samo ta. Shranjen je na strežnikih, ki so čim bliže državi stranke, zaradi hitrosti dostopa in spoštovanja lokalnih pravil.

Izbira se torej opravi pri viru. Od ur videa trgovino zapustijo samo izseki, povezani z alarmi: tisti, zaradi katerih si jih mora član ekipe ogledati. Prav te izseke najdemo v alarmu, z avtomatskim postopnim približevanjem na zanimivo točko. Oseba, ki ga prejme, razume prizor na prvi pogled in se odloči, kaj naprej.

Lokalno ne pomeni odrezano od sveta

Treba pa je biti jasen glede tega, kaj zajema lokalno sklepanje. Zaznava poteka v trgovini, na namenskem GPU, vendar je lokacija še vedno povezana z oblakom: potrebuje povezavo za potrditev zaznav, pošiljanje izsekov alarmov in dostavo obvestil na naprave ekipe. Spremeni se to, kar kroži: nekaj sporočil in kratki izseki namesto desetin neprekinjenih tokov. Ponudnik, ki bi trdil nasprotno, hkrati pa pošiljal alarme na vaš telefon, si zasluži dodatno vprašanje.

Še ena pogosto pozabljena točka: GPU strežnik je povsem resnična naprava. Zanj je treba najti mesto, ga napajati, hladiti in ga pravilno povezati s kamerami. To je delo integratorja in rezultat ni odvisen samo od kakovosti modela, kot smo pojasnili ob temi vloge integratorjev pri učinkovitosti kamer z umetno inteligenco. Z mrežo certificiranih integratorjev namestitev na obstoječe kamere običajno traja manj kot en dan.

Pet vprašanj, ki jih postavite pred podpisom

Tako za eno samo prodajno mesto kot za celotno mrežo ta peterica točk omogoča hitro oceno trdnosti arhitekture video analitike:

  1. Analizirani tok: glavni, v visoki ločljivosti, ali sekundarni.
  2. Kje se model izvaja in ali je naprava res namenjena vaši trgovini.
  3. Kaj natančno zapusti lokacijo in kdaj.
  4. Kje se hranijo izseki alarmov: v kateri državi in za koliko časa.
  5. Kaj se zgodi, ko je povezava trgovine prekinjena ali slabša.

Pričakujte konkretne odgovore. Dobro premišljena arhitektura se opiše v nekaj stavkih, brez žargona. Ponudnik, ki tega ne zmore, pogosto sam nima jasne slike svojih tokov. In če je vaš park kamer star nekaj let, vam naš vodnik za pravilno izbiro kamere v trgovini pomaga preveriti, ali zagotavljajo uporaben glavni tok.

Arhitektura, ki služi tudi zaupanju

Ohranjanje toka na kraju samem ni zgolj vprašanje pasovne širine. Pomeni tudi omejitev kroženja na nujno potrebno ter ohranitev podatkov pod nadzorom trgovca. Načela OECD o robustnosti, varnosti in zaščiti umetne inteligence priporočajo, da sistemi umetne inteligence ostanejo varni, zaščiteni in sposobni ustrezno delovati skozi celoten življenjski cikel ter da obstajajo mehanizmi, ki omogočajo njihovo onemogočitev, popravilo ali varno izključitev, če obstaja tveganje, da bodo povzročili neupravičeno škodo.

V trgovini je prevod preprost: tehnologija zazna, ekipa odloči. Umetna inteligenca analizira gibe, ne oseb, in nikogar ne spremlja od ene kamere do druge. Pred izsekom človek izbere, ali bo šel v rayon, ponudil pomoč ali ne storil ničesar.

Nič spektakularnega v vsem tem: samo izračun, opravljen na pravem mestu, in video, ki potuje le takrat, ko je potreben. A prav to prinaša hitre in natančne alarme ter bolje obvladano neznano razliko v zalogi (shrinkage). Preden primerjate funkcionalnosti, zahtevajte ogled zemljevida tokov: pogosto pove več kot komercialna brošura.