Pri ukážke analýzy videa pomocou AI nakoniec vždy príde tá istá otázka, ktorú položí IT manažér alebo samotný vedúci predajne: kam putujú zábery? Mnohí si predstavujú nepretržité odosielanie na vzdialený server cez internetové pripojenie predajne. V skutočnosti sa všetko rozhoduje už pri architektúre, dávno pred prvým nastavením: lokálna analýza videa na GPU v predajni, z hlavného streamu existujúcich kamier.

Ku kvalite samotného obrazu sa tu vracať nebudeme. Radšej sledujme cestu dát, od objektívu kamery až po obrazovku vedúceho: čo zostáva na mieste, čo odchádza a čo táto voľba veľmi konkrétne mení z hľadiska rýchlosti upozornení, siete predajne aj kontroly nad dátami.

Video stream je náročný na prenos a veľká predajňa ich má desiatky

IP kamera zvyčajne vytvára aspoň dva streamy. Hlavný stream (mainstream) má vysoké rozlíšenie. Vedľajší stream (substream) je odľahčený a slúži najmä na zobrazenie v mozaike a na vzdialené prehliadanie. Na zachytenie jemného gesta, produktu vsunutého do vrecka alebo otvoreného obalu v regáli, je dôležitý hlavný stream: vo vedľajšom zaberá ruka už len pár pixelov. Tento bod sme podrobne rozobrali v našom článku o analýze hlavného streamu v predajni.

Problém sa tak mení na aritmetiku. Nepretržité odosielanie hlavného streamu dvadsiatich alebo tridsiatich kamier na vzdialený server vyžaduje vysokú a stálu odchádzajúcu rýchlosť, ktorú mnohé pripojenia predajní nezaručujú. A túto linku už teraz zdieľajú s platobnými terminálmi, pokladnicami, e-mailom, niekedy aj s wifi pre zákazníkov. V sobotu počas letného výpredaja, keď terminály bežia bez prestania, nikto nechce, aby sa preťažila.

Toto obmedzenie nie je nové. Vo svojej štúdii o využívaní video technológií v maloobchode, vydanej v roku 2020 a založenej na rozhovoroch s 22 európskymi a americkými maloobchodníkmi, skupina ECR Retail Loss už uviedla, že viacerí účastníci mali obavy z vplyvu šírky pásma a výpočtového výkonu na ich využívanie analýzy videa.

Prečo sa výpočet vykonáva čo najbližšie ku kamerám

Namiesto presúvania obrazu sa presúva výpočet: to je princíp edge computingu. Veľtrh EuroShop to zhrnul v dossier venovanom edge computingu v maloobchode: do cloudu sa dostávajú iba užitočné dáta, sieť je odľahčená a reakcia môže prebehnúť v reálnom čase. Pri videu je jednou z možných foriem vyhradené GPU nainštalované v predajni, ktoré číta stream z kamier a spúšťa model priamo na mieste. Pre prevádzkovateľa je rozdiel viditeľný na troch miestach:

  • Latencia. Upozornenie má zmysel len vtedy, ak situácia v uličke ešte prebieha, keď dorazí. Bez spiatočnej cesty celého streamu do dátového centra sa reťazec medzi gestom a notifikáciou skracuje: v Oxanii prichádza video upozornenie na mobil, tablet alebo počítač za menej ako 10 sekúnd.
  • Rozlíšenie. Keďže stream neprechádza cez internet, nie je potrebné ho zhoršovať, aby sa zmestil do pripojenia. Model pracuje s obrazom vo vysokom rozlíšení, ktoré umožňuje rozlíšiť osobnú tašku od nákupnej alebo vidieť, že sa produkt skonzumoval pred platbou na pokladnici.
  • Sieť. GPU server je vyhradený pre predajňu a nainštalovaný na mieste: čítanie a analýza streamu z kamier nespotrebúva šírku pásma internetového pripojenia. Potvrdzovanie detekcií, odosielanie výstrižkov upozornení a notifikácie však cez toto pripojenie prechádzajú, preto musí zostať dostupné.

Čo zostáva v predajni a čo z nej odchádza

Každý IT manažér sa nakoniec opýta a slogan na odpoveď nestačí. V architektúre, ktorú používa Oxania, zábery z kamier prechádzajú tromi jasne odlišnými cestami:

  • Čo zostáva na mieste: nepretržitý video stream z kamier vo vysokom rozlíšení. GPU predajne ho číta a analyzuje a stream nejde ďalej. Záznamy vášho existujúceho video systému zostávajú, tak ako predtým, v zodpovednosti prevádzkovateľa.
  • Čo odchádza na potvrdenie: keď sa zistí rizikové gesto, odošle sa na potvrdenie kompaktný digitálny popis detekcie. Nejde o video a jeho veľkosť sa nedá porovnať s veľkosťou obrazu.
  • Čo odchádza a uchováva sa: video výstrižok spojený s upozornením, a len ten. Ukladá sa na serveroch umiestnených čo najbližšie ku krajine zákazníka, kvôli rýchlosti prístupu aj dodržiavaniu miestnych pravidiel.

Triedenie sa teda deje už pri zdroji. Z hodín videa opúšťajú predajňu iba výstrižky spojené s upozorneniami: tie, ktoré odôvodňujú, aby sa na ne pozrel člen tímu. Práve tie isté výstrižky sa nachádzajú v upozornení, s automatickým postupným priblížením na dôležité miesto. Ten, kto ho dostane, pochopí scénu na prvý pohľad a rozhodne o ďalšom postupe.

Lokálne neznamená odrezané od sveta

Treba však jasne povedať, čo lokálna inferencia znamená. Detekcia prebieha v predajni, na vyhradenom GPU, ale pobočka zostáva prepojená s cloudom: potrebuje pripojenie na potvrdzovanie detekcií, odosielanie výstrižkov upozornení a doručovanie notifikácií na zariadenia tímu. Mení sa to, čo cirkuluje: niekoľko správ a krátke výstrižky namiesto desiatok nepretržitých streamov. Dodávateľ, ktorý by tvrdil opak a pritom posielal upozornenia na váš telefón, si zaslúži ešte jednu otázku.

Ďalší často zabúdaný bod: GPU server je celkom skutočný stroj. Treba preň nájsť miesto, napájať ho, chladiť a správne ho prepojiť s kamerami. To je práca integrátora a výsledok nezávisí len od kvality modelu, ako sme vysvetľovali v článku o úlohe integrátorov pri účinnosti AI kamier. So sieťou certifikovaných integrátorov zvyčajne inštalácia na existujúce kamery trvá menej ako jeden deň.

Päť otázok, ktoré treba položiť pred podpisom

Pre jedinú predajňu aj pre celú sieť umožňuje týchto päť bodov rýchlo posúdiť pevnosť architektúry analýzy videa:

  1. Analyzovaný stream: hlavný vo vysokom rozlíšení, alebo vedľajší.
  2. Kde model beží a či je stroj skutočne vyhradený pre vašu predajňu.
  3. Čo presne opúšťa pobočku a v ktorom okamihu.
  4. Miesto uchovávania výstrižkov upozornení: v ktorej krajine a ako dlho.
  5. Čo sa stane, keď je pripojenie predajne prerušené alebo zhoršené.

Očakávajte konkrétne odpovede. Dobre premyslenú architektúru možno opísať niekoľkými vetami, bez žargónu. Dodávateľ, ktorý to nedokáže, často sám nemá jasnú mapu svojich tokov. A ak má váš park kamier niekoľko rokov, náš sprievodca výberom kamery do predajne vám pomôže overiť, či poskytujú použiteľný hlavný stream.

Architektúra, ktorá slúži aj dôvere

Ponechať stream na mieste nie je len otázka šírky pásma. Znamená to aj obmedziť to, čo cirkuluje, na nevyhnutné minimum a nechať dáta pod kontrolou obchodníka. Zásady OECD o odolnosti, bezpečnosti a ochrane AI odporúčajú, aby systémy AI zostali bezpečné, chránené a schopné správne fungovať počas celého svojho životného cyklu, a aby existovali mechanizmy umožňujúce ich bezpečne vypnúť, opraviť alebo vyradiť z prevádzky, ak hrozí, že spôsobia neoprávnenú ujmu.

V predajni je preklad jednoduchý: technológia deteguje, tím rozhoduje. AI analyzuje gestá, nie osoby, a nesleduje nikoho z jednej kamery na druhú. Pred výstrižkom je to človek, kto sa rozhodne ísť do uličky, ponúknuť pomoc alebo nerobiť nič.

Nič z toho nie je vôbec senzačné: len výpočet vykonaný na správnom mieste a video, ktoré putuje iba vtedy, keď treba. Práve to však prináša rýchle a presné upozornenia a lepšie zvládnutú neznámu stratu zásob. Skôr než začnete porovnávať funkcie, požiadajte o ukážku mapy tokov: často prezradí viac ako obchodný leták.