Током демонстрације видео анализе помоћу вештачке интелигенције увек се појави исто питање, које постави ИТ руководилац или сам управник: куда иду снимци? Многи замишљају непрекидно слање на удаљени сервер преко интернет везе продавнице. У стварности, све се одлучује архитектуром која је изабрана много пре првог подешавања: локална видео анализа, на GPU-у у продавници, на основу главног тока постојећих камера.

Овде се нећемо враћати на сам квалитет слике. Радије ћемо пратити путању података, од објектива камере до екрана руководиоца: шта остаје на лицу места, шта одлази, и шта тај избор сасвим конкретно мења у брзини обавештења, али и у мрежи продавнице и контроли над подацима.

Један видео сигнал је захтеван, а велика продавница их има на десетине

IP камера обично производи најмање два тока. Главни ток (mainstream) је у високој резолуцији. Секундарни ток (substream), лакши, користи се углавном за приказ у мозаику и за даљински преглед. Да би се уочио ситан покрет, производ склизнут у џеп или отворено паковање на рафу, важан је главни ток: на секундарном, шака има тек неколико пиксела. Ову тему смо детаљније обрадили у нашем чланку о анализи главног тока у продавници.

Проблем тада постаје аритметички. Непрекидно слање главног тока двадесетак или тридесетак камера на удаљени сервер захтева висок и стални излазни проток, који многе интернет везе у продавницама не могу да гарантују. А ту везу већ деле са платним терминалима, касама, поштом, понекад и са wifi мрежом за купце. Једне суботе током летњих распродаја, када платни терминали раде без престанка, нико не жели да је види преоптерећену.

Ово ограничење није ново. У својој студији о употреби видео технологија у трговини, објављеној 2020. године и заснованој на разговорима са 22 европска и америчка трговца, група ECR Retail Loss је већ тада приметила да неколико учесника брине због утицаја пропусног опсега и рачунарске снаге на њихову употребу видео анализе.

Зашто се прорачун обавља што ближе камерама

Уместо да се слике шаљу на пут, премешта се израчунавање: то је принцип edge computing-а. Сајам EuroShop то сажима у додатку посвећеном edge computing-у у трговини: само корисни подаци иду ка облаку, мрежа је растерећена, а реакција може бити у реалном времену. Када је реч о видеу, један од могућих облика је наменски GPU, постављен у продавници, који чита ток са камера и покреће модел на лицу места. За оператера се разлика види на три места:

  • Латенција. Обавештење има смисла само ако ситуација у одељењу још траје када стигне. Без повратног пута целог тока до центра података, ланац између покрета и обавештења се скраћује: код Oxania видео обавештење стиже за мање од 10 секунди на мобилни телефон, таблет или рачунар.
  • Резолуција. Пошто ток не пролази кроз интернет, нема потребе да се квалитет смањује како би стао у везу. Модел ради на слици у високој резолуцији, оној која омогућава да се разликује лична торба од торбе за куповину, или да се види да је производ потрошен пре проласка на касу.
  • Мрежа. GPU сервер је наменски за продавницу и инсталиран на лицу места: читање и анализа тока са камера не троше пропусни опсег интернет везе. Потврда детекција, слање исечака алерата и обавештења, међутим, пролазе кроз ту везу, која мора да остане доступна.

Шта остаје у продавници, а шта је напушта

Сваки ИТ одговорни на крају постави то питање, а слоган није довољан за одговор. У архитектури коју користи Oxania, слике са камера прате три јасно одвојена пута:

  • Оно што остаје на лицу места: непрекидан видео ток са камера, у високој резолуцији. GPU у продавници га чита и анализира, и тај ток не иде даље. Снимци вашег постојећег видео система остају, као и раније, у надлежности оператера.
  • Шта одлази ради потврде: када се уочи ризичан покрет, шаље се компактан дигитални опис детекције ради потврде. То није видео, а његова величина нема никакве везе са величином снимака.
  • Шта одлази и чува се: видео исечак повезан са обавештењем, и само он. Складишти се на серверима који се налазе што ближе земљи клијента, ради брзине приступа, али и поштовања локалних прописа.

Дакле, селекција се врши на извору. Од сати видео снимка, из продавнице излазе само исечци повезани са алертима: они који оправдавају да члан тима погледа. Управо те исечке налазимо у алерту, са аутоматским постепеним зумом на тачку интересовања. Особа која га прими разуме сцену на први поглед и одлучује шта даље.

Локално не значи одсечено од света

Ипак, треба бити јасан око тога шта обухвата локални закључак (inference). Детекција се обавља у продавници, на наменском GPU-у, али локација остаје повезана са клаудом: потребна јој је веза да би се детекције потврдиле, да би се послали исечци обавештења и да би нотификације стигле на уређаје тима. Оно што се мења јесте оно што циркулише: неколико порука и кратки исечци, уместо десетина непрекидних токова. Добављач који би тврдио супротно, а истовремено шаље обавештења на ваш телефон, заслужује још једно питање.

Још једна често заборављена ствар: GPU сервер је сасвим стварна машина. Треба му наћи место, обезбедити напајање, хлађење и уредно га повезати са камерама. То је посао интегратора, а резултат не зависи само од квалитета модела, као што смо објаснили у вези са улогом интегратора у ефикасности AI камера. Уз мрежу сертификованих интегратора, инсталација на постојећим камерама обично траје мање од једног дана.

Пет питања која треба поставити пре потписивања

Како за једну продајну тачку, тако и за читаву мрежу, ових пет тачака омогућава да се брзо процени чврстина архитектуре видео анализе:

  1. Анализирани ток: главни, у високој резолуцији, или секундарни.
  2. Место где модел ради, и да ли је машина заиста посвећена вашој продавници.
  3. Шта тачно напушта локацију и у ком тренутку.
  4. Место чувања исечака обавештења: у којој земљи и колико дуго.
  5. Шта се дешава када је веза продавнице прекинута или ослабљена.

Очекујте конкретне одговоре. Добро осмишљена архитектура може се описати у неколико реченица, без жаргона. Добављач који у томе не успева често ни сам нема јасну мапу својих токова. А ако је ваш парк камера стар неколико година, наш водич за правилан избор камере у продавници помаже да проверите да ли обезбеђују употребљив главни ток.

Архитектура која служи и поверењу

Задржавање тока на лицу места није само питање пропусног опсега. То такође значи ограничавање онога што циркулише на најнужније и остављање података под контролом трговца. Принципи OECD-а о поузданости, безбедности и сигурности вештачке интелигенције препоручују да системи вештачке интелигенције остану безбедни, сигурни и способни да исправно функционишу током читавог животног циклуса, као и да постоје механизми који омогућавају да се они безбедно искључе, поправе или ставе ван употребе ако пријети опасност да изазову неоправдану штету.

У продавници, превод је једноставан: технологија детектује, тим одлучује. Вештачка интелигенција анализира покрете, а не људе, и не прати никога од једне камере до друге. Пред исечком, човек бира да ли ће отићи до одељења, понудити помоћ или не учинити ништа.

Ништа спектакуларно у свему томе: само израчунавање обављено на правом месту и видео који путује само када је потребан. А управо то омогућава брзе и прецизне алерте и боље контролисан непознати мањак робе (démarque inconnue). Пре него што почнете да поредите функционалности, затражите да видите мапу токова: она често говори више од комерцијалног проспекта.