Τάσεις & Προκλήσεις για τη βιντεο-επιτήρηση το 2018

Οι έννοιες Deep Learning και Artificial Intelligence, η επίδραση του GDPR, οι τεχνολογίες ανίχνευσης drone, η αναβάθμιση των video analytics και οι εξελίξεις στην κινέζική αγορά σε σχέση με τον υπόλοιπο κόσμο στη βιομηχανία της ηλεκτρονικής ασφάλειας, αποτελούν σύμφωνα με πολλούς ειδικούς τα βασικά θέματα που θα μας απασχολήσουν μέσα στο 2018, στο τομέα της βιντεο-επιτήρησης.

 Είθισται, στην αρχή κάθε έτους, πολλοί οργανισμοί και ειδικοί που ασχολούνται με τη βιομηχανία της ηλεκτρονικής ασφάλειας να δημοσιοποιούν τις προβλέψεις τους και να αναδεικνύουν τις τάσεις που αναμένεται να επικρατήσουν μέσα στη χρονιά που διανύουμε. Ειδικά σε ό,τι αφορά στον τομέα της βίντεο επιτήρησης -όπου παραδοσιακά έχει και την ταχύτερη εξελεγκτική πορεία σε σχέση με τους άλλους τεχνολογικούς τομείς της ασφάλειας- ο φορέας IHS Markit, που διεξάγει μελέτες και έρευνες για πολλούς τεχνολογικούς κλάδους, δημοσιοποίησε πρόσφατα μια μελέτη με τις κορυφαίες τάσεις που θα συναντήσουμε μέσα στο 2018.

Η ορολογία της βιντεο-επιτήρησης από το Α έως το Ι

Τον τελευταίο χρόνο έχουν έρθει στην επιφάνεια και στην ατζέντα του δημόσιου διάλογου, μια σειρά από νέες ορολογίες που χρησιμοποιούνται συχνά στο τομέα της βίντεο-επιτήρησης. Παρακάτω ακολουθεί μια πολύ συνοπτική και απλή περιγραφή αυτών των όρων:

ΑI (artificial intelligence) – Ο όρος “τεχνητή νοημοσύνη” περιγράφει την ικανότητα των υπολογιστών και των μηχανών να λαμβάνουν αποφάσεις και να εκτελούν συγκεκριμένες εργασίες το ίδιο αποδοτικά ή ακόμα και περισσότερο, με βάση τεχνητή ευφυΐα που μπορεί να θεωρηθεί ακόμα και ανώτερη ίσως, από την ανθρώπινη νοημοσύνη. Στο πλαίσιο της βίντεο-επιτήρησης, ο όρος ΑΙ χρησιμοποιείται για να περιγράψει τη δυνατότητα των συστημάτων να αναλύουν τις εικόνες που λαμβάνουν από τις κάμερες, να ταξινομούν και να αξιολογούν τα σημεία ενδιαφέροντος, καθώς και να λαμβάνουν αποφάσεις για περαιτέρω ενέργειες.

Big Data – Πρόκειται για την τάση που διαχειρίζεται την αποθήκευση, οργάνωση και ανάλυση ενός τεράστιου όγκου δεδομένων και πληροφοριών με στόχο την ανίχνευση τάσεων και την αξιολόγηση σημείων με ενδιαφέρον για την επιχειρηματική λειτουργία. Στο τομέα της βίντεο-επιτήρησης, το περιεχόμενο πολλών ωρών καταγεγραμμένου βίντεο υψηλής ανάλυσης, συγκαταλέγεται πλέον στα big data και η δυνατότητα αυτοματοποιημένης διαχείρισης και ανάλυσης αυτών, μπορεί να ενισχύσει σημαντικά τους σκοπούς ασφάλειας και γενικότερα των επιχειρηματικών στόχων και επιχειρησιακών λειτουργιών.

Cloud computing – Αντί να χρησιμοποιείται ένας τοπικός server ή μια τοπική μονάδα για την αποθήκευση και διαχείριση των δεδομένων και των αρχείων από τις κάμερες ασφαλείας, αξιοποιείται ένα δίκτυο από διασυνδεδεμένους απομακρυσμένους servers με βάση την τεχνολογία cloud. Γενικά, αυτή η υποδομή, έχει την ικανότητα να προσφέρει απεριόριστους πόρους αποθήκευσης, όποτε και αν αυτοί χρειαστούν και το δίκτυο είναι διαθέσιμο σε ένα ή περισσότερα συνδεδεμένα datacenters. Η πρόσβαση σε αυτά, μπορεί να ρυθμιστεί ανάλογα με τις επιθυμίες και τις ανάγκες που υπάρχουν σε κάθε εγκατάσταση.

Deep learning – Πρόκειται για όρο που χρησιμοποιείται πλέον διεθνώς, προκειμένου να αποτυπώσει την ικανότητα εκμάθησης των μηχανών και αποτελεί υποσύνολο του Artificial Intelligence. Το Deep Learning κάνει χρήση προηγμένων αλγορίθμων προκειμένου να επεξεργάζεται δεδομένα και πολλαπλά επίπεδα πληροφοριών, εξομοιώνοντας τη λειτουργία ενός ανθρώπινου εγκεφάλου (ως ένα νευρωνικό δίκτυο).

Edge computing/storage – Υποστηρίζει την επεξεργασία δεδομένων και την ανάλυση – αποθήκευση που βρίσκεται πλησιέστερα στην πηγή των δεδομένων (συνήθως σε αυτό το πλαίσιο, στη κάμερα βίντεο-επιτήρησης)

Face recognition – Αναδεικνύει τη δυνατότητα λειτουργίας του συστήματος επιτήρησης να αναγνωρίζει αυτόματα το πρόσωπο ενός ατόμου στα πλαίσια αναζήτησης σε μια βάση δεδομένων

GPU (graphics processing unit) – Ένα προγραμματιζόμενο τσιπ που χρησιμοποιείται ειδικά για την επεξεργασία εικόνας. Λόγω της απαίτησης να είναι εφικτή η ταυτόχρονη επεξεργασία πολλαπλών μεγάλων αρχείων δεδομένων, οι σύγχρονες GPU επεξεργασίας εικόνας θεωρούνται ιδιαίτερα κατάλληλες για το deep learning.

H.265 (or MPEG-4 part 2) – Πρόκειται για το πιο σύγχρονο πρότυπο συμπίεσης που συγκρινόμενο με τo H.264 έχει τη δυνατότητα να χρησιμοποιεί 30 με 40% λιγότερο εύρος ζώνης για ένα βίντεο stream της ίδιας ποιότητας

IoT (the Internet of things) – Δεν αποτελεί μια συγκεκριμένη τεχνολογία, αλλά μια εννοιολογική προσέγγιση της ιδέας της ενοποίησης, ευφυΐας και διασυνδεσιμότητας ενός ευρύτατου φάσματος συσκευών μεταξύ τους. Σύμφωνα με τους ειδικούς μια συσκευή για να χαρακτηριστεί ως IoT θα πρέπει να ενσωματώνει δυνατότητες διασύνδεσης που επιτρέπουν την απευθείας σύνδεση με το Internet (δηλ. IP διευθυνσιοδοτούμενη) ή επιτρέπει στη συσκευή τη σύνδεση με μια διευθυνσιοδοτούμενη συσκευή IP. Στις εφαρμογές παρακολούθησης μέσω βίντεο, αυτό θα μπορούσε να αποτυπωθεί ως η δυνατότητα σύνδεσης των δεδομένων από τα αρχεία παρακολούθησης βίντεο των καμερών με άλλους αισθητήρες ή πηγές πληροφοριών.

H επανάσταση του Deep Learning, Α.Ι και Cloud Computing στη βιντεο-επιτήρηση

Τα τελευταία χρόνια γίνεται ολοένα και πιο έντονη η συζήτηση, για την υιοθέτηση από τον τομέα της ασφάλειας, της μεγάλης τεχνολογικής επανάστασης που ονομάζεται deep learning. Με γνώμονα την επένδυση στην έρευνα για την εξέλιξη των μικροεπεξεργαστών και την ανάπτυξη προηγμένου λογισμικού, πολλοί ήταν οι κατασκευαστές συστημάτων βίντεο-επιτήρησης που ανέπτυξαν προϊόντα με φιλικά στη χρήση interfaces και προηγμένες λειτουργίες, όπως για παράδειγμα οι αλγόριθμοι deep learning για την αναγνώριση προσώπων. Προϊόντα ασφάλειας και εξοπλισμός που χρησιμοποιείται σε πλατφόρμες επιτήρησης και που μπορούν να χαρακτηριστούν ως λύσεις «βαθιάς εκμάθησης», έχουν κάνει την εμφάνιση τους σήμερα στην αγορά και βασίζονται σε εξελιγμένους αλγόριθμους, αναβαθμισμένα λογισμικά και σύγχρονους επεξεργαστές. Πολλοί είναι αυτοί που υποστηρίζουν, ότι το επόμενο μεγάλο βήμα στο τομέα της βίντεο-επιτήρησης -μετά τη μετάβαση από το αναλογικό σύστημα στις IP κάμερες- θα είναι ο μαζικός μετασχηματισμός της αγοράς προς κάμερες deep learning, με ότι αυτό μπορεί να συνεπάγεται για την πορεία της αγοράς και το θέμα της μείωσης του κόστους αυτών των καμερών. Μέχρι τώρα κάμερες που μπορεί να χαρακτηριστούν ως deep learning, έχουν χρησιμοποιηθεί σε μεγάλα έργα υψηλών απαιτήσεων ανά το κόσμο. Ειδικά σε ότι αφορά την αγορά της Κίνας, οι έννοιες του deep learning και ΑΙ, έχουν γίνει ιδιαίτερα δημοφιλείς από τους μεγάλους κατασκευαστές αλλά και από τους ίδιους τους πελάτες που αρχίζουν να εξοικειώνονται με αυτές τις τεχνολογίες. Οι δυο μεγάλοι κινέζοι κατασκευαστές (Hikvision και Dahua) προωθούν τις λύσεις αυτές σε όλο τον κόσμο και προβλέπεται ότι αυτή η στρατηγική θα ενισχυθεί μέσα στο 2018. Επίσης προβλέπεται ότι μέσα στο έτος θα δούμε ακόμα μεγαλύτερες αναβαθμίσεις στα video analytics καθώς και μεγαλύτερη εφαρμογή αυτών σε κάθετες αγορές, όπως τα εμπορικά κέντρα και οι σταθμοί μεταφοράς όπως επίσης και ενίσχυση των έργων ασφάλειας σε δημόσιους χώρους σε πόλεις.

Οι υπηρεσίες cloud στο τομέα της βίντεο επιτήρησης αυξάνονται συνεχώς καθώς ο συγκεκριμένος τομέας αναπτύσσεται διαρκώς στα πλαίσια ανάπτυξης των εφαρμογών της πληροφορικής.

Ο ρόλος του GDPR και της ψηφιακής ασφάλειας στον τομέα της φυσικής ασφάλειας

Με αφορμή την εφαρμογή του Ευρωπαϊκού Γενικού Κανονισμού Προστασίας των Δεδομένων -γνωστό ως GDPR- μέσα στο 2018 (υπάρχει σχετικό άρθρο στο τεύχος), θα ενισχυθούν οι συζητήσεις για τα θέματα ιδιωτικότητας και ειδικότερα για το πώς στον τομέα της βίντεο επιτήρησης θα μπορούν να προστατευθούν καλύτερα τα δεδομένα που παράγονται από τα συστήματα ασφάλειας. Η ψηφιακή ασφάλεια γενικότερα θα απασχολήσει ολοένα και περισσότερο τη βιομηχανία των συστημάτων ηλεκτρονικής ασφάλειας.

Ειδικότερα σε ό,τι αφορά στη σχέση του GDPR με τον τομέα της βίντεο επιτήρησης, θα τεθούν σε νέα βάση οι διαδικασίες και οι αρχές για τη συλλογή, αποθήκευση και διαχείριση των δεδομένων που προέρχονται από τις πλατφόρμες επιτήρησης, θέτοντας περιορισμούς, δικλείδες ασφαλείας, εταιρική ευθύνη και λογοδοσία. Ορισμένες βασικές αλλαγές που αξίζει να αναφέρουμε είναι:

Οι δημόσιες αρχές αλλά και οι ιδιωτικές εταιρίες θα πρέπει να ορίσουν υπεύθυνο προστασίας δεδομένων (DPO – Data Protection Officer) που μεταξύ άλλων θα είναι υπεύθυνος και για το βιντεοληπτικό υλικό που παράγεται από τις τοποθετημένες κάμερες ασφάλειας στις εγκαταστάσεις.

Θα απαιτηθούν αξιολογήσεις επιπτώσεων σε περίπτωση παραβιάσεων, κάτι σαν Risk Assessment για την αποθήκευση και διαχείριση των δεδομένων από τις κάμερες.

Θα πρέπει να υπενθυμίσουμε επίσης ότι για τις εγκαταστάσεις στην Ε.Ε., σε περίπτωση που υπάρχει παραβίαση δεδομένων, ο διαχειριστής είναι υποχρεωμένος να ειδοποιήσει τις αρχές εντός 72 ωρών και σε περίπτωση που δεν τηρηθεί αυτό, προβλέπονται υψηλά πρόστιμα μέχρι 20 εκατ. € ή 4% του τζίρου.

Το GDPR περιγράφει τις πραγματικές πιθανές συνέπειες για μελλοντικές παραβιάσεις δεδομένων. Οι αξιολογήσεις κινδύνου θα μπορέσουν να οδηγήσουν τους οργανισμούς στο να δώσουν μεγαλύτερη αξία στα χαρακτηριστικά των συστημάτων επιτήρησης με τα οποία επιτυγχάνουν ελαχιστοποίηση των παραβιάσεων δεδομένων, όπως εργαλεία ανίχνευσης / αναφοράς και πρόσθετα μέτρα για την προστασία των δεδομένων σε περίπτωση παράνομης εξαγωγής (π.χ. κρυπτογράφηση).

Γενικότερα, αυτό που θα επιφέρει σίγουρα η εφαρμογή του κανονισμού στην αγορά της βιντεο-επιτήρησης, είναι η ακόμα μεγαλύτερη προσοχή στη διαφύλαξη των αρχείων βίντεο που λαμβάνουν οι κάμερες ασφάλειας και γενικότερα των δεδομένων που σχετίζονται με τις εφαρμογές αυτές προκειμένου να αποφευχθούν οι παραβιάσεις των δεδομένων.

Τεχνολογίες ανίχνευσης drone

Ένα εξίσου σημαντικό θέμα που θα μας απασχολήσει ακόμα πιο έντονα τη χρονιά που διανύουμε, είναι οι τεχνολογίες ανίχνευσης Drone, κυρίως σε εφαρμογές περιμετρικής προστασίας. H χρήση drones για κακόβουλους σκοπούς, έχει αυξηθεί αρκετά τα τελευταία χρόνια και οι υπεύθυνοι ασφάλειας εγκαταστάσεων, αναζητούν τρόπους προκειμένου να εντοπίζουν και στη συνέχεια να εξουδετερώνουν αυτούς τους ιπτάμενους “ανεπιθύμητους εισβολείς”. Οι τεχνολογίες που έχουν αναπτυχθεί για το σκοπό ανίχνευσης των drones είναι κυρίως δυο: Οι λύσεις Radio Frequency (RF) detection aerials, είναι κεραίες που αξιοποιούνται στην ανίχνευση, ανάλυση και εντοπισμό των συχνοτήτων RF που χρησιμοποιούνται από τους σταθμούς διαχείρισης των drone. Το πλεονέκτημα αυτών των συστημάτων, έγκειται στο ότι μπορούν να εντοπίσουν και το drone στον αέρα, αλλά και το άτομο που το ελέγχει, καθώς επίσης έχουν τη δυνατότητα να εντοπίσουν ένα drone και πριν αυτό πετάξει. Έχουν πολύ μεγάλη εμβέλεια ανίχνευσης, αλλά ίσως υστερούν στο να εντοπίσουν με μεγάλη ακρίβεια τη θέση του drone, ενώ δεν είναι σε θέση να συνδυαστούν με τη λειτουργία καμερών προκειμένου να παρέχουν ταυτόχρονα εικόνες από τα σημεία θέση του drone.

Από την άλλη πλευρά έχουμε τα επίγεια Radar, που μπορούν να χρησιμοποιηθούν για την ανίχνευση και συνεχή παρακολούθηση των drones. Τα συστήματα αυτά μπορεί να έχουν κάπως μικρότερη εμβέλεια όμως έχουν το πλεονέκτημα ότι μπορούν να συνλειτουργήσουν με κάμερες ptz και να προσφέρουν εικόνες από τη θέση των drones. Ένα επίσης μειονέκτημα αυτής της λύσεις είναι ότι μπορεί να επηρεαστεί η λειτουργία τους από δυσμενείς καιρικές συνθήκες.

Ενίσχυση των υφιστάμενων τεχνολογιών

Φυσικά μέσα στο 2018 θα δούμε αναβαθμισμένες τεχνολογικές προτάσεις που απευθύνονται στον ευρύτερο τομέα της βίντεο επιτήρησης με έμφαση την εξέλιξη των συστημάτων λογισμικού διαχείρισης βίντεο (VMS).

Οι εταιρείες που αναπτύσσουν VMS ενσωματώνουν συνεχώς νέα χαρακτηριστικά, που θα βοηθήσουν τους χειριστές των πλατφορμών επιτήρησης να λαμβάνουν ακόμα περισσότερες πληροφορίες στο κατάλληλο χρόνο, έτσι ώστε να αυτοματοποιούνται οι διαδικασίες εντοπισμού περιστατικών που ενδιαφέρουν την ασφάλεια. Επίσης τα ανοιχτά πρότυπα θα διευκολύνουν τη δυνατότητα ενσωμάτωσης πολλών παραδοσιακών λειτουργιών PSIM (Physical Security Information Management) στα VMS κάτι που θα βοηθήσει ιδιαίτερα στη συνεργασία συστημάτων επιτήρησης με λύσεις ελέγχου πρόσβασης και συναγερμού και στην ενοποιημένη διαχείριση συστημάτων ασφάλειας.

Επίσης θα δούμε εξελιγμένες λύσεις σε ότι αφορά κάμερες που επιτυγχάνουν την απόδοση έγχρωμων εικόνων κάτω από συνθήκες πολύ χαμηλού φωτισμού με επίκεντρο την τεχνολογία Starlight.