VCA: Όταν τα CCTV αποκτούν ευφυΐα

Πριν από λίγο καιρό πολλοί τα αποκαλούσαν video analytics, ενώ σήμερα έχει εισαχθεί ο όρος VCA (Video Content Analysis). Μπορεί οι χαρακτηρισμοί να διαφοροποιούνται, όμως κοινός τόπος είναι οι προσπάθειες εισαγωγής στοιχείων τεχνητής ευφυΐας στα CCTV. Ποια είναι η κατάσταση σήμερα και τι προβλέπεται στο άμεσο μέλλον; Δεν αποτελεί μυστικό ότι επιθυμία όλων όσοι ασχολούνται με τον κλάδο των συστημάτων επιτήρησης είναι η παρουσίαση συστημάτων με αυξημένο βαθμό τεχνητής ευφυΐας. Η επίτευξη αυτού του στόχου μπορεί να γίνει μόνο με τη μεγαλύτερη και αποτελεσματικότερη χρήση των υπολογιστών και των καινοτομιών που προκύπτουν συνεχώς από τη βιομηχανία της πληροφορικής.

Οι προσπάθειες αυτές έχουν δημιουργήσει έναν τομέα ανάπτυξης στο χώρο των CCTV, που το συναντάμε με διάφορα ονόματα και στον οποίο ενσωματώνονται διάφορες τεχνολογίες – με διαφορετική ίσως αφετηρία αλλά τελικά με κοινό τερματισμό. Αν λοιπόν μέχρι πριν λίγο καιρό μιλούσαμε για τον τομέα των video analytics που ακριβώς περιέγραφε τις προσπάθειες για την ανάπτυξη εξυπνότερων συστημάτων CCTV, πλέον αναφερόμαστε στις εφαρμογές αυτές με το χαρακτηρισμό Video Content Analysis (VCA). Οι εφαρμογές των VCA καλύπτουν τον ευρύτερο χώρο όλων εκείνων των συστημάτων CCTV που έχουν τη δυνατότητα να επεξεργάζονται τα δεδομένα τα οποία καταγράφονται από τις κάμερες και να τα αναλύουν αυτόματα, παρέχοντας σε πολύ σύντομο χρόνο σημαντικές πληροφορίες για τα διαδραματιζόμενα στους τελικούς χρήστες του συστήματος. Όπως προαναφέρθηκε, τα συστήματα VCA ενσωματώνουν διάφορες τεχνολογίες ενώ και τα όρια μεταξύ αυτών των τεχνολογιών συχνά είναι δυσδιάκριτα. Για αυτό και γίνεται διεθνώς μια προσπάθεια ώστε να καθιερωθεί ο όρος VCA και να καλύπτει όλες τις εφαρμογές αυτού του είδους.

Η εξέλιξη
Χαρακτηριστικότερο παράδειγμα μιας τεχνολογίας που ανήκει στα συστήματα VCA – και μάλλον αποτέλεσε τον πρόγονο όλων αυτών των εφαρμογών – είναι εκείνη της ανίχνευσης κίνησης, γνωστότερης και ως video motion detection. Αποτελεί μάλλον μία από τις απλούστερες μορφές VCA και επιτρέπει την ενεργοποίηση της κάμερας όταν εκείνη αντιλαμβάνεται μία κίνηση σε ένα σταθερό background. Πλέον η ανίχνευση κίνησης αποτελεί μια ενσωματωμένη λειτουργία σε όλες τις κάμερες CCTV, ανεξαρτήτως αν είναι αναλογικές ή δικτυακές. Τον τελευταίο καιρό όμως και πιο προηγμένες λειτουργίες όπως το video tracking ή η εκτίμηση της τρισδιάστατης κίνησης της κάμερας (γνωστή και με τον όρο egomotion) ενσωματώνονται σε προηγμένα μοντέλα καμερών ή υλοποιούνται με τη χρήση ειδικών προγραμμάτων διαχείρισης video. Διαπιστώνουμε λοιπόν ότι όλη η βιομηχανία των συστημάτων επιτήρησης εργάζεται πυρετωδώς προς την ανάπτυξη εφαρμογών οι οποίες να προσεγγίζουν αυτό που μονολεκτικά το ορίζουμε ως VCA. Δηλαδή συστήματα CCTV με στοιχεία τεχνητής ευφυΐας, που να έχουν τη δυνατότητα να αναγνωρίζουν αλλά και να ταυτοποιούν συμπεριφορές των προσώπων ή των αντικειμένων που καταγράφουν οι κάμερες ανά κάθε στιγμή. Ουσιαστικά δηλαδή να μπορούν να κάνουν την επεξεργασία των δεδομένων σε αρχικό στάδιο, να φιλτράρουν εκείνα που χρήζουν περισσότερης προσοχής και να τα παρουσιάζουν στους χρήστες του συστήματος, ώστε να πάρουν εκείνοι την τελική απόφαση για το τι θα πράξουν.

Η χρήση των μεταδεδομένων
Ο υπερβολικός όγκος των δεδομένων που καταγράφονται από τις κάμερες των σύγχρονων συστημάτων επιτήρησης και η λογική αδυναμία των ανθρώπων που χειρίζονται αυτά τα συστήματα να επεξεργαστούν αυτές τις πληροφορίες, ήταν ο λόγος για την ανάπτυξη των έξυπνων συστημάτων, που πλέον καλύπτονται υπό το γενικότερο όρο VCA. To πρώτο στάδιο στην εξέλιξη των συστημάτων αυτών ήταν η τεχνολογία ανίχνευσης κίνησης (Video Motion Detection- VMD) όπως αναφέραμε στην αρχή του άρθρου. Όμως, λόγω ακριβώς της μάλλον απλοϊκής – για τις απαιτήσεις και τις προδιαγραφές της σύγχρονης εποχής – τεχνολογίας VDM έχουμε το φαινόμενο των λανθασμένων ενεργοποιήσεων του συστήματος, ακόμα και όταν δεν υπάρχει λόγος. Επίσης τα συστήματα VDM δεν προσφέρουν καμία επιπρόσθετη υπηρεσία στο χρήστη και απέχουν πολύ από το να χαρακτηριστούν ως εφαρμογές πραγματικής τεχνητής νοημοσύνης, κάτι που πλέον προβάλλει ως απαίτηση από τα συστήματα νέας γενιάς.
Οπότε, καταρχήν οφείλουμε να συγκεκριμενοποιήσουμε τι ζητάμε και πώς πρέπει να λειτουργεί ένα σύστημα για να μπορεί να χαρακτηριστεί ως VCA. Εκείνο που οφείλουμε να έχουμε υπόψη μας είναι ότι αυτές οι εφαρμογές βασίζονται στην επεξεργασία των μετά-δεδομένων (meta data). Με την έννοια αυτή χαρακτηρίζουμε εκείνη την κατηγορία των δεδομένων, τα οποία περιγράφουν άλλα δεδομένα. Έχουν ευρεία χρήση στο χώρο της πληροφορικής, με χαρακτηριστικότερη ίσως τη χρήση τους στις μηχανές αναζήτησης του διαδικτύου. Στην περίπτωση των έξυπνων συστημάτων επιτήρησης, ορισμένα χαρακτηριστικά παραδείγματα μετα-δεδομένων είναι το μέγεθος ενός αντικειμένου και η θέση του στην εικόνα, η ταχύτητά του και ο αριθμός της πινακίδας ενός οχήματος. Τα δεδομένα αυτά λοιπόν περιγράφουν τα περιεχόμενα (δεδομένα) της εικόνας, σύμφωνα και με τον ορισμό που δόθηκε προηγουμένως. Δεδομένου ότι τα δεδομένα αυτά απαιτούνται για την περαιτέρω ανάλυση, είναι εύλογο ότι παίζει σημαντικό ρόλο η ποιότητά τους. Καταρχήν πρέπει να είναι ακριβή. Δηλαδή οφείλουν να περιγράφουν αντικείμενα που να ενδιαφέρουν τους χρήστες όπως ένα κινούμενο όχημα και όχι να μεταφέρουν λανθασμένες πληροφορίες όπως αυτές που αφορούν σε ένα φυτό που κινείται από τον αέρα. Όμως δεν οφείλουν μόνο να είναι ακριβή αλλά να παρέχουν και την απαραίτητη λεπτομέρεια. Χαρακτηριστικότερο παράδειγμα ίσως αποτελεί η αυτόματη αναγνώριση πινακίδων οχημάτων, γνωστή και με το ακρωνύμιο ANPR (Automatic Number Plate Recognition). Ακόμα και ένα ψηφίο να μη δίνεται με ακρίβεια, τότε ουσιαστικά ακυρώνεται εξ ολοκλήρου η χρησιμότητα του συστήματος. Επίσης η λεπτομέρεια είναι σημαντική και για τον καθορισμό του μεγέθους του αντικειμένου που θα ενεργοποιήσει το σύστημα λήψης. Έστω ότι έχει καθορισθεί από το χρήστη να ενεργοποιούνται οι κάμερες CCTV όταν ένα ανθρώπινο πρόσωπο μπει σε ένα συγκεκριμένο χώρο. Βασικό κριτήριο για τον καθορισμό του προσώπου είναι το μέγεθός του, που κυμαίνεται μεταξύ ορισμένων ορίων. Εάν το σύστημα δεν μπορέσει να ανιχνεύσει με ακρίβεια το μέγεθος, τότε είναι πιθανό να μπει ένας άνθρωπος μέσα στο χώρο χωρίς να τον αποτυπώσουν οι κάμερες.
Πολύ σημαντικός είναι επίσης ο προσδιορισμός της θέσης του αντικειμένου, τόσο μέσα στο χώρο όσο και μέσα στο χρόνο. Τα δύο αυτά στοιχεία μπορούν να δώσουν πολύτιμα στοιχεία για την ταχύτητα με την οποία κινείται ένα πρόσωπο και ανάλογα να δώσουν σήμα ενεργοποίησης. Ένα όχημα που κινείται με μεγάλη ταχύτητα προς μια θύρα εισόδου, σαφώς υποδεικνύει ότι υπάρχει πιθανός κίνδυνος και άρα το σύστημα CCTV οφείλει να αποτυπώσει τη σκηνή.
Η χρήση των μετα-δεδομένων δημιουργεί πληθώρα δυνατοτήτων. Ένα σύστημα με ενσωματωμένες δυνατότητες VCA μπορεί παραδείγματος χάρη να διαπιστώσει εάν μια ομάδα ανθρώπων πλησιάζει έναν επιτηρούμενο χώρο, ακόμα και από διαφορετικά σημεία και να ενεργοποιήσει το συναγερμό. Επίσης θα καταγράψει όλες τις κινήσεις τους και τις διαδρομές που θα ακολουθήσουν, ώστε να είναι εφικτή μια εικονική αναπαράσταση του περιστατικού σε μελλοντικό χρόνο.

Τεχνολογία
Όταν αναφερόμαστε στο πώς λειτουργούν τα συστήματα VCA είναι σημαντικό να δώσουμε βαρύτητα και στον τρόπο με τον οποίο διαχωρίζονται τα αντικείμενα που μας ενδιαφέρουν, από το συνολικό παρασκήνιο της εικόνας (background). Η συγκεκριμένη τεχνολογία έχει πλέον αναπτυχθεί και υπάρχουν σημαντικές διαφορές στην υλοποίηση του διαχωρισμού του περιθωρίου από τα αντικείμενα. Ειδικότερα, μεγαλύτερες διαφορές υπάρχουν στις τεχνικές που φιλτράρουν τις εικόνες από παράσιτα, καιρικά φαινόμενα και την επίδραση του φωτός.
Η ποιοτική ανάλυση των εικόνων προς επεξεργασία – που αποτελεί και το βασικότερο στάδιο της λειτουργίας των συστημάτων VCA – βασίζεται σε δύο εναλλακτικές τεχνικές. Στις τεχνικές κατάταξης (classification) και στις τεχνικές τμηματοποίησης (segmentation). Οι τεχνικές τμηματοποίησης βασίζονται στη διαίρεση της συνολικής εικόνας σε αντικείμενα ενδιαφέροντος. Ως αντικείμενα ορίζονται συγκεκριμένες περιοχές εικονοστοιχείων (pixels) που διακρίνονται από τις υπόλοιπες βάσει κάποιων ίδιων ή παρόμοιων χαρακτηριστικών, όπως π.χ. είναι η ένταση, η φωτεινότητα, το χρώμα αλλά και οι ακμές που οριοθετούν τα διάφορα αντικείμενα μέσα στη συνολική εικόνα. Βάσει αυτών των χαρακτηριστικών διαχωρίζεται η εικόνα σε αντικείμενα ενδιαφέροντος. Αυτή είναι εν ολίγοις η διαδικασία της τμηματοποίησης. Στη συνέχεια έχουμε το clustering, στο οποίο οι συστοιχίες (clusters) των τμηματοποιημένων pixels τοποθετούνται μαζί, ώστε να σχηματίσουν ψηφιακά αντικείμενα έτοιμα προς επεξεργασία. Τα πιο προηγμένα συστήματα VCA είναι σε θέση κατά τη φάση αυτή να αφαιρούν σκιές από άλλα αντικείμενα ή άλλα αντικείμενα που δεν έχουν σχέση με το βασικό προς επεξεργασία στόχο. Η δυνατότητα στο clustering αποτελεί ένα από τα βασικά κριτήρια για την αξιολόγηση ενός συστήματος VCA.
Όσον αφορά στις τεχνικές κατάταξης, το σύνολο των συστημάτων VCA είναι σε θέση να κάνει χρήση τους. Οι τεχνικές αυτές βασίζονται στην κατάταξη – εξ ου και το όνομα – των αντικειμένων της εικόνας σε διάφορες κλάσεις, ανάλογα με κάποια χαρακτηριστικά. Μία προσέγγιση είναι η χρήση παραμέτρων όπως το μέγεθος, η ταχύτητα και η θέση. Αυτές οι τιμές συγκρίνονται με κάποιες προκαθορισμένες τιμές και ανάλογα με τα αντικείμενα κατατάσσονται στις αντίστοιχες κλάσεις.
Μία άλλη εναλλακτική προσέγγιση αποτελεί αυτή που είναι γνωστή ευρέως με τον όρο ΄΄τεχνική ταύτισης με πρότυπα΄΄ και βασίζεται στη σύγκριση των αντικειμένων που περιέχονται στην κάμερα με πρότυπα αποθηκευμένα σε μία βάση δεδομένων. Ο αλγόριθμος βρίσκει ποιο πρότυπο ταυτίζεται περισσότερο με το αντικείμενο και ανάλογα το κατατάσσει στην αντίστοιχη τάξη. Η τεχνική αυτή χρησιμοποιείται περισσότερο όταν χρειάζεται να εξαχθεί ένα συγκεκριμένο αντικείμενο από μία εικόνα και πλεονεκτεί στο γεγονός ότι δεν απαιτεί από το σύστημα να προχωρήσει σε διαδικασίες διαχωρισμού του περιβάλλοντος χώρου (background differentiation).
Τα προαναφερθέντα αποτελούν μία πολύ μικρή περιγραφή της τεχνολογίας που κρύβεται πίσω από τα συστήματα VCA, καθώς η εξοικείωση με αυτούς τους όρους απαιτεί σημαντικές γνώσεις πάνω σε διάφορους τομείς και ένα πολύ ισχυρό θεωρητικό υπόβαθρο. Οι εξελίξεις είναι ραγδαίες, καθώς αυτήν τη στιγμή τόσο σε ερευνητικά κέντρα εταιρειών όσο και σε πανεπιστημιακά εργαστήρια πραγματοποιείται ένα σημαντικό έργο, ακόμα και σε μεταδιδακτορικό επίπεδο. Όμως ο απλός χρήστης ή ακόμα και ο τεχνικός ή ο μελετητής που θα κληθεί να υλοποιήσει ένα παρόμοιο σύστημα, είναι προφανές ότι θα δείξει περισσότερο ενδιαφέρον για τις πρακτικές εφαρμογές και λειτουργίες αυτών των τεχνικών και όχι για τις επιστημονικές αρχές λειτουργίας τους. Σε αυτό ακριβώς το κομμάτι θα εμβαθύνει στη συνέχεια το Security Manager, κλείνοντας τη σύντομη θεωρητική παρένθεση και συνεχίζοντας με το τι οφέλη θα αποκομίσουμε από τα συστήματα VCA.

Από τη θεωρία στην πράξη
Το μεγάλο ερώτημα που έρχεται λοιπόν αυθόρμητα στα χείλη όλων όσοι ασχολούνται με τα συστήματα επιτήρησης και ακούν με ενδιαφέρον την εμφάνιση της τεχνολογίας VCA, είναι τι ακριβώς μπορεί να προσφέρει. Στη θεωρία όλα είναι εφικτά, πλην όμως η πράξη απέχει πολύ. Τα συστήματα VCA δεν ανήκουν στο χώρο της μαγείας και ως εκ τούτου δεν μπορούν να κάνουν μαγικά. Για να εντοπίσουν ένα αντικείμενο ή μία ύποπτη κίνηση θα πρέπει καταρχήν να μπορούν οι κάμερες του συστήματος να καταγράψουν το συγκεκριμένο αντικείμενο ή την κίνηση. Δηλαδή ένα αντικείμενο που μοιάζει με εκρηκτικό μηχανισμό αλλά είναι τοποθετημένο πίσω από ένα καλάθι απορριμμάτων, είναι προφανές ότι τουλάχιστον η υφιστάμενη τεχνολογία δεν μπορεί ακόμα να το εντοπίσει. Σε αυτό το σημείο λοιπόν οφείλουμε να κάνουμε μια διαφοροποίηση μεταξύ των όρων δυνατοτήτων του συστήματος και λειτουργιών του.
Με τον όρο δυνατότητες εννοούμε ότι όντως το σύστημα είναι ικανό για κάποιες ενέργειες. Όμως οι λειτουργίες αποτελούν μια πιο σύνθετη διαδικασία, καθώς αυτές καθορίζουν πώς υλοποιούνται στην πράξη οι περιγραφόμενες δυνατότητες του συστήματος και ποια τα όρια ανίχνευσης. Χαρακτηριστικό παράδειγμα, που όμως ίσως κάνει πιο κατανοητή αυτήν τη διαφορά, είναι η δυνατότητα φρεναρίσματος των οχημάτων. Στη θεωρία όλα τα οχήματα έχουν αυτήν τη δυνατότητα αλλά στην πράξη η λειτουργία φρεναρίσματος διαφέρει ριζικά ανάμεσα σε ένα συμβατικό όχημα και σε ένα αγωνιστικό αυτοκίνητο.
Επανερχόμενοι λοιπόν στο θέμα μας, όλες οι εταιρείες του χώρου που διαθέτουν συστήματα VCA , υπόσχονται ότι τα προϊόντα τους έχουν μια πληθώρα δυνατοτήτων. Μεταξύ αυτών θα συναντήσουμε τη συμβατική ανίχνευση κίνησης αλλά και πιο προηγμένες, όπως τον εντοπισμό επικίνδυνων αντικειμένων, την προστασία περιμέτρου, την ανίχνευση αντικειμένων που αφαιρούνται, τον έλεγχο ύποπτων κινήσεων, την ανίχνευση διείσδυσης στο χώρο, τον έλεγχο και τη διαχείριση πλήθους, καθώς και την ανίχνευση προσώπων ή αντικειμένων κινούμενων με μεγάλη ταχύτητα. Αυτή η πληθώρα δυνατοτήτων – ένα μικρό αριθμό των οποίων παραθέσαμε προηγουμένως – είναι πολύ εντυπωσιακή όταν αναγράφεται στα εταιρικά φυλλάδια. Το θέμα είναι κατά πόσο αυτά τα κείμενα απεικονίζουν και την πραγματικότητα και σε αυτό οφείλουν να εστιάζουν τόσο οι τελικοί χρήστες όσο και οι εταιρείες εγκατάστασης που θέλουν να προωθήσουν κάποιο σύστημα. Διότι μεγάλο βάρος της ευθύνης σε περίπτωση όπου η εφαρμογή δεν λειτουργήσει όπως θέλει ο τελικός πελάτης, θα πέσει και στον εγκαταστάτη, ασχέτως αν αυτός δηλώσει παραπλανημένος από αυτά που περιγράφονται στα διαφημιστικά φυλλάδια του προϊόντος.
Χρήση των έξυπνων συστημάτων
Εντούτοις, κανείς δεν μπορεί να αμφισβητήσει ότι τα συστήματα που όντως διαθέτουν στοιχεία τεχνητής ευφυΐας μπορούν να φανούν πολύ χρήσιμα σε πλήθος εφαρμογών. Μπορούν να αποτελέσουν αποτελεσματικό εργαλείο ελέγχου παραβατικών ενεργειών σε πολυσύχναστους χώρους, όπως τα γήπεδα, τα πολυκαταστήματα, τα αεροδρόμια, τα λιμάνια και οι σιδηροδρομικοί σταθμοί. Επίσης μπορούν να φανούν χρήσιμα σε χώρους όπως τα τραπεζικά καταστήματα. Η χρήση τους είναι διττή, δηλαδή μπορούν να λειτουργήσουν τόσο ως συστήματα ασφαλείας όσο και ως εφαρμογές ελέγχου της ομαλής ροής των εργασιών μέσα στο χώρο. Όταν παραδείγματος χάρη εμφανίζεται ουρά σε κάποιο σημείο, μπορεί το σύστημα να ειδοποιεί αυτόματα τους υπεύθυνους ώστε να κάνουν διορθωτικές ενέργειες.
¶λλο ένα θέμα που ενδιαφέρει κυρίως τα οικονομικά στελέχη των επιχειρήσεων είναι ποια η ανταποδοτικότητα αυτών των εφαρμογών, το επονομαζόμενο ROI (return on investment). Όπως γνωρίζουμε, σήμερα όλα μετρούνται με το κόστος και την απόδοση των επενδύσεων. Ανάλογα με την εφαρμογή στην οποία θα χρησιμοποιηθεί ένα σύστημα, θα πρέπει να διαπιστωθεί και ο βαθμός ανταποδοτικότητας. Για παράδειγμα, σε ένα σχολείο το προφανές όφελος ενός έξυπνου συστήματος επιτήρησης είναι η μείωση των βανδαλισμών. Το κόστος εξοικονόμησης μπορεί εύκολα να βρεθεί αθροίζοντας τα ποσά που εξοικονομούνται λόγω του μειωμένου βαθμού υλικών καταστροφών, αλλά και της μείωσης στο προσωπικό επιτήρησης. Με παρόμοιο σκεπτικό μπορούν να αναπτυχθούν και εργαλεία εύρεσης του ROI για άλλες εφαρμογές, προσαρμόζοντας φυσικά τις παραμέτρους ανάλογα με τις ιδιαιτερότητες κάθε εφαρμογής. Στα πολυκαταστήματα, λόγου χάρη, υπάρχει εξοικονόμηση εξαιτίας και της μείωσης που θα παρατηρηθεί από τις κλοπές προϊόντων είτε από πελάτες είτε από το προσωπικό. Σε κάθε περίπτωση υπάρχουν και διαφορετικοί παράγοντες που επηρεάζουν το ROI. Ανεξαρτήτως όμως των διαφορών, πάντα μπορεί να δημιουργηθεί ένα εργαλείο εύρεσης της ανταποδοτικότητας της επένδυσης σε ένα έξυπνο σύστημα επιτήρησης, ώστε να μπορέσει να χρησιμοποιηθεί ως επιχείρημα σε όσους επιζητούν την οικονομική αξία της χρήσης των έξυπνων συστημάτων επιτήρησης.

Το επόμενο βήμα
Αν και τα έξυπνα συστήματα επιτήρησης κάνουν τα πρώτα βήματά τους στο χώρο των συστημάτων ασφαλείας, ήδη έχουν ξεκινήσει οι έρευνες για τη νέα τάση που θα σημαδέψει τα επόμενα χρόνια. Μια τάση που δεν είναι άλλη από τη λειτουργία τρισδιάστατων συστημάτων που θα καταγράφουν, αποθηκεύουν και επεξεργάζονται εικόνες όχι στο γνωστό επίπεδο των δύο διαστάσεων, αλλά στον πραγματικό χώρο των τριών διαστάσεων. Ο επιστημονικός όρος που χρησιμοποιείται για να αποδώσει τις προσπάθειες οι οποίες γίνονται προς αυτήν την πλευρά είναι ΄΄στερεοσκοπική όραση΄΄ (stereo vision) και θα δώσει μια άλλη διάσταση στην ποιοτική επεξεργασία των δεδομένων, καθώς θα μπορούν πλέον να χρησιμοποιούνται περισσότερα μετα-δεδομένα. Οπότε τα συστήματα θα έχουν περισσότερες πληροφορίες να επεξεργαστούν και θα εμφανίζουν μικρότερο αριθμό λανθασμένων ενδείξεων. Ίσως αυτό να ακούγεται λίγο μακρινό και βγαλμένο από σενάριο επιστημονικής φαντασίας, αλλά αν δούμε πόσο έχει προχωρήσει η τεχνολογία τα τελευταία χρόνια, μάλλον θα διαπιστώσουμε ότι είναι πιο κοντά από ό,τι φανταζόμαστε. Ο συνδυασμός τεχνητής ευφυΐας με τρισδιάστατες εικόνες θα απογειώσει δίχως άλλο τη χρήση των συστημάτων επιτήρησης και θα τους προσδώσει απίστευτες δυνατότητες, καθιστώντας τα πολυδιάστατα εργαλεία.

Του ΑΡΙΣΤΟΤΕΛΗ ΛΥΜΠΕΡΟΠΟΥΛΟΥ