O crescimento global da Inteligência Artificial (IA) mudou radicalmente a forma como muitos setores funcionam e está revolucionando o setor de CFTV.
A IA se refere a um tipo de processamento computacional que “aprende” a melhorar suas capacidades — muitas vezes comparado à compreensão humana. O desenvolvimento da IA está sendo impulsionado por mercados novos e emergentes, de alto crescimento e orientados pela tecnologia, como comunicações de dados, telecomunicações, redes, automotivo, jogos, defesa, eletrônicos de consumo e muito mais; o setor de CFTV é um dos beneficiários.
O desenvolvimento da IA é fundamental para o desempenho da análise de vídeo em sistemas de CFTV, melhorando a eficácia, a precisão e a densidade de canais, além de reduzir custos. No entanto, o desenvolvimento de hardware de HPC (computação de alto desempenho), que permite o aumento da capacidade de processamento exigido pela IA, também afetará a capacidade física, o projeto, o layout e o custo dos sistemas de CFTV.
IA agora
Software
Em aplicações de CFTV, IA e análise de vídeo são sinônimos. A tecnologia de análise de vídeo usada em soluções de CFTV pode ser dividida, de maneira geral, em três categorias: neural, aprendizado profundo e binária. A Digifort oferece suporte a todos os três tipos, além de se integrar às análises em NVRs de terceiros, dispositivos de análise e câmeras na “periferia”. Cada uma tem suas vantagens em termos de custo-benefício, então a Digifort trabalha com todas elas para garantir que os clientes tenham flexibilidade; por exemplo, não gastando com análises avançadas quando a detecção de movimento, que é mais barata, já dá conta do recado.
Os principais tipos de análise usam Aprendizado de Máquina (ML) para treinar o algoritmo do software a reconhecer e interpretar objetos em uma cena, incluindo padrões relevantes de movimento e comportamento. Assim como no reconhecimento humano, é possível identificar muitos objetos diferentes, com um índice de “confiança”, a partir de uma biblioteca armazenada de objetos conhecidos, que o sistema aprendeu ao longo do tempo. Esses objetos podem incluir pessoas, vans, bicicletas, carros, caminhões, grupos de pessoas, bolsas, ciclistas e muito mais, incluindo suas cores e direções de movimento.
O Deep Learning (DL), que é o que há de mais moderno e faz parte do ML, aumenta ainda mais a precisão e a eficácia. Isso inclui a capacidade de se autocalibrar automaticamente e desconsiderar elementos da cena que não sejam relevantes para a análise, reduzindo assim os alarmes falsos. Outro exemplo é sobrepor esqueletos virtuais nas pessoas para rastrear a posição e o movimento das mãos, braços e cabeças em relação ao tronco, além da velocidade do movimento, a fim de identificar padrões de comportamento mais complexos, como agressão ou violência.
Hardware
As aplicações atuais de sistemas de gerenciamento de vídeo com análise utilizam servidores com CPU (Unidades Centrais de Processamento) para a operação do sistema, com potência suficiente para processar o vídeo das câmeras do sistema. Servidores ou PCs com GPU (Unidades de Processamento Gráfico ou placas de vídeo) fornecem a capacidade de processamento necessária para a análise. A Plataforma de Segurança Integrada da Digifort processa facilmente de 100 a 200 câmeras em um único servidor 2U com um processador do tipo Intel Xeon de gama média, dependendo dos perfis de gravação das câmeras. A Digifort, parceira da Nvidia, projeta suas análises para rodarem em GPUs da Nvidia, onde uma placa de vídeo de gama média, como a RTX A2000, processa até 60 canais de VA, dependendo do tipo. Assim, tanto o processamento do VMS quanto o da VA são feitos usando hardware consagrado e comprovado, para oferecer componentes básicos econômicos para sistemas de CFTV.
Rede, armazenamento e nuvem
Talvez a maior limitação nas aplicações de CFTV atualmente, tanto em termos de hardware quanto de conhecimento, seja a largura de banda da rede e o armazenamento; fatores essenciais para a IA e a análise de dados. Se uma câmera de 4 MP em um local remoto transmitir a 25 FPS, usando um algoritmo de compressão H.265 eficiente, a largura de banda necessária pode ficar em torno de 3 Mbps, só pra dar um exemplo (dependendo da atividade na cena, da qualidade da imagem e do tipo de câmera). Quando esse vídeo for gravado por 31 dias, vai precisar de cerca de 1,0 TB de armazenamento. Um sistema de CFTV de 8 canais, por exemplo, vai precisar de um múltiplo disso: 24 Mbps e 8 TB. Não sei ao certo qual é a velocidade média das conexões de banda larga hoje em dia, mas 100 Mbps de download e 20 Mbps de upload são muito melhores do que minha conexão residencial atual, e mesmo assim não seria suficiente, já que é a velocidade de upload que precisamos ao transmitir de um local remoto para um ponto central. O Digifort oferece opções de licença por aluguel e suporta a centralização em um servidor remoto ou na nuvem (servidor de terceiros), mas o custo do armazenamento na nuvem e da conexão de banda larga necessária para fazer a transmissão de forma eficaz é alto.
Sistemas inteligentes de gerenciamento de vídeo, como o Digifort, têm taxa de bits variável, ajustando as taxas de bits das câmeras em tempo real para direcionar a largura de banda para onde ela é mais necessária. No entanto, a menos que a mentalidade mude da gravação contínua para a gravação por evento, acionada por análises baseadas em IA em tempo real, para sistemas maiores, isso não vai dar certo, como se costuma dizer! E isso sem nem falar na latência.
IA no futuro
Software
No futuro, a IA vai ajudar a análise de vídeo a melhorar o desempenho e a análise preditiva, como precisão, velocidade, variedade de objetos reconhecidos, padrões de comportamento e lógica do CFTV, além de uma integração eficiente com sistemas de terceiros para aprimorar a gestão do local. Isso pode incluir proteção e monitoramento de ativos, controle de acesso, detecção de intrusos, inteligência empresarial e predial, PSIM e muito mais, mas também o processamento em massa de dados da IoT para prever possíveis ameaças à segurança, analisando padrões e tendências de comportamento para destacar exceções. Além disso, o número de canais por local vai aumentar, graças à velocidade e potência de processamento dos computadores.
A expressão “revolução industrial” aparece no título deste artigo porque a IA chegou a um ponto crítico, bem demonstrado pelo ChatGPT. Esse modelo de IA de linguagem de grande escala, desenvolvido pela OpenAI, escreve textos e encontra imagens, vasculhando a internet em busca de informações relevantes e apresentando-as em um formato legível e lógico, em questão de segundos. O mesmo tipo de modelo de IA está sendo usado no desenvolvimento de software, onde a IA pode ajudar a se otimizar, por exemplo, para melhorar algoritmos de VA, sem intervenção humana. Da mesma forma, no processamento de VMS e no projeto de hardware de IA, o gargalo humano foi eliminado e a IA está se aprimorando sozinha!
Hardware - processamento
A geração atual de hardware de IA é baseada em componentes eletrônicos. No entanto, a IA está gerando uma explosão na demanda por maior largura de banda, baixa latência e capacidade de processamento mais rápida. Isso requer Computação de Alto Desempenho (HPC), que atualmente está em desenvolvimento para aplicações em data centers, mas que, sem dúvida, em breve vai se expandir para aplicações de computação mais amplas. Estão surgindo conexões “fotônicas” baseadas em óptica, já que a tecnologia Co-Packaged Optics (CPO) busca substituir as conexões de cobre por conexões ópticas – aumentando enormemente a velocidade de processamento, reduzindo o tamanho do sistema, o consumo de energia e os custos operacionais. A Nvidia entrou este ano no clube exclusivo das empresas que valem um trilhão de dólares, graças aos avanços na tecnologia de IA.
Os tamanhos dos “módulos” do sistema de CFTV mencionados anteriormente — de 100 a 200 canais no Sistema de Gerenciamento de Vídeo e de 40 a 60 canais VA — se encaixam naturalmente em sistemas de CFTV maiores e, muitas vezes, podem ser implantados no local de forma econômica. No entanto, se a tecnologia HPC permitir que os processadores de SGM e VA da próxima geração processem apenas 10 vezes mais canais nos próximos 5 anos, o processamento e, possivelmente, o armazenamento terão que ser centralizados em um servidor remoto de um data center (nuvem), com as câmeras alocadas a um local e pagas por local ou por câmera, para que seja viável.
Os data centers de última geração estão prevendo um aumento enorme na demanda por processamento em vários setores, chegando à mesma conclusão, já que a computação de alto desempenho (HPC) está impulsionando um modelo de processamento remoto. É claro que os NVRs, as soluções de análise em aparelhos dedicados e as câmeras com análise integrada simplesmente não conseguem acompanhar o ritmo.
Rede, armazenamento e nuvem
Para centralizar de forma eficaz, as análises baseadas em IA precisam que a rede tenha latência zero, a fim de evitar atrasos entre o vídeo transmitido e o acionamento dos eventos de análise. As redes 5G e ópticas devem oferecer latência zero e estão nos planos de curto prazo.
Se os integradores e usuários finais aceitarem o sistema de CFTV orientado a eventos para reduzir os custos de largura de banda e armazenamento de dados, as soluções remotas de armazenamento e processamento analítico vão prevalecer. Se a gravação tiver que ser contínua, então podem surgir soluções híbridas com armazenamento local e processamento analítico centralizado, sendo que a redução de custos no armazenamento local pode atrasar a migração para o armazenamento na nuvem e o streaming em sistemas maiores.
Resumo
O desenvolvimento da IA é impulsionado por produtos de consumo, smartphones, jogos e muitos outros mercados, e o sistema de CFTV se beneficia disso. Os avanços no hardware, com enorme capacidade computacional, vão melhorar o desempenho das análises baseadas em IA. No entanto, um grande número de canais significa que o processamento ultrapassa o de sistemas comuns, por isso precisa ser distribuído por vários locais. Um sistema de CFTV centralizado ou na nuvem permite distribuir os custos, mas a latência da rede e os custos de armazenamento na nuvem, junto com os custos de streaming de banda larga, podem fazer com que o armazenamento continue local por mais tempo. De qualquer forma, vai ser preciso aprimorar as habilidades dos engenheiros de CFTV, com mais conhecimentos em óptica e redes.
