การเติบโตอย่างรวดเร็วของปัญญาประดิษฐ์ (AI) ทั่วโลกได้เปลี่ยนแปลงวิธีการทำงานในหลายอุตสาหกรรมอย่างสิ้นเชิง และกำลังปฏิวัติวงการกล้องวงจรปิด
ปัญญาประดิษฐ์ (AI) หมายถึง รูปแบบการประมวลผลของคอมพิวเตอร์ที่สามารถ ‘เรียนรู้’ เพื่อพัฒนาความสามารถของตนเองให้ดียิ่งขึ้น ซึ่งมักถูกเปรียบเทียบกับการเข้าใจของมนุษย์ การพัฒนา AI นั้นได้รับแรงผลักดันจากตลาดใหม่ๆ ที่กำลังเติบโตอย่างรวดเร็วและใช้เทคโนโลยีเป็นหลัก เช่น การสื่อสารข้อมูล โทรคมนาคม เครือข่าย ยานยนต์ เกม การป้องกันประเทศ เครื่องใช้ไฟฟ้า และอื่นๆ อีกมากมาย อุตสาหกรรมกล้องวงจรปิดก็เป็นหนึ่งในอุตสาหกรรมที่ได้รับประโยชน์จาก AI เช่นกัน
การพัฒนา AI เป็นหัวใจสำคัญของประสิทธิภาพการวิเคราะห์วิดีโอในระบบ CCTV ช่วยเพิ่มประสิทธิภาพ ความแม่นยำ ความหนาแน่นของช่องสัญญาณ และลดต้นทุน อย่างไรก็ตาม การพัฒนาฮาร์ดแวร์ HPC (การประมวลผลประสิทธิภาพสูง) ซึ่งช่วยให้การประมวลผลเพิ่มขึ้นตามที่ AI ต้องการ จะส่งผลกระทบต่อความสามารถ การออกแบบ รูปแบบ และต้นทุนของระบบ CCTV ทางกายภาพด้วยเช่นกัน
AI ตอนนี้
ซอฟต์แวร์
ในแอปพลิเคชัน CCTV ปัญญาประดิษฐ์ (AI) และการวิเคราะห์ข้อมูลมีความหมายเหมือนกัน เทคโนโลยีการวิเคราะห์วิดีโอที่ใช้ในโซลูชัน CCTV สามารถแบ่งออกได้เป็นสามประเภทหลัก ได้แก่ โครงข่ายประสาทเทียม (Neural), การเรียนรู้เชิงลึก (Deep Learning) และไบนารี (Binary) Digifort รองรับทั้งสามประเภทนี้ รวมถึงการผสานรวมกับการวิเคราะห์ใน NVR ของบริษัทอื่น กล่องวิเคราะห์ข้อมูล และกล้องที่ “ขอบเครือข่าย” (edge) แต่ละประเภทมีข้อพิจารณาด้านต้นทุนและประสิทธิภาพ ดังนั้น Digifort จึงทำงานร่วมกับทุกประเภทเพื่อให้ลูกค้ามีความยืดหยุ่น ตัวอย่างเช่น ไม่จำเป็นต้องจ่ายเงินสำหรับการวิเคราะห์ขั้นสูงในเมื่อการตรวจจับการเคลื่อนไหวที่ราคาถูกกว่าอาจเพียงพอแล้ว
บริษัทวิเคราะห์ข้อมูลชั้นนำใช้การเรียนรู้ของเครื่อง (Machine Learning หรือ ML) ในการฝึกฝนอัลกอริทึมของซอฟต์แวร์ให้สามารถจดจำและตีความวัตถุในฉาก รวมถึงรูปแบบการเคลื่อนไหวและพฤติกรรมที่เกี่ยวข้อง เช่นเดียวกับการจดจำของมนุษย์ ระบบสามารถระบุวัตถุต่างๆ ได้มากมาย โดยมีค่า “ความมั่นใจ” กำกับอยู่ จากคลังข้อมูลของวัตถุที่ระบบเรียนรู้มาเรื่อยๆ วัตถุเหล่านี้อาจรวมถึงคน รถตู้ จักรยาน รถยนต์ รถบรรทุก กลุ่มคน กระเป๋า นักปั่นจักรยาน และอื่นๆ อีกมากมาย รวมถึงสีและทิศทางการเคลื่อนไหวของวัตถุเหล่านั้นด้วย
เทคโนโลยีล้ำสมัยอย่างการเรียนรู้เชิงลึก (Deep Learning หรือ DL) ซึ่งเป็นสาขาหนึ่งของแมชชีนเลิร์นนิง (Machine Learning หรือ ML) ช่วยเพิ่มความแม่นยำและประสิทธิภาพให้ดียิ่งขึ้นไปอีก เช่น ความสามารถในการปรับเทียบตัวเองโดยอัตโนมัติและตัดสิ่งที่ไม่เกี่ยวข้องกับการวิเคราะห์ออกไป ช่วยลดการแจ้งเตือนที่ผิดพลาด อีกตัวอย่างหนึ่งคือการซ้อนภาพโครงกระดูกลงบนร่างกายเพื่อติดตามตำแหน่งและการเคลื่อนไหวของมือ แขน และศีรษะเทียบกับลำตัว รวมถึงความเร็วของการเคลื่อนไหว เพื่อระบุรูปแบบพฤติกรรมที่ซับซ้อนมากขึ้น เช่น ความก้าวร้าวหรือความรุนแรง
ฮาร์ดแวร์
แอปพลิเคชันระบบจัดการวิดีโอ (Video Management System หรือ VMS) ในปัจจุบันที่มีระบบวิเคราะห์ข้อมูล ใช้เซิร์ฟเวอร์ที่มี CPU (หน่วยประมวลผลกลาง) สำหรับการทำงานของระบบจัดการวิดีโอ ซึ่งมีประสิทธิภาพเพียงพอสำหรับการประมวลผลวิดีโอจากกล้องของระบบ ส่วนเซิร์ฟเวอร์หรือพีซีที่มี GPU (หน่วยประมวลผลกราฟิก หรือการ์ดกราฟิก) จะให้ความสามารถในการประมวลผลทางคอมพิวเตอร์ที่จำเป็นสำหรับการวิเคราะห์ข้อมูล แพลตฟอร์มรักษาความปลอดภัยแบบบูรณาการของ Digifort สามารถประมวลผลกล้องได้ 100 ถึง 200 ตัวบนเซิร์ฟเวอร์ขนาด 2U เพียงเครื่องเดียว โดยใช้โปรเซสเซอร์ Intel Xeon ระดับกลาง ขึ้นอยู่กับโปรไฟล์การบันทึกของกล้อง Digifort ซึ่งเป็นพันธมิตรของ Nvidia ออกแบบระบบวิเคราะห์ข้อมูลให้ทำงานบน GPU ของ Nvidia โดยการ์ดกราฟิกระดับกลาง เช่น RTX A2000 จะสามารถประมวลผล VA ได้สูงสุด 60 ช่อง ขึ้นอยู่กับประเภท ดังนั้น ทั้งการประมวลผล VMS และ VA จึงทำโดยใช้ฮาร์ดแวร์ที่ได้รับการยอมรับและพิสูจน์แล้ว เพื่อให้ได้ส่วนประกอบพื้นฐานของระบบ CCTV ที่คุ้มค่า
เครือข่าย พื้นที่จัดเก็บข้อมูล และคลาวด์
บางทีข้อจำกัดที่สำคัญที่สุดของแอปพลิเคชัน CCTV ในปัจจุบัน ทั้งในแง่ของฮาร์ดแวร์และความเข้าใจ คือแบนด์วิดท์เครือข่ายและพื้นที่จัดเก็บข้อมูล ซึ่งเป็นสิ่งสำคัญสำหรับ AI และการวิเคราะห์ หากกล้อง 4MP ในสถานที่ห่างไกลถูกสตรีมที่ 25 เฟรมต่อวินาที โดยใช้อัลกอริทึมการบีบอัด H265 ที่มีประสิทธิภาพ แบนด์วิดท์อาจอยู่ที่ประมาณ 3Mbps (ขึ้นอยู่กับกิจกรรมในฉาก คุณภาพของภาพ และประเภทของกล้อง) เมื่อบันทึกวิดีโอนี้เป็นเวลา 31 วัน จะต้องใช้พื้นที่จัดเก็บประมาณ 1.0TB ระบบ CCTV 8 ช่อง จะต้องใช้แบนด์วิดท์มากกว่านั้นหลายเท่า คือ 24Mbps และ 8TB ผมไม่แน่ใจว่าความเร็วการเชื่อมต่อบรอดแบนด์โดยเฉลี่ยในปัจจุบันเป็นอย่างไร แต่ความเร็วในการดาวน์โหลด 100Mbps และความเร็วในการอัปโหลด 20Mbps นั้นดีกว่าการเชื่อมต่อที่บ้านของผมมาก และนั่นก็ยังไม่เพียงพอ เพราะเราต้องการความเร็วในการอัปโหลดเมื่อสตรีมจากสถานที่ห่างไกลไปยังตำแหน่งส่วนกลาง Digifort มีตัวเลือกใบอนุญาตให้เช่าและรองรับการรวมศูนย์บนเซิร์ฟเวอร์ระยะไกลหรือคลาวด์ (เซิร์ฟเวอร์ของคนอื่น) แต่ค่าใช้จ่ายในการจัดเก็บข้อมูลบนคลาวด์และการเชื่อมต่อบรอดแบนด์ที่จำเป็นสำหรับการสตรีมอย่างมีประสิทธิภาพนั้นมีราคาแพง
ระบบจัดการวิดีโออัจฉริยะอย่าง Digifort มีอัตราบิตแปรผันได้ โดยจะปรับอัตราบิตของกล้องแบบเรียลไทม์เพื่อส่งมอบแบนด์วิดท์ไปยังจุดที่ต้องการมากที่สุด อย่างไรก็ตาม หากแนวคิดไม่เปลี่ยนจากการบันทึกอย่างต่อเนื่องไปเป็นการบันทึกตามเหตุการณ์ที่กระตุ้นด้วยการวิเคราะห์ที่ขับเคลื่อนด้วย AI แบบเรียลไทม์ สำหรับระบบขนาดใหญ่แล้ว วิธีนี้ก็จะไม่ประสบความสำเร็จ! และนั่นยังไม่รวมถึงเรื่องความหน่วงด้วย
ปัญญาประดิษฐ์ในอนาคต
ซอฟต์แวร์
ในอนาคต AI จะช่วยปรับปรุงประสิทธิภาพและการวิเคราะห์เชิงคาดการณ์ของระบบวิเคราะห์วิดีโอ เช่น ความแม่นยำ ความเร็ว ขอบเขตของวัตถุที่ตรวจจับได้ รูปแบบพฤติกรรม และตรรกะของกล้องวงจรปิด รวมถึงการบูรณาการอย่างมีประสิทธิภาพกับระบบของบุคคลที่สามเพื่อปรับปรุงการจัดการไซต์ ซึ่งอาจรวมถึงการป้องกันและตรวจสอบทรัพย์สิน การควบคุมการเข้าถึง การป้องกันการบุกรุก ระบบอัจฉริยะทางธุรกิจและอาคาร PSIM และอื่นๆ อีกมากมาย นอกจากนี้ยังรวมถึงการประมวลผลข้อมูลขนาดใหญ่ของ IoT เพื่อคาดการณ์ภัยคุกคามด้านความปลอดภัยที่อาจเกิดขึ้นโดยการวิเคราะห์รูปแบบและแนวโน้มในพฤติกรรมเพื่อเน้นย้ำถึงความผิดปกติ ยิ่งไปกว่านั้น จำนวนช่องสัญญาณต่อไซต์จะเพิ่มขึ้น โดยได้รับการสนับสนุนจากความเร็วและกำลังการประมวลผลของคอมพิวเตอร์
คำว่า “การปฏิวัติอุตสาหกรรม” ถูกนำมาใช้ในชื่อบทความนี้ เพราะปัญญาประดิษฐ์ (AI) ได้มาถึงจุดสำคัญแล้ว ดังที่เห็นได้ชัดจาก Chat GPT โมเดล AI ภาษาขนาดใหญ่ที่พัฒนาโดย OpenAI นี้สามารถเขียนข้อความและค้นหารูปภาพ โดยค้นหาข้อมูลที่เกี่ยวข้องบนอินเทอร์เน็ตและนำเสนอในรูปแบบที่อ่านง่ายและเป็นตรรกะภายในไม่กี่วินาที โมเดล AI ประเภทเดียวกันนี้กำลังถูกนำไปใช้ในการพัฒนาซอฟต์แวร์ ซึ่ง AI สามารถช่วยปรับปรุงตัวเองได้ เช่น การปรับปรุงอัลกอริธึม VA โดยไม่ต้องมีการแทรกแซงจากมนุษย์ ในทำนองเดียวกัน การประมวลผล VMS และการออกแบบฮาร์ดแวร์ AI อุปสรรคจากมนุษย์ได้ถูกกำจัดออกไปแล้ว และ AI ก็กำลังพัฒนาตัวเองอย่างต่อเนื่อง!
ฮาร์ดแวร์ - การประมวลผล
ฮาร์ดแวร์ AI รุ่นปัจจุบันใช้ระบบอิเล็กทรอนิกส์เป็นหลัก อย่างไรก็ตาม AI กำลังสร้างความต้องการอย่างมหาศาลสำหรับแบนด์วิดท์ที่มากขึ้น ความหน่วงต่ำ และความสามารถในการประมวลผลที่เร็วขึ้น ซึ่งจำเป็นต้องใช้การประมวลผลประสิทธิภาพสูง (High Performance Computing หรือ HPC) ซึ่งปัจจุบันกำลังอยู่ในระหว่างการพัฒนาสำหรับแอปพลิเคชันในศูนย์ข้อมูล แต่ไม่ต้องสงสัยเลยว่าจะถูกนำไปใช้ในแอปพลิเคชันการประมวลผลที่กว้างขึ้นในไม่ช้า การเชื่อมต่อแบบ ‘โฟโตนิกส์’ ที่ใช้แสงกำลังปรากฏขึ้น เนื่องจากเทคโนโลยี Co-Packaged Optics (CPO) พยายามที่จะแทนที่การเชื่อมต่อด้วยทองแดงด้วยแสง ซึ่งจะเพิ่มความเร็วในการประมวลผล ลดขนาดระบบ การใช้พลังงาน และต้นทุนการดำเนินงานอย่างมหาศาล Nvidia ได้เข้าร่วมกลุ่มบริษัทที่มีมูลค่าหนึ่งล้านล้านดอลลาร์ในปีนี้ ด้วยความก้าวหน้าของเทคโนโลยี AI
ขนาดของ ‘ส่วนประกอบพื้นฐาน’ ของระบบ CCTV ที่กล่าวถึงก่อนหน้านี้ คือ ช่องสัญญาณระบบจัดการวิดีโอ (Video Management System) 100-200 ช่อง และช่องสัญญาณ VA 40-60 ช่อง นั้น สอดคล้องกับระบบ CCTV ขนาดใหญ่ และมักสามารถติดตั้งในสถานที่ได้อย่างคุ้มค่า อย่างไรก็ตาม หากเทคโนโลยี HPC ช่วยให้โปรเซสเซอร์ระบบจัดการวิดีโอและ VA รุ่นใหม่สามารถรองรับจำนวนช่องสัญญาณได้มากขึ้นถึง 10 เท่าภายใน 5 ปีข้างหน้า การประมวลผลและอาจรวมถึงการจัดเก็บข้อมูล จะต้องรวมศูนย์ไปยังเซิร์ฟเวอร์ระยะไกลหรือศูนย์ข้อมูล (คลาวด์) โดยจัดสรรกล้องให้กับแต่ละสถานที่และชำระค่าบริการตามสถานที่หรือตามจำนวนกล้อง เพื่อให้สามารถใช้งานได้อย่างยั่งยืน
ศูนย์ข้อมูลรุ่นใหม่คาดการณ์ว่าจะมีความต้องการประมวลผลเพิ่มขึ้นอย่างมหาศาลในหลายอุตสาหกรรม โดยตระหนักถึงข้อเท็จจริงที่ว่า HPC (High-Performance Computing) กำลังผลักดันรูปแบบการประมวลผลระยะไกล เห็นได้ชัดว่า NVR (Network Video Recorder), โซลูชันวิเคราะห์ข้อมูลแบบสำเร็จรูป และกล้องวิเคราะห์ข้อมูล ไม่สามารถรองรับความต้องการที่เพิ่มขึ้นนี้ได้
เครือข่าย พื้นที่จัดเก็บข้อมูล และคลาวด์
เพื่อให้การรวมศูนย์การวิเคราะห์ข้อมูลด้วย AI มีประสิทธิภาพ จำเป็นต้องใช้เครือข่ายที่มีความหน่วงเป็นศูนย์ เพื่อหลีกเลี่ยงความล่าช้าระหว่างวิดีโอที่สตรีมและเหตุการณ์การวิเคราะห์ที่เกิดขึ้น เครือข่าย 5G และเครือข่ายใยแก้วนำแสงควรให้ความหน่วงเป็นศูนย์ และอยู่ในแผนระยะสั้น
หากผู้ติดตั้งระบบและผู้ใช้ปลายทางยอมรับระบบ CCTV ที่ขับเคลื่อนด้วยเหตุการณ์เพื่อลดต้นทุนแบนด์วิดท์และพื้นที่จัดเก็บข้อมูล โซลูชันระยะไกลสำหรับการจัดเก็บและการประมวลผลวิเคราะห์ข้อมูลจะได้รับความนิยมมากขึ้น หากจำเป็นต้องบันทึกอย่างต่อเนื่อง อาจต้องใช้โซลูชันแบบไฮบริดที่มีการจัดเก็บข้อมูลในพื้นที่และการประมวลผล VA แบบรวมศูนย์ โดยการลดต้นทุนในการจัดเก็บข้อมูลในพื้นที่จะช่วยชะลอการย้ายไปยังการจัดเก็บข้อมูลบนคลาวด์และการสตรีมมิ่งสำหรับระบบขนาดใหญ่
สรุป
การพัฒนา AI ได้รับแรงผลักดันจากผลิตภัณฑ์สำหรับผู้บริโภค สมาร์ทโฟน เกม และตลาดอื่นๆ อีกมากมาย โดยระบบ CCTV ก็ได้รับประโยชน์จากสิ่งนี้เช่นกัน การพัฒนาด้านฮาร์ดแวร์ที่มีความสามารถในการประมวลผลสูง จะทำให้การวิเคราะห์ข้อมูลด้วย AI ทำงานได้ดีขึ้น อย่างไรก็ตาม จำนวนช่องสัญญาณที่มากหมายความว่าการประมวลผลจะเกินกว่าระบบทั่วไป ดังนั้นจึงต้องกระจายไปยังหลายๆ ไซต์ ระบบ CCTV แบบรวมศูนย์หรือบนคลาวด์ช่วยให้สามารถกระจายต้นทุนได้ แต่ความหน่วงของเครือข่ายและต้นทุนการจัดเก็บข้อมูลบนคลาวด์ รวมถึงต้นทุนการสตรีมผ่านบรอดแบนด์ อาจทำให้การจัดเก็บข้อมูลในพื้นที่ยังคงต้องใช้เวลานานขึ้น ไม่ว่าจะด้วยวิธีใดก็ตาม การพัฒนาทักษะของวิศวกร CCTV ที่มีความสามารถด้านออปติกและเครือข่ายที่สูงขึ้น จะเป็นสิ่งจำเป็น
