A deteção de falsos alarmes tornou-se uma função crítica nos modernos sistemas de monitorização de vigilância. O número de falsos alarmes que a análise assinala como eventos reais ou potenciais pode sobrecarregar os operadores na sala de controlo, uma vez que a maior parte do seu tempo é gasto a lidar com alertas, apenas para os classificar como falsos alarmes.
Os falsos alarmes não só são desmotivantes para os operadores, como também representam um desperdício de dinheiro, uma vez que os recursos são desperdiçados na reação a não eventos. A ideia da monitorização em ecrã negro é que os operadores não têm de olhar continuamente para várias imagens de câmaras, mas são orientados pela tecnologia para se concentrarem nos acontecimentos reais. No entanto, os falsos alarmes tornam-no muitas vezes quase impossível, uma vez que há sempre algum não-evento a pedir atenção.
Atualmente, existem muitas aplicações analíticas destinadas a evitar que os falsos alarmes cheguem aos operadores da sala de controlo, algumas baseadas inteiramente na nuvem, enquanto outras estão alojadas em servidores no local, ou mesmo no limite das próprias câmaras. A SMART Security Solutions falou com Dene Alkema, MD da Cathexis Africa (vencedora dos Prémios OSPA deste ano e do ano passado) para saber mais sobre as várias opções de falsos alarmes disponíveis para operações de monitorização de vídeo.
Na nuvem ou no local
Com toda a conversa sobre sistemas e soluções de nuvem que aparentemente resolverão todos os seus problemas, independentemente do sector em que se encontra, perguntámos primeiro a Alkema qual a solução que considera melhor. Segundo ele, “a monitorização eficaz de um local é um aspeto crítico de qualquer sistema de segurança, e tanto os sistemas na nuvem como no local têm as suas vantagens e desvantagens no que diz respeito à redução de falsos alarmes.”
“Os sistemas baseados na nuvem estão a tornar-se cada vez mais populares devido à sua flexibilidade e escalabilidade. No entanto, os sistemas baseados na nuvem dependem da conetividade com a Internet e podem não ser tão fiáveis como os sistemas locais em áreas com fraca conetividade. As considerações de cibersegurança também devem ser avaliadas cuidadosamente para garantir que o risco do cliente é gerido quando se implementa uma solução baseada na nuvem.”
Alkema acrescenta que os sistemas no local podem ser considerados mais fiáveis do que os sistemas baseados na nuvem, uma vez que não dependem de uma ligação à Internet se o local for monitorizado no próprio local. No entanto, é de notar que os custos iniciais e de manutenção dos sistemas locais podem aumentar mais do que os dos sistemas baseados na nuvem, dependendo da sua base de custos. “É fundamental avaliar os requisitos de cada cliente e as suas restrições de conetividade individualmente antes de decidir sobre as soluções.”
Sobre a questão da largura de banda, ele observa: “A necessidade de largura de banda é diretamente afetada pela forma como a solução é concebida. Pode implementar uma IA na câmara com base na extremidade, em que a câmara só envia eventos e vídeos quando determina que há algo a comunicar. Isto pode poupar muita largura de banda e recursos de computação, quer esteja ligado a uma solução baseada na nuvem ou no local. Tudo se resume à forma como os clientes pretendem monitorizar os seus locais, aos requisitos do cliente e às restrições de conetividade que têm de considerar ao conceber uma solução.”
Tem de formar pessoas e máquinas
Ouvimos falar muito de aplicações de deteção de falsos alarmes que reduzem os falsos alarmes em 90% ou mais (embora poucas pessoas pareçam concentrar-se no número de eventos reais que os sistemas perdem), no entanto, a eficácia de qualquer IA depende da formação que recebe – tal como acontece com as pessoas. Hoje em dia, é fácil distinguir uma planta ao vento de um ser humano, mas como é que os sistemas distinguem, por exemplo, pessoas que se abraçam de pessoas que lutam?
Alkema concorda que a formação aprofundada da IA baseada em vídeo é essencial, mas acrescenta que os dados utilizados para treinar a IA também terão um impacto direto no resultado do seu desempenho. Segundo ele, os fornecedores equilibram os seguintes aspectos quando treinam redes neurais:
- Qualidade dos dados: A qualidade dos dados utilizados para treinar a rede neural é fundamental. Dados de má qualidade ou mal etiquetados podem conduzir a resultados imprecisos e afetar negativamente o desempenho da rede neural.
- Quantidade de dados: Dependendo da especificidade da formação da sua rede neuronal, são necessárias grandes quantidades de dados variados para formar eficazmente as redes neuronais, o que pode ser moroso e dispendioso.
- Recursos informáticos: O treino de redes neuronais baseadas em vídeo requer recursos computacionais dispendiosos de topo de gama.
“É possível treinar redes neurais para serem precisas e eficazes. A experiência neste domínio, o investimento em recursos de desenvolvimento suficientes e o acesso a dados de qualidade suficiente permitem que um fornecedor apresente ao mercado soluções eficazes baseadas em IA.”
Perda de emprego
A questão de saber até que ponto podemos confiar na IA para fazer os trabalhos que, no passado, exigiam operadores treinados é também uma questão que precisa de ser abordada. A questão de saber quantos postos de trabalho a IA irá substituir os humanos é um ponto de discussão bastante popular em todos os sectores, uma vez que se tornou evidente que não serão apenas os operários a ficar na fila do desemprego.
Olhando especificamente para os operadores humanos de salas de controlo, em que medida é que a IA colocaria o seu trabalho em perigo? Atualmente, o melhor cenário é ter uma abordagem de ecrã negro em que a IA elimina a maior parte dos falsos alarmes e, com sorte, capta todos os alarmes reais e notifica um operador, que depois implementa os procedimentos operacionais normalizados (SOP) para a empresa ou para esse cliente específico (se a sala de controlo monitorizar infra-estruturas de vários clientes).
Atualmente, a IA não pode assumir esses empregos, ou pode? No futuro, no entanto, o que impede uma IA de reconhecer um evento real e implementar esses PONs automaticamente sem ter de depender de humanos para terminar o trabalho?
“Mesmo com o amadurecimento da tecnologia de IA”, diz Alkema, “os operadores humanos continuarão a ser necessários para verificar e atuar sobre os eventos gerados pela IA. Algumas acções poderiam ser automatizadas por sistemas de gestão de vídeo sem intervenção humana, mas isso dependeria da política do cliente para responder a eventos reais. A estratégia ideal de mitigação de riscos incorporaria o melhor que a automação baseada em IA e a intervenção humana podem oferecer, para que os operadores possam usar essas ferramentas para serem ainda mais eficazes”.
No entanto, também observa: “Há tanto investimento em IA baseada em vídeo a nível global. O ritmo a que a tecnologia de IA está a melhorar, ao mesmo tempo que se torna mais precisa e eficiente, vai mudar o cenário do que será uma sala de controlo de monitorização no futuro.”
Opções de IA e falsos alarmes do CathexisVision
Por fim, perguntámos à Alkema o que a Cathexis oferece no domínio da deteção de falsos alarmes.
“Na Cathexis, o nosso objetivo no desenvolvimento de soluções baseadas em IA é aumentar o valor dos dados de vídeo. Uma das principais formas de o fazermos é com o conjunto de análise de vídeo CathexisVision, que utiliza modelos de redes neurais e IA para garantir que o software consegue detetar anomalias no local e alertar os operadores da sala de controlo apenas para os eventos sobre os quais têm de ser informados. Além disso, existe a poderosa ferramenta de tratamento de eventos da CathexisVision, o Alarm Management Gateway, que permite aos operadores visualizar eventos de vídeo em direto e gravados, ser informados dos seus SOPs e apresentar relatórios sobre as acções que tomaram.”
“Os relatórios sobre o tratamento de eventos são uma caraterística importante do software, que ajuda a manter a integridade da sala de controlo. A implementação efectiva da CathexisVision em locais importantes e de elevado tráfego a nível mundial é uma prova da capacidade da solução para aumentar o valor dos dados de vídeo, para que os operadores possam manter-se informados e concentrar-se nas tarefas mais essenciais.”
