Objavljeno: 25.5.2021 | Avtor: Simon Peter Vavpotič | Monitor Junij 2021

Ko nas računalnik prepozna

Računalnik bo že v nekaj letih uspešnejši in natančnejši od človeka pri zaznavanju in prepoznavanju obrazov, gest in premikanja. Kako delujejo tovrstni računalniški algoritmi? Kako z Raspberry Pi, s peceji in pametnimi telefoni vzpostavimo videonadzorni sistem? Kako do zastonjske programske opreme in razvojnih programskih knjižnic?

V 60. letih preteklega stoletja so nastale prve računalniške aplikacije za prepoznavanje obrazov, ki so zahtevale ročni vnos numerični podatkov o obraznih značilnostih ob pomoči grafične tablice, na kateri je operater na fotografiji obraza poklikal 20 razdalj obraznih značilnosti, kot so razmik zenic, zunanji rob oči, širina ust in oči ter velikost brade. Računalnik je nato preiskal podatkovno zbirko obrazov in predlagal najbolj podobne, s čimer je bilo na uro mogoče obdelati do 40 fotografij.

Samodejno iskanje in prepoznavanje obrazov

Že konec 70. let so začeli preizkušati prve računalniške aplikacije za samodejno iskanje lastnosti obrazov. V 90. letih so računalniški sistemi obraze razpoznavali predvsem iz biometričnih fotografij, pri katerih ni bilo treba upoštevati vrtenja slik, na primer pri nadzoru potnikov na letališčih (standard ICAO). Obenem so raziskovalci preizkušali tudi metode za iskanje obrazov, na katerih so bili poleg ljudi tudi drugi predmeti. Največ zanimanja pa je sredi 90. požela metoda elastičnega ujemanja skupka grafov, s katero so raziskovalci z bochumske univerze prekašali večino komercialnih sistemov.

Novo tisočletje je s skokovito naraščajočimi zmogljivostmi računalnikov končno prineslo sisteme za razpoznavanje obrazov v realnem času. Tako je AdaBoost postal prvi sistem za frontalno zaznavo obrazov, katerega algoritem so sproti dopolnjevali, da ga je bilo ob hkratnem tehnološkem napredku že leta 2015 mogoče vgraditi v majhne prenosne prave in druge vgrajene sisteme. Algoritem danes uporabljajo tudi nekateri grafični uporabniški vmesniki in telekonferenčni sistemi.

Tehnološki giganti na področju računalniškega vida

Pomembnosti razvija tehnologij umetne inteligence (AI – angl. artificial intelligence) za podporo računalniškemu vidu se že dolgo zavedajo tudi veliki proizvajalci tovrstne programske in strojne opreme, ki obsega tako strojno branje natisnjenih in ročno napisanih besedil, zaznavanje in prepoznavanje obrazov kot tudi zaznavanje in spremljanje premikov ljudi in predmetov ter razumevanje gest v realnem času.

Cognitec (cognitec.com), ki je nastal leta 2002, je proizvajalec biometričnih programskih rešitev, katerega ustanovitelji že od leta 1995 razvijajo tehnologijo za razpoznavanje obrazov FaceVACS za vladne in industrijske informacijske sisteme različnih držav.

Cross Match Technologies (hidglobal.com/crossmatch) je vodilni inovator in ponudnik biometričnih rešitev z razpoznavanjem obrazov za vladne in industrijske informacijske sisteme, kar vključuje hiter zajem obrazov iz videa in biometričnih potnih dokumentov. Pri tem je programerjem na voljo SDK, prek katerega lahko funkcionalnosti AI integrirajo v svoje aplikacije.

EyeSight Technologies (cipia.com) razvija t. i. naravne vmesnike za interakcijo človeka z računalnikom, ki omogočajo upravljanje z gestami v številnih računalniških napravah.

Elliptic Labs (ellipticlabs.com) razvija rešitve za zaznavanje gest na osnovi odboja ultrazvoka, ki delujejo na pecejih, tablicah in pametnih telefonih.

GestureTek (gesturetek.com) se že od leta 1986 ukvarja z računalniškim vidom za interakcijo človeka z računalnikom in ima v lasti številne patente s področja zaznave gest z digitalnimi kamerami za predstavitvene in razvedrilne sisteme. Njegove programske rešitve omogočajo uporabnikom dostop do informacij, upravljajo razvedrilne sisteme in se interaktivno potopijo v navidezni trirazsežni svet zgolj s premikanjem rok in telesa, ne da bi za to potrebovali kakršnokoli nosljivo elektroniko.

GestSure (gestsure.com) je še posebej aktiven na področju razvoja kirurških medicinskih pripomočkov, saj so razvili programsko opremo, s katero lahko kirurgi med delom dostopajo v zbirko slik pacienta z enostavnimi gestami rok, ne da bi morali pri tem uporabljati računalniško miško.

Intel (intel.com) vsekakor ni le najpomembnejši proizvajalec mikroprocesorjev, njegovi inženirji so aktivni tudi na številnih področjih razvoja naprav AI in sredinske programske opreme zanje. Razvojni komplet The Creative* Interactive Gesture Camera Developer Kit vključuje zmogljivo spletno kamero visoke ločljivosti z vgrajenima mikrofonoma za razpoznavanje slik, gest in glasu, ima pa tudi tipalo oddaljenosti (t. i. globine). V lastnih aplikacijah AI kamero lahko uporabljamo ob pomoči razvojnega kompleta Intel Perceptual Computing SDK, ki omogoča gradnjo interaktivnih aplikacij 3D z vgrajeno analizo obrazov, s sledenjem 2D/3D predmetom, razpoznavo govora in bližinsko sledenje gestam rok uporabnikov.

IrisGuard (irisguard.com) razvija tehnologijo prepoznavanja človeških zenic, po katerih se medsebojno razlikujemo, zato dajejo poseben poudarek številčnosti in natančnosti določanja njihovih karakteristik. Rešitev IrisGuard EyeBank vključuje kamere, programsko opremo in zaledne strežnike, s katerimi skenira zenico uporabnika in jo primerja z vsemi že shranjenimi opisi zenic v podatkovni zbirki, kar zagotavlja natančno in zanesljivo identifikacijo.

Microchip (microchip.com) prav tako ne razvija samo mikrokrmilnikov, temveč se loteva tudi razvoja pomembnih aplikacijskih rešitev na področju razvoja strojnih komponent AI, kot so sledne 2D/3D računalniške tablice. Te omogočajo enostavno zaznavo in programiranje gest z rokami ter s prsti na površini tablice pa tudi nad tablico. Ponujajo tudi rešitve na drugih področjih AI.

PointGrab (pointgrab.com) že od leta 2010 trži programske rešitve za razpoznavanje gest za pametne televizorje, peceje, tablice in pametne telefone. Zaznava geste prstov in rok, pri čemer uporablja sliko s standardne digitalne kamere, zato so vgrajene v številne naprave za vsakdanjo rabo.

Qualcomm (qualcomm.com) je eden izmed glavnih svetovnih proizvajalcev čipov za pametne telefone s tehnologijami 3G, 4G in 5G, vendar pa v svoje izdelke vgrajujejo tudi tehnologije za prepoznavo gest. Pametni telefon lahko namesto z geslom odklenemo z vnaprej shranjeno gesto: denimo v polju pik nekatere izmed njih povežemo z lomljeno črto, ki si jo je lahko zapomniti, morebitnemu nepridipravu pa skoraj nemogoče uganiti.

Sony Depth Sensing Solutions (sony-depthsensing.com) zagotavlja programske rešitve na področju računalniškega vida 3D za peceje, prenosne elektronske naprave in stroje, ki omogočajo kontekstno upravljanje z gestami. Pomen posamezne geste je tako lahko odvisen od okolja, v katerem se naprava nahaja, pa tudi od vrste problema, ki ga računalnik rešuje.

Zastonjske in odprtokodne rešitve

Za prepoznavanje obrazov lahko uporabimo plačljive spletne storitve, v lastno programsko opremo vgradimo programske knjižnice ali pa se prek aplikacijskih programskih vmesnikov (API) povežemo s strežnikom za razpoznavanje, ki je lahko nameščen v našem računalniškem sistemu ali v (javnem) spletnem oblaku. Večina zastonjskih programskih priljubljenih knjižnic je napisana za uporabo v priljubljenem programskem jeziku Python in deluje prek API ali ukazne vrstice.

Določitev orientacije obraza osebe na sliki je pomembna za razpoznavanje nefrontalnih slik obrazov.

Na internetu najdemo izvorno kodo in primere za priljubljene programske knjižnice (večino na GitHubu), kot so: Ageitgey/face_recognition (github.com/ageitgey/face_recognition), CompreFace (exadel.com/solutions/compreface), DeepFace (github.com/serengil/deepface), FaceNet (github.com/davidsandberg/facenet), InsightFace (github.com/deepinsight/insightface) in InsightFace-REST (github.com/SthPhoenix/InsightFace-REST). Med njimi je tudi veliko takih, ki so jih ustvarili programerjih tehnoloških gigantov, kot je Googlov FaceNet, ter so osnova za njihove zastonjske in plačljive storitve.

Plačljive rešitve za prepoznavanje obrazov

Če nimamo programerske žilice ali želimo kakovostnejše rešitve, ki jih proizvajalci sproti posodabljajo, se moramo zanesti na katero od plačljivih rešitev, med katerimi je največ spletnih storitev v velikih oblačnih infrastrukturah, kot je Amazon Web Services z vsestransko storitvijo Amazon Rekognition (aws.amazon.com). Ta omogoča celo zaznavo čustev, oceno starosti in spola ter detekcijo znanih lokacij; denimo, če je oseba slikana pred Eifflovim stolpom v Parizu. V 12-mesečnem preizkusnem obdobju je na voljo 5.000 zastonjskih prepoznav, za vsakih nadaljnjih 1.000 pa je treba plačati po 1 USD.

Podobno cenovno politiko ima tudi računalniški oblak Microsoft Azure, v sklopu katerega je na voljo tudi storitve za razpoznavanje obrazov Microsoft Azure Cognitive Services Face API (azure.microsoft.com/en-us/services/cognitive-services/face).

Tudi Deep Vision AI (deepvisionai.com) gostuje v javnem računalniškem v oblaku, lahko pa ga namestimo tudi v lastno računalniško infrastrukturo, s čimer se izognemo morebitnemu pošiljanju občutljivih osebnih podatkov na medmrežje.

Podobne rešitve so tudi FaceFirst (facefirst.com), Face++ (faceplusplus.com), FaceX (facex.io), Kairos (kairos.com), Machine Box (machinebox.io), Paravision (paravision.ai) in Trueface (trueface.ai). Med njimi je za domače snovalce in preizkuševalce tehnologije razpoznavanja obrazov zanimiv Machine Box, saj že zastonjska različica omogoča shranitev podatkov do 100 obrazov, njegov SDK (programski razvojni komplet – angl. software development kit) pa je izdelan za programski jezik Go.

Zaznavanje ljudi, predmetov, gest in premikanja

Računalnik geste telesa, rok in prstov zaznava z digitalno kamero in/ali z različnimi tipali. V 90. letih preteklega so tipala vgrajevali v posebne obleke, rokavice in druge nosljive pripomočke, kot je bil daljinski upravljalnik računalnika Wii Remote z natančno zaznavo položaja v prostoru.

Večina aplikacij za video nadzor in detekcijo gibanja danes deluje tudi na mobilnih telefonih in mikropecejih.

Leta 2012 je Microsoftov Kinect, ki je lahko prepoznaval obraze ter geste rok in nog le ob pomoči infrardečega laserskega projektorja in digitalne kamere, pomenil pravo revolucijo. Črno-bela kamera je zaznavala na uporabnika projicirano mrežo infrardeče svetlobe. Za uporabo Kinecta je tako zadoščal nekoliko temnejši prostor, programska oprema pa je nato sproti spremljala položaj telesa, še posebej rok in nog. Kljub temu se je za podporo Kinectu odločilo premalo proizvajalcev računalniških iger, saj je v začetku deloval le z Microsoftovo igralno konzolo Xbox One, različica za Microsoft Windows pa je bila na voljo šele leta 2014. Danes tehnologijo LiDAR, (Light Detection and Ranging – slov. detekcija in določanje razdalje ob pomoči svetlobe ali Laser Imaging, Detection and Ranging – slov. slikanje, detekcija in določanje razdalje z laserjem) uporabljajo skoraj vsi samovozeči avtomobili.

Nasprotno pa pri Tesli prisegajo zgolj na uporabo digitalnih kamer, kar omogoča določanje oddaljenosti predmetov in ljudi na cesti na podlagi globinskega vida. Ta zahteva kompleksnejše algoritme in večjo procesno moč nadzornega računalnika v vozilu.

Matematični model roke, ki ga uporabljajo pri zaznavanju gest.

Zaznava z radijskimi valovi

Ljudi, predmete in geste v prostoru lahko zaznavamo tudi na osnovi digitalne obdelave odboja elektromagnetnih valov od majhnih radijskih oddajnikov Wi-Fi, ki delujejo na frekvenčnih območjih okoli 2,4 GHz, 5 GHz, 6 GHz in 60 GHz, in iz drugih brezžičnih naprav.

Čeprav zaznava Wi-Fi za zdaj še ni standardizirana, je po ocenah strokovnjakov iz leta 2019 v povprečnem gospodinjstvu v ZDA okoli 11 digitalnih naprav povezanih v domače omrežje Wi-Fi, kar predstavlja velik potencial za uporabo nove tehnologije, za katero je treba predvsem ustrezno nadgraditi vgrajeno programsko opremo v usmerjevalnikih Wi-Fi in v drugih napravah Wi-Fi ob hkratnem povečanju hitrosti digitalnega procesiranja radijskih signalov Wi-Fi v signalnih procesorjih.

Zveza proizvajalcev brezžičnih naprav Wireless Broadband Alliance pripravlja nove različice standardov za brezžične naprave, na osnovni katerih bodo lahko te tudi izmenjevale podatke o zaznavah: števila oseb, domačih živali in predmetov v prostoru, določile njihove približne velikosti ter spremljale njihovo gibanje.

Pri starejših ljudeh, ki živijo sami, je lahko pomemben podatek tudi daljša odsotnost gibanja, ki je morebiti znak, da potrebujejo pomoč. Res pa je, da bodo lahko z novo tehnologijo hekersko navdahnjeni sosedje v blokovskih naseljih vselej vedeli, kdaj ste doma in celo kaj počnete. Ni pa izključeno, da kak nadobudni radioamaterski heker tega ne ve že zdaj …

Zakaj so sistemi za razpoznavanje obrazov ponekod prepovedani?

Medtem ko se na Kitajskem ukvarjajo predvsem s tem, kako fiksno nameščene sisteme za prepoznavanje obrazov naključnih mimoidočih v mestih karseda izboljšati in s tem varnostnim organom poenostaviti iskanje in sledenje določenih oseb, njihovo uporabo zaradi varovanja človekovih pravic in zasebnosti v nekaterih mestih ZDA že omejujejo. Denimo med lanskimi protesti v Bostonu in Massachusettsu v podporo ubitemu temnopoltemu Georgeu Floydu so uporabo tovrstnih sistemov prepovedali. Z 10. julijem 2020 so obenem nekatera mesta v ZDA uvedla splošno prepoved uporabe tovrstne tehnologije. Po drugi strani je poskus uvedbe moratorija na uporabo sistemov za razpoznavanje obrazov na javnih krajih v EU januarja lani neslavno propadel.

Samodejni video nadzor z zaznavo gibanja in zvoka

Čeprav video nadzor poznamo že iz 80. let, ko smo lahko v trgovinah kupili video rekorderje in varnostne kamere, katerih sliko smo shranjevali na video kasete, lahko sodobne računalniške rešitve žive slike s kamer sproti analizirajo in v kriznih situacijah ukrepajo brez človeškega posredovanja.

Pri tem ima ključno vlogo programska oprema za video in avdio nadzor z urejevalnikom varnostnih shem ter postopkov samodejnega obveščanja ob varnostnih incidentih. Pri računalniškem načrtovanju samodejnega varovanja vseeno potrebujemo kar nekaj znanja in izkušenj, da osnovne gradnike, med katerimi so kamere, mikrofoni, tipala in funkcije za samodejno obdelavo zajetih podatkov in alarmiranje, povežemo v delujočo varnostno shemo. Med funkcijami zaznavanja in prepoznavanja velja še posebej izpostaviti zaznavanje premikanja in števila oseb ter celo njihovih dejavnosti iz živih slik. Kadar je na voljo dovolj kamer, se lahko pri tem programska oprema zanaša tudi na stereoskopski vid, lahko pa uporablja slike tudi iz več kot dveh kamer.

Osebni računalniki so že vrsto let ključni sestavni deli varnostnih sistemov, v zadnjem času pa so nekateri priznani proizvajalci varnostne programske opreme pripravili tudi različice svoje programske opreme za mikro peceje s procesorji ARM, med katerimi so Raspberry Pi, Linaro 96boards, Banana Pi in drugi. Več o njih lahko preberete v članku Majhni veliki računalniki v majski številki Monitorja.

Na spletu tako najdemo več odličnih aplikacij za samodejni video in avdio nadzor, ki jih je izredno enostavno namestiti v operacijske sisteme, kot so Microsoft Windows, MacOS X, Linux, Android ali drugi. Programska oprema navadno sama poišče združljive razpoložljive kamere in mikrofone, ki so z računalnikom povezani prek vrat USB ali protokola IP oziroma intranetnih in internetnih omrežij. Mogoče je tudi ročno dodajanje kamer, pogosto pa tudi delitev žive slike s posamezne kamere z drugimi nadzornimi sistemi. Tako lahko isti kos programske opreme uporabimo tudi v oddaljeno kamero vgrajenem krmilnem Raspberry Pi, s čimer omočimo nadzornemu računalniku dostop do kamere s protokolom IP.

Načrtovanje detekcije hitrosti premikanja predmetov na sliki.

Xeoma (felenasoft.com/xeoma) temelji na modelu odjemalec–strežnik, pri čemer strežnik deluje v ozadju in omogoča odjemalcu, da se zažene samodejno, skupaj s prvim zagonom odjemalske aplikacije. Ta se lahko prek protokola IP poveže z lokalnim strežnikom (naslov 127.0.0.1) ali oddaljenimi strežniki, pri čemer je pogoj, da so vrata 8090 odprta. S kamer in mikrofonov IP ali USB lahko samodejno obdelujemo in/ali snemamo video v različnih digitalnih zapisih, pri čemer je mogoče izbrati tudi nizko frekvenco zajemanja videa (npr. dve sličici na sekundo namesto običajnih 25). Detekcije gibanja in zvoka so raznolike, na razpolago pa so tudi moduli za zaznavanje števila oseb, ki vstopijo v prostor, detekcijo in razpoznavanje predmetov, filter za nastavitev največje in najmanjše velikosti za detekcijo predmetov in sledenje hitrih premikov predmetov oziroma t. i. športno sledenje. Mogoča je tudi samodejna zaznava daljše odsotnosti gibanja ter ločevanje med dnevom in nočjo, kar je lahko v pomoč pri upravljanju (nastavitev) kamer.

Načrtovaje grafa samodejnega video nadzora, obveščanja in alarmiranja z aplikacijo Xeoma na Raspberry Pi 3

Na voljo so tudi gradniki za sestavo urnikov vklopa posameznih (skupin) funkcionalnosti, ki jih po želji vključimo v shemo varovanja. To narišemo grafično, za kar je na zgornjem delu zaslona na voljo veliko raznolikih gradnikov, ki se nanašajo na zajemanje videa s kamer, detekcijo gibanja in proženje akcij za alarmiranje ter obveščanje.

Obveščanje ob incidentih je mogoče prek elektronske pošte in video tokov, shranjevanja sličic na (oddaljene) strežnike, strežnikov FTP, podatkovnih pogonov v računalniških oblakih, kot sta DropBox in Google Drive, ter celo predvajanja videa prek zasebnega kanala na Youtubu. Vzpostavimo lahko tudi lasten nadzorni spletni strežnik HTML. Moti le to, da je v zastonjski različici veliko zanimivih funkcionalnosti zaklenjenih, za preizkušanje pa jih lahko odklenemo zgolj za osem ur, po tem času pa se vse nastavitve samodejno izbrišejo.

Izbira algoritma za detekcijo premikanja

Varovanje (mini) peceja s kamero

Če imate slab občutek, da nekdo šari po vašem računalniku, ko vas ni zraven, je oprema za video nadzor odličen pripomoček. Programska oprema lahko fotografije ali video nadobudnega hekerja prek interneta posreduje na katerega od javnih oblačnih podatkovnih pogonov, kot sta Google Drive in Dropbox. Tako heker ne more zabrisati sledov svojega dela, razen če računalnik prej odklopi z interneta, a to ni več tako enostavno kot včasih, saj večina računalnikov omogoča tudi brezžične komunikacije Wi-Fi in bluetooth.

Nastavitev detekcije premikanja.

NetCam Studio (netcamstudio.com) omogoča hkratno spremljanje slik iz več kot 64 kamer, detekcijo hitrosti premikanja, zaznavo zvoka in določanje pravil za samodejno proženje akcij v primerih varnostnih incidentov. Detekcija spreminjanja slik s kamer je mogoča na več načinov: presežen prag razlike pri primerjanju slikovnih okvirov videa, modeliranje ozadja, detekcija hitrosti premikanja, detekcija velikih predmetov in z detekcijo obrazov. Vendar takoj dodajmo, da detekcija obrazov deluje samo frontalno. Za spremljanje nepridipravov pri delu je zato bolje uporabiti katero do drugih tehnik, pri čemer je pomembno tudi, kako velik in kako osvetljen prostor spremlja kamera. Pri nadzoru parkirišča lahko uporabimo nadzor premikanja v vnaprej določeni smeri med dvema točkama na sliki, ki ju označimo s puščico. Obenem lahko dodatno na sliki, prekriti s kvadratno mrežo, označimo tudi področje ali področja zaznavanja premikanja.

Nastavljamo tudi občutljivost in prag detekcije premikanja in zaznave sumljivih zvokov, pri čemer sta mogoča samodejni vklop in izklop snemanja. Mogoče je slikovno snemanje z nastavljivo frekvenco zajemanja sličic pri izbrani ločljivosti in/ali samodejno zvočno snemaje z nastavljivo kompresijo in frekvenco vzorčenja ter pošiljanje slikovnih in/ali zvokovnih tokov. Video nadzor lahko izvajamo tudi po urniku, tako da se ta sam vklopi v želenih delih dneva.

Orodju je priložena odjemalska aplikacija, ki omogoča oddaljeni dostop, manj izkušeni uporabniki pa si lahko pri izvedbi nastavitev pomagajo z več kot 2.000 predlogami. Obveščanje o sumljivih aktivnostih in pošiljanje poročil o delovanju sta mogoča prek elektronske pošte ter sinhronizacije prek omrežja, FTP in podatkovnega pogona v Dropboxu in/ali Google Drivu. Na voljo sta plačljiva in zastonjska različica z omejeno funkcionalnostjo. Pravil zajemanja podatkov in obveščanja ni treba načrtovati z diagramskimi tehnikami, zato je aplikacija primerna tudi za začetnike.

Načrtovanje območja detekcije.

Security Eye (security-eye-software.com) podpira več kot 1.200 različnih kamer IP in USB. Omogoča snemanje videa v visoki ločljivosti, vendar nudi sorazmerno malo nastavitev pri detekciji gibanja. Na okviru slike opredelimo zgolj področja izvajanja detekcije in občutljivost, ne pa tudi načina. Ob zaznavi gibanja se lahko sproži zvok za alarm, obenem pa v datoteko snemamo tudi digitalni video ali pa z nastavljivo frekvenco zajemamo slike v obliki datotek JPG. Zanimiva opcija je možnost zakasnitve začetka izvajanja video nadzora, tako da se, denimo, vklopi s 30-minutno zakasnitvijo.

Poleg omenjenih aplikacij, ki so primernejše za poslovno rabo kot domačo, najdemo na spletu še kopico drugih, pri čemer enostavnejše, ki so bolj namenjene uporabi doma, omogočajo detekcijo gibanja zgolj v omejenem obsegu ali pa sploh ne. Kljub temu verjamemo, da bodo zaznava gibanja, prepoznava obrazov ter zaznava in prepoznava vsaj osnovnih tipov zvoka že v tem desetletju na tak ali drugačen način vgrajene v večino tovrstnih aplikacij.

Vseprisotni video nadzor prihodnosti

Kakovosten računalniški vid bodo z novimi operacijskimi sistemi in računalniškimi igrami že v nekaj letih skoraj gotovo dobili tudi pametni telefoni in domači računalniki, od katerih ima večina zadnjih na tudi na račun covida 19 že danes vgrajeno vsaj po eno kamero USB. Za stereoskopski vid potrebujemo le še eno, obenem pa programi za video nadzor dokazujejo, da hkratno zajemanje žive slike iz več kamer USB ne preobremeni procesorja sodobnega peceja. A za procesiranje slik v realnem času bo vseeno potrebno precej procesorske moči tudi v pametnih telefonih, kar je morda nova priložnost za proizvajalce mikropecejev, da pohitrijo in v polnosti izkoristijo najzmogljivejša 64-bitna procesorska jedra ARM.

Ko bo prepoznava oseb in njihovih dejanj dovolj zanesljiva, bo samodejno snemanje videa in zvoka redko potrebno, saj bo lahko računalnik namesto tega za znane osebe beležil dejanja kar v besedilni obliki, snemal pa izključno v primerih nesreč in takrat, ko se bodo dogajale nedovoljene stvari. Čeprav bo video nadzor v prihodnosti skoraj gotovo vseprisoten, bo morda vseeno bolje, da bodo slike s kamer samodejno obdelovali nepristranski računalniki, katerih strogo varovane kontrolne sledi bo mogoče vselej preveriti …

Naroči se na redna tedenska ali mesečna obvestila o novih prispevkih na naši spletni strani!

Komentirajo lahko le prijavljeni uporabniki

 
  • Polja označena z * je potrebno obvezno izpolniti
  • Pošlji