Nye muligheter med videoanalyse i sanntid

Nye muligheter med videoanalyse i sanntid

En ny doktoravhandling fra Universitetet i Oslo beskriver hvordan analyse av video kan parallelliseres og målrettes.
Praktisk bruk av avansert bildeanalyse og mønstergjenkjenning stoppes ofte av at analyseringsprosessen går for sakte. Typisk vil en digital video bestå av 25 bilder i sekundet, mens analyseverktøyet bare klarer å behandle ett bilde i sekundet.

Løsningen har vært å enten bare analysere ett av 25 bilder, med stor unøyaktighet som resultat, eller å godta at analyseresultatene foreligger lenge etter at en hendelse inntreffer.

Et doktorarbeid utført ved Institutt for informatikk ved Universitetet i Oslo beskriver hvordan detaljert videoanalyse kan skje i sanntid.

Tyverialarmer som skiller mellom husets beboere og uvedkommende gjester, identifisering av folk som skal gjennom passkontrollen og deteksjon av oljeboringsutstyr som er i ferd med å knekke, er blant de mange områdene hvor doktorarbeidet kan få betydning.

100 ganger raskere

-- Jeg har alltid hatt spesiell interesse for kunstig intelligens og parallellitet, sier Ole-Christoffer Granmo, som nylig forsvarte sin doktoravhandling "Toward Controlling Accuracy and Timeliness in Video Content Analysis".

Granmos doktorarbeid bygger på prinsipper kjent fra såkalt kunstig intelligens. Analysemetodene han har kommet fram til kan i seg selv avgjøre om resultatene er usikre, eller om de er gode nok i forhold til formålet med videoanalysen.

Det spesielle med doktorandens programvare er at den samler innsatsen om de delene av bildet som kan gjøre resultatene sikrere, for eksempel egenskaper (farge, bevegelse eller liknende) som er avgjørende for å identifisere et objekt.

I tillegg fordeles oppgavene på flere datamaskiner. Granmo er særlig fornøyd med at absolutt alle oppgaver utføres i parallell. Dermed unngås flaskehalser.

-- Ved å samle innsatsen om de viktige områdene er det mulig å få godt resultat med ti prosent av regnekraften. Hvis du i tillegg fordeler arbeidet på ti cpu-er som arbeider i parallell, som jeg har gjort, blir analysen hundre ganger kraftigere enn med konvensjonelle metoder, sier Granmo, som til daglig arbeider som førsteamanuensis ved Høyskolen i Agders avdeling i Grimstad..

Praktiske anvendelser

Oljesektoren har vist interesse for førsteamanuensisens arbeid. Med videoanalyse i sanntid er det mulig å bruke video til å overvåke fysiske prosesser, og fyre av alarmer dersom det skjer uforutsette ting. Tidligere har dette vært vanskelig, enten fordi analysen har gått for sakte, eller fordi metodene ikke har vært nøyaktige nok.

Granmos doktorarbeid gjør det også mulig å bruke video til adgangskontroll. Siden analysen skjer raskt kan systemet på et øyeblikk avgjøre om en person eksempelvis skal få adgang til en bygning, eller komme gjennom passkontrollen på en flyplass.

-- Systemet kan avgjøre hvilke egenskaper som skiller et menneske fra et annet, som øyenfarge eller hårfasong. Dermed kan hele regnekraften brukes til å kartlegge disse karakteristiske egenskapene, sier den nyutdannede doctor scientiarium-en.

Gjennom å parallellisere alle prosessene, klarer Granmo å oppnå lineær sammenheng mellom antall prosessorer og analysehastighet. En dobling av antall prosessorer dobler altså ytelsen. Det gir håp om enda hurtigere og mer treffsikker videoanalyse i framtiden.