Top Data Sciencen algoritmi tunnistaa videokuvasta ihmisten asennot

Miten kaupunkikameroiden kuvaa voisi hyödyntää tehokkaammin mahdollisissa uhkatilanteissa? Kaupunki- ja tapahtumaturvallisuuden SURE-hanke ja Top Data Science toteuttivat nopean kokeilun, joka antaa kysymykseen lupaavia vastauksia.

Yrityksen nimi – Top Data Science – kuvaa hyvin sen keskeistä ideaa. Tarjolla on ongelmanratkaisua tekoälyn ja koneoppimisen huipulta, yleensä pitkäaikaisille asiakkaille ja yhteiskehittämistä hyödyntäen. Yritys on kehittänyt useamman vuoden ajan muun muassa videoanalytiikan tekoälyratkaisuja. 

– Näimme SUREn nopeissa kokeiluissa mahdollisuuden soveltaa olemassa olevaa teknologiaa kaupunkiympäristössä ja turvallisuusalan tarpeisiin, sanoo Top Data Sciencen toimitusjohtaja Timo Heikkinen.

Nopea kokeilu todisti toimivuuden

Kokeilussa Top Data Science valitsi algoritmin, joka pystyy analysoimaan videokamerasyötteestä ihmisten asentoja. Tampereen kaupungilla on lukuisia keskustan turvallisuutta valvovia kameroita, ja yhden kuvasyöte saatiin kokeilun käyttöön.

Lisäksi kokonaisuuteen tarvittiin SUREn yhteistyökumppaneita: Nokia Scene Analytics -alusta, jolle algoritmi on asennettu, ja Insta Blue Aware -alusta, jolle analyysin tulokset lähetetään.

– Vaikka videokuvassa olisi paljon porukkaa, meidän algoritmimme kykenee tunnistamaan ihmisten asennot ja aktiviteetit ja visualisoi ne tikku-ukoilla. Se myös laskee ihmiset, Heikkinen sanoo.

SURE-hankkeessa linjattiin heti alussa, että tietoturva ja yksityisyyden suoja ovat sen keskeisiä arvoja. Kun tekoäly siis tunnistaa videokuvasta ihmisiä, kyse on nimenomaan ihmisen hahmon tunnistamisesta, ei henkilöllisyyden selvittämisestä. 

Parannuksia kaupunkiturvallisuuteen

Tampereen kaupungin johtama SURE-hanke tähtää kokonaisuuteen, jossa erilaisten valvontasensorien avulla kerättävä tieto rakentuisi yhteiseen tilannekuvaan – järjestelmään joka kertoo reaaliajassa, mitä kohdealueella on meneillään. 

Top Data Sciencen seuraava askel voisikin olla tietyn aktiviteetin valitseminen analyysin kohteeksi. Algoritmin avulla on mahdollista tunnistaa esimerkiksi juoksevat ihmiset, kaatumiset, maassa makaavat henkilöt tai väkivaltaiset tilanteet.

Näin päästäisiin jo selviin parannuksiin kaupunkiturvallisuudessa: uhkatilanteisiin voitaisiin reagoida nopeasti.

Huolellinen pohjatyö, sujuva kokeilu

Ennen kokeilujen avaamista SURE-hanke on jo tehnyt kattavan pohjatyön. Ohjelmajohtaja Petri Nykänen Business Tampereesta kertoo, että kokonaisuuteen ovat kuuluneet niin kohteiden valinta, niihin liittyvien turvallisuusuhkien tunnistaminen kuin järjestelmävaatimusten kartoittaminen yhteistyökumppaneiden kanssa.

Top Data Sciencen näkökulmasta SUREn nopea kokeilu on ollut sujuva ja hyödyllinen. Se tarjosi mahdollisuuden näyttää, mihin algoritmi pystyy oikeassa kaupunkiympäristössä, ja saada ratkaisusta palautetta.

– Ilman kokeilua emme olisi kovin helposti päässeet esittelemään omia teknologioitamme niin, että koolla on kymmeniä turvallisuus- ja pelastusalan ammattilaisia. Kokeilu on myös hyvä referenssi kaupunkiturvallisuuden alalla, joka on globaali ja kasvava, Heikkinen sanoo.

Kokeilu on toteutettu osana SURE-hanketta (Smart Urban Security and Event Resilience). Hanke on saanut 3,2 miljoonan euron tuen Urban Innovative Actions -ohjelmasta, joka on Euroopan komission EAKR-rahoitteinen ohjelma.

Business Tampere on vastuussa SURE-hankkeen ratkaisujen skaalaamisesta ja teknologiatoimittajien kokeilujen mahdollistamisesta.

Pirkanmaalla on yli 250 turvallisuustoimijan keskittymä, joka on sekä kansallisessa että kansainvälisessä mittakaavassa merkittävä. Toimijoiden yhteistyötä edistää vuodesta 2011 toiminnassa oleva Pirkanmaan Turvallisuusklusteri.