Analityka obrazu vs człowiek - kto ma przewagę?

Analityka obrazu vs człowiek wpatrzony w
16 monitorów. Jak myślisz, kto wygrywa?

20 minut - tylko tyle czasu wystarczy, by człowiek  przegrał z maszyną. Mówią wyniki badań naukowych, które branża ochrony skutecznie ignoruje od dekad.

W 1948 roku brytyjski psycholog Norman Mackworth badał, dlaczego operatorzy radarów w czasie II wojny światowej przepuszczali wrogie samoloty. Odpowiedź była brutalna: ludzki mózg nie jest stworzony do monotonnego patrzenia na ekran. Po 20-35 minutach ciągłej obserwacji następuje tzw. “vigilance decrement” — spadek czujności. Operator zaczyna przegapiać zdarzenia. Nie dlatego, że jest leniwy albo że go nie obchodzi. Po prostu tak działa ludzka biologia.

Badania opublikowane w Applied Ergonomics potwierdzają to bezlitośnie: po 20 minutach operator CCTV pomija do 95% zdarzeń na ekranie. Przeczytaj to jeszcze raz. Dziewięćdziesiąt pięć procent.
Wyobraź sobie typowe centrum monitoringu. Operator siedzi przed ścianą monitorów. 16 kamer. 32 kamery. Czasem 64. Badania pokazują zależność, która powinna niepokoić każdego, kto płaci za usługi monitoringu. Przy jednej kamerze i łatwo zauważalnym incydencie — osobie z parasolem — wykrywalność wynosi 85%. Przy dziewięciu kamerach spada do 54%. A przy incydencie mniej oczywistym, jak kradzież w środowisku przemysłowym? 25% wykrywalności na pojedynczym monitorze.

Dodaj do tego zmęczenie, ósmą godzinę zmiany, piątą kawę. Ile z tych 25% zostaje?
“Ale nasi operatorzy są przeszkoleni” Słyszę to regularnie. I rozumiem — nikt nie chce przyznać, że płaci za iluzję bezpieczeństwa.

Prawda jest taka: możesz mieć najlepszych operatorów na rynku. Możesz ich szkolić, motywować, rotować co 4 godziny. To pomoże. Ale nie zmieni fundamentalnego ograniczenia ludzkiego mózgu. Nawet wyselekcjonowani operatorzy o ponadprzeciętnych zdolnościach wizualnych utrzymują wysoką skuteczność przez maksymalnie 90 minut. Potem biologia bierze górę. A większość centrów monitoringu nie prowadzi żadnej selekcji — zatrudnia ludzi, którzy po prostu potrzebują pracy.

Co tak naprawdę robi operator w centrum monitoringu?

Przez większość czasu — obserwuje widoki z kamer, często wiele widoków na kilku ekranach, i do tego reaguje na alarmy z analityki ruchu. Problem w tym, że ogromna większość z nich to fałszywe pozytywy: kot, zmiana oświetlenia, gałąź na wietrze. Branżowe szacunki mówią nawet o 99% fałszywych alarmów. Po setnym takim alercie operator zaczyna je odruchowo ignorować. I akurat ten jeden prawdziwy... też.

To nie jest wina operatora. To jest wina systemu, który opiera się na założeniu sprzecznym z biologią — że człowiek może przez godziny utrzymywać pełną koncentrację na dziesiątkach źródeł wizualnych jednocześnie.

I tu wchodzi analityka obrazu oparta o deep learning

Sztuczna inteligencja nie ma problemu z koncentracją. Nie ma 8-godzinnych zmian. Nie ma żony, która dzwoni. Nie ma kawy, która się kończy. System oparty o deep learning analizuje 100% materiału, 100% czasu. Nie 95% przez pierwsze 20 minut. Sto procent. Zawsze. Ale to nie jest nawet najważniejsza różnica.

Stara detekcja ruchu - ta, którą prawdopodobnie ma jeszcze większość z obiektów biznesowych i domów jednorodzinnych - reaguje na każdy piksel, który się poruszył. Stąd te tysiące fałszywych alarmów.

Współczesna analityka rozpoznaje co się porusza. Człowiek. Samochód. Zwierze. I reaguje tylko na to, co ma znaczenie. Zamiast 500 alarmów na dobę, z których 495 to szum, operator dostaje kilka-kilkanaście zdarzeń wartych uwagi, na które jest wstanie poprawnie zareagować.

Analityka nie zastępuje człowieka. Analityka daje człowiekowi szansę na skuteczne działanie.

Zamiast operatora wpatrzonego w 32 monitory i widzącego może 5% zdarzeń, otrzymujemy operatora, który dostaje alert tylko wtedy, gdy jest co weryfikować. Widzi podświetlone miejsce na konkretnej kamerze. Wie, że system wykrył człowieka w strefie, gdzie o tej porze nikogo być nie powinno. Podejmuje decyzję o reakcji.

Człowiek robi to, w czym jest dobry: ocenia sytuację, podejmuje decyzję, dzwoni na patrol i wzywa policję oraz asystuje im zdalnie w neutralizacji zagrożenia. Maszyna robi to, w czym jest dobra: patrzy bez przerwy, klasyfikuje, filtruje szum.

Analityka obrazu, analityce obrazu nie równa

Widzieliśmy dziesiątki systemów, gdzie klient zapłacił za “AI” i dostał coś, co z prawdziwą analityką ma niewiele wspólnego. Schemat jest zawsze ten sam. Handlowiec chce sprzedać, więc proponuje “rozwiązanie w dobrej cenie”. Niska cena oznacza słaby sprzęt. Słaby sprzęt oznacza słaby model analityczny, bo mocniejszego po prostu nie udźwignie.

Słaby model generuje tysiące fałszywych alarmów. A co robi instalator, gdy klient dzwoni trzeci raz w tygodniu z pretensjami? Obniża czułość. Śrubuje parametry w dół, aż alarmy przestają przychodzić.

Problem w tym, że razem z fałszywymi alarmami znikają te prawdziwe. System przestaje wykrywać zdarzenia przy gorszym oświetleniu. Nie radzi sobie z deszczem, mgłą, śniegiem. Osoba częściowo przysłonięta przez słup czy krzak? Niewidoczna. Ale klient jest zadowolony — bo “alarmy przestały przychodzić”. Do czasu.

Źle wdrożona analityka to nie jest “trochę gorzej niż dobrze wdrożona”. To jest system, który daje fałszywe poczucie bezpieczeństwa. Więc co faktycznie działa?

Kombinacja trzech rzeczy:

Po pierwsze: kamery i analityka dobrane do konkretnego zadania. Nie każda
kamera nadaje się do analityki. Nie każda analityka nadaje się do każdego  zastosowania. To wymaga projektu, nie zakupów z cennika.

Po drugie: centrum monitoringu, które rozumie technologię. Operator, który dostaje alert z systemu AI, musi wiedzieć, co z nim zrobić. Musi mieć procedury i narzędzia do natychmiastowej reakcji. Bo w bezpieczeństwie czas to wszystko — im szybsza reakcja, tym większa szansa, że obiekt wyjdzie z incydentu bez szkody.

Poznaj nasze Centrum Monitorowania Deltaprime

Po trzecie: regularne przeglądy i kalibracja do aktualnego otoczenia. Obiekt się zmienia. Pojawiają się nowe elementy, zmienia się układ, dochodzą nowi pracownicy, obiekty w okolicy. System musi być dostosowywany, nie “ustawiony raz na zawsze”.

Przestań płacić za iluzję ochrony

Jeśli Twój monitoring polega na człowieku wpatrzonym w ścianę monitorów —
płacisz za iluzję. To nie jest kwestia opinii. To jest biologia potwierdzona 75 latami badań, od Mackwortha w 1948 roku do dziś.

Analityka obrazu nie jest idealna. Wymaga właściwego wdrożenia, konfiguracji, centrum monitoringu, które wie, co z alertami zrobić. Ale daje coś, czego człowiek dać nie może: ciągłą, nieprzerwaną uwagę na 100% materiału, 24 godziny na dobę, 7 dni w tygodniu.


Pytanie nie brzmi “czy analityka jest lepsza od człowieka”. Pytanie brzmi: ile fałszywych alarmów generuje Twój obecny system? I czy ktokolwiek jeszcze na nie reaguje?

Prawidłowo operatorzy powinni się lekko "nudzić". Serio. Bo gdy system generuje tylko prawdziwe alarmy, to przez większość czasu nie ma na co reagować. I dokładnie tak powinno być — czujny operator czekający na rzadkie, ale realne zdarzenie. Nie zmęczony człowiek ignorujący tysięczny fałszywy alarm tej nocy. Jeśli chcesz zobaczyć różnicę -odezwij się do nas.

Źródła:

grafiki utworzono przy użyciu narzędzia Gemini AI

Wallace, E., Diffley, C., Baines, E., & Craig, A. (1997). “Work exposure and vigilance decrements in closed circuit television surveillance.” Applied Ergonomics
Tickner, A.H. & Poulton, E.C. — badania nad wykrywalnością incydentów w środowisku cctv
Security Industry Association — szacunki dotyczące fałszywych alarmów w tradycyjnych systemach detekcji ruchu