Новый этап развития «больших данных» — анализ видео

Чем больше информации, тем лучше — в этом сомнений нет. Поэтому «жадные» до данных специалисты пытаются выжать все возможное из доступных источников. Существующие базы, почта, социальные сети и СМИ — все это уже традиционные источники, и большая часть информации в них представлена в виде текстов и букв. Обработка текста — это решённая проблема. Но первопроходцы не ищут легких путей. Ожидается, что следующая золотая жила откроется в видео.

Видео — действительно перспективный и заманчивый источник информации. Оно может рассказать многое об окружающем мире вообще и о потребителях в частности. Ежесекундно в мире генерируются терабайты видеоконтента, значительную часть которого поставляют камеры видеонаблюдения и ролики со смартфонов простых граждан всех стран, попадающие в социальные сети и на видеохостинги. На одном только Youtube каждую минуту прибавляется сто часов новых записей.

И тем не менее, тот же Youtube с точки зрения полезной информации пока что представляет собой полный пустырь. А точнее, не вспаханное поле. Какие бы ценные кадры ни присутствовали в этих роликах, без специальных тегов или специально нанятых для просмотра сотрудников их не извлечь. 

В последнее время, однако, растущие возможности машинного обучения привели к впечатляющему росту таких областей, как машинное зрение, распознавание речи и естественного языка, распознавание изображений. Интернет-гиганты — Google, Microsoft, Yahoo — используют эти технологии как в гаджетах (голосовые команды в игровых консолях и мобильных телефонах), так и в распознавании и классификации изображений в онлайн-галереях.

Согласно мнению генерального директора и основателя AlchemyAPI Эллиота Тернера, в некоторых отношениях с видео работать даже проще, нежели с изображениями. Там появляется временной контекст, содержащий дополнительные сведения, чего нельзя сказать о фотографиях. Он помогает самообучающимся системам понять, что происходит в кадре. 

Разумеется, никто не собирается ограничиваться выяснением того, что происходит на Facebook или в Youtube. Розничные торговцы уже начали использовать видеоданные в своем бизнесе. Анализ видео помогает им определить, в каких магазинах сети идет наиболее оживленная торговля, где люди задерживаются, чтобы рассмотреть товар, а где проходят мимо. Некоторые даже размещают камеры на уровне глаз, чтобы определить, на каких товарах останавливается взгляд покупателя — это позволяет грамотнее размещать продукцию на стендах. Система распознавания может определить пол, возраст и расу, что помогает создавать таргетированные маркетинговые кампании.

Тепловая карта, показывающая распределение покупателей в торговом зале.

Стив Рассал, генеральный директор компании Prism Skylabs, занимающейся видеоаналитикой, заметил, что её главная цель на сегодня — предоставить офлайновым магазина то, что уже есть у электронных ритейлеров — информацию о том, на что люди смотрят, и что они покупают в итоге. В компании Рассела используют революционные алгоритмы компьютерного зрения, которые способны вычленить людей даже из низкокачественной видеосъемки. Если фиксировать достаточно данных с помощью видеокамер в магазине, то можно, например, избавить мерчендайзеров или управляющих от необходимости физически посещать магазины, чтоб проконтролировать расстановку товаром, своевременность установки рекламных стендов и т.п. Тем более, что в любой уважающей себя точке видеокамер предостаточно хотя бы из соображений безопасности — остается только грамотно сохранить и использовать эту информацию. 

Если учесть, что камеры нынче дешевы, хранение данных тоже не составляет особой проблемы, а услуги компаний типа Prism Skylabs предоставляются через облачные сервисы, видео становится лакомым куском для самых разных задач — маркетинговых и не только. До конца еще неизвестны все потенциальные возможности работы с видеозаписями. Однако уже на сегодняшний день многие проблемы компьютерного зрения решены в немалой степени. И если есть обучающая выборка изображений, то компьютер можно научить делать необыкновенные вещи...