קצת על: לכידת תמונות פנים משופרת

צפו בסטיבן ג'וזף מ-Axis Communication וברוב לייפוניס מ-Parabit דנים ביתרונות של מיקום אופטימלי של חיישני מעקב וידאו, וכיצד יכולה להיות לכך השפעה משמעותית על אבטחה ומעורבות קמעונאית.

הירשמו לפודקאסט שלנו באפל או בספוטיפיי כדי להאזין לפודקאסט הזה ולקבל עדכונים על פרקים חדשים. האזינו לגרסת האודיו בלבד עם פקדי השמעה כאן.

הילארי קנדי: היי, ברוכים הבאים לפודקאסט "A Bit About" של Parabit Systems. אני המנחה שלכם, הילארי קנדי, והפרק של היום הולך להתעמק באופן שבו טכנולוגיה מאפשרת עולם חכם ובטוח יותר על ידי יצירת פתרונות רשת המספקים תובנות לשיפור האבטחה וכמה דרכים חדשות לעשות עסקים.

ושני אורחים נהדרים מצטרפים אליי היום לתוכנית כדי לחלוק את תובנותיהם. ראשית, רוב לייפוניס, נשיא ומנכ"ל Parabit Systems, ספקית עולמית מובילה של פתרונות חומרה ותוכנה חדשניים המשרתים תשתיות קריטיות. מאז הקמת החברה שבסיסה בלונג איילנד בשנת 1995, רוב הוביל את פיתוח הטכנולוגיה שנפרסה על ידי מאות מוסדות פיננסיים ברחבי צפון אמריקה ואירופה. ורוב נשען על ניסיון עצום המשתרע על פני 35 שנה ויותר.

והאורח השני שלנו הוא סטיבן ג'וזף, מנהל פיתוח סגמנט הבנקאות והפיננסים של Axis Communications. סטיבן אחראי על פיתוח אסטרטגיה עבור סגמנט הבנקאות, פיתוח חינוך ללקוחות פנימיים וחיצוניים. הוא מרצה בכנסים ארציים ויש לו שורה של תפקידים קריטיים אחרים. לכן, מובן מאליו שלשניהם יהיה שפע של ידע לחלוק על שיפור האבטחה, וכיצד מצלמות מאפשרות ניתוח נתונים שהעולם זקוק לו.

אז ברוכים הבאים לתוכנית, רבותי.

סטיבן ג'וזף: היי הילארי, תודה.

רוב לייפוניס: תודה.

הילארי קנדי: בסדר, אז קודם כל, אני רוצה להתחיל עם לכידת תמונות פנים יעילה. זה תומך בבטיחות ובאבטחה, כמו גם, אתם יודעים, קמעונאות ושיווק. אז מהם חלק מהאתגרים, בכל הנוגע לצילום תמונות פנים טובות?

סטיבן ג'וזף: ובכן, ברוב המקרים, צילום תמונות פנים טובות הוא חשוב מאוד, במיוחד כשמתמודדים עם סביבות הפונה ללקוחות. באופן ספציפי, ובשבילי, זה רוב הזמן בבנקאות ובמוסדות פיננסיים, וזה יכול להיות גם בקמעונאות, שם רואים לקוחות מגיעים באופן קבוע. ואחד האתגרים העיקריים שיש להרבה מהעסקים האלה הוא היכולת למקם מצלמות במיקום אופטימלי כדי שיוכלו ללכוד תמונות פנים נהדרות.

כאשר מתרחשים אירועים, וכוחות אכיפת החוק נקראים לתפוס או להשיג ראיות בנוגע למי שעשוי להיות שביצע פשע, היכולת לקבל את התמונה האופטימלית כדי לזהות ולספק פרטים פורנזיים היא חשובה מאוד במקרי שימוש אלה.

הילארי קנדי: ורוב, יש לך מחשבות גם על זה? אתה יודע, מהם חלק מהאתגרים האלה כשמדובר בצילום תמונות פנים טובות.

רוב לייפוניס: בעיקרון, ביטול כל סוג של מכשול שיכול לנבוע מכל מצלמה קיימת שהם רוצים למנף לניתוח נתונים, התקנה או מיקום מחדש של מצלמה דיסקרטית יותר שקרוב יותר לפנים האמיתיות כדי לבטל את האפשרות שמישהו ייכנס למכשול, של כל התמונות של פניהם של האנשים כשהם נכנסים ויוצאים ממתקני קמעונאות, מרכזי תחבורה, אתם יודעים, רציפי טעינה ומתקני לוגיסטיקה.

אני חושב שזה חשוב, מנקודת מבט של בקרת גישה, מנקודת מבט של בינה מלאכותית, להיות מסוגלים למנף את הטכנולוגיה הזו שהיא כל כך נהדרת, שעוזרת ליצור סביבה כל כך בטוחה בחיים עבור העולם. להיות מסוגלים למקסם את ההשקעה על ידי הצבת התמונות האלה בחיישנים קרוב לפנים של אנשים.

הילארי קנדי: זה כל כך נכון. זה עזר באינספור מצבים שונים, במיוחד כשמדובר בבטיחות. ושמעתי ששניכם הזכירו ניתוח נתונים, אז סטיבן, אני רוצה להפנות את זה אליך. האם תוכל לתת דוגמה ליכולות של ניתוח נתונים כאשר מושגת לכידת תמונות פנים יעילה?

סטיבן ג'וזף: בהחלט. יש הרבה מה לדעת בנוגע ללכידת פנים. אנשים משתמשים במונח לסירוגין, אבל ישנן רמות שונות של לכידת פנים. יש לכידת פנים מסורתית שבה אתה פשוט יודע, אתה לוכד תמונה של פניו של אדם, אתה יודע שזה אדם, בין אם זה זכר או נקבה. יש זיהוי פנים, שבו אתה מסוגל לזהות בפועל שמדובר בפנים. זיהוי פנים, היכולת לזהות מי האדם הזה. זיהוי פנים, שבו אתה מסוגל, בוודאות של 100%, לקבוע שהאדם הזה תואם לפנים שיש לך כרגע במסד נתונים כלשהו.

ואתם רואים את זה הרבה באכיפת החוק, שם הם מחפשים במאגרי מידע, ואנחנו רואים את זה הרבה בטלוויזיה, שם רואים מישהו מחפש בספר צילומי מקלט, נכון? הם מנסים לבצע זיהוי פורנזי. והם משווים פנים שהם פנים מוכרות, כדי לעזור למישהו לזהות את האדם הזה.

וכאשר יש מיקום נכון של מצלמות או מצלמות וידאו במקרים כאלה, ואם תיכנסו לרוב המקומות, היום, תראו מצלמה. היא תהיה על התקרה, או על הקיר. בדרך כלל, היא רחוקה מהמקום שבו האדם עומד בפועל. אבל הנושאים שאנחנו מנסים לדון בהם היום קשורים למיקום נכון של חיישן תמונה שמאפשר לכם לקבל תמונה נהדרת של פניו של אדם.

כשמדובר בזיהוי פנים, צריך בערך ארבעה פיקסלים. וחושבים על פיקסלים, נניח טלוויזיה ברזולוציית 1080P או 4k, יש פיקסלים בתמונה. צריך בערך ארבעה פיקסלים על פניו של אדם כדי לקבל זיהוי פנים. כדי לקבל זיהוי פנים צריך בערך 20 פיקסלים על פניו. כדי לבצע זיהוי, צריך בערך 40 עד 80 פיקסלים על פניו. זה נותן דוגמה לרמות השונות של לכידת פנים, זיהוי פנים, שאפשר לחפש.

הילארי קנדי: ובכן, זה כל כך מעניין, כי אי אפשר להיכנס יותר לשום חנות בלי לדעת שתוכל לראות את המצלמות. אז רוב, אשמח שתספר לנו קצת על קמעונאות ושיווק. איך צילום תמונות פנים הכי מועיל שם?

רוב לייפוניס: אז, צילום פנים טוב לקביעת איזה סוג תוכן תרצו להציג בשילוט דיגיטלי שונה, או לשלוח הודעות לכופרים בפלטפורמה שאדם מסוים עם פרופיל מסוים נכנס אליו, או שהוא עשוי להיות לקוח שלכם. כך תוכלו למקד או ליצור שאלות ממוקדות יותר על מנת להמיר את הלקוח הזה לשירות טוב יותר שהוא עשוי לספק לו.

הודעה על הגעת לקוח כמו בחוויית נורדסטרום שבה ידוע מתי לקוח מגיע, יש נציג מכירות שמוקצה לו בכל פעם שהוא נכנס לחנות. באמצעות ניתוח נתונים, אותו אדם יכול לקבל הודעה מיידית שהלקוחות העיקריים שלו נכנסים בכניסה הדרום-מזרחית של הבניין ולספק לו חוויית קבלת פנים טובה יותר.

הילארי קנדי: ומשהו שאני רוצה לגעת בו כי אנחנו לא יכולים לנהל את השיחה הזו בלי לדבר על בינה מלאכותית. אז סטיבן, אתה יודע, יש לנו כמה התפתחויות חדשות באופן שבו אנו פועלים כחברה שיצאו מהמגפה, כמו למשל עטיית מסכות, אז איך בינה מלאכותית עמוקה נכנסת לתמונה בכל הנוגע למצלמות?

סטיבן ג'וזף: אה, זה נכנס לתמונה בצורה גדולה. כלומר, בינה מלאכותית היא נושא ממש ממש גדול. אתם יודעים, אנחנו רואים הרבה עניין בתחום הבינה המלאכותית או האנליטיקה בכל הנוגע להתנהגות. אז בין אם זה שימוש במוצרי מעקב וידאו לגילוי צלילים, להפעלת אנליטיקה כדי לספור אנשים. אנחנו רואים את זה הרבה עם אנליטיקה של זיהוי פנים כדי לעשות דברים כמו ללכוד הבעות פנים כדי לקבוע אם הלקוח שלכם מרוצה או לא. ואנחנו רואים את זה קורה היום והטכנולוגיה הזו קיימת.

ובמהלך המגפה היו לנו שותפים שהשתמשו או ניסו לבדוק את האנליטיקה שלהם, שאנו משתמשים בה באופן מסורתי למקרי שימוש ביטחוניים, ולקחו אותם כדי להשתמש בהם בפועל לדברים כמו ריחוק חברתי. ניסינו לזהות אם מישהו באמת עטה מסכה או לא. ואז לקחת את המידע הזה ולהשתמש בו כדי להניע מערכות אחוריות, כך שתוכלו לבצע אינטגרציה של המערכת עם מערכות אחרות. נניח שאנשים מחכים בתור זמן רב כדי שיוכלו להפעיל ולהשמיע מוזיקה, נניח באזור לובי שבו אנשים מחכים בתוך מוסד פיננסי או אפילו בחנות קמעונאית.

אז ניתוחים או בינה מלאכותית נמצאים בשימוש בהרבה דרכים שונות, ויש הרבה מקרי שימוש שונים שמפותחים מדי יום. לקוחות או עסקים מתחילים למצוא דרכים חדשות להשתמש בבינה מלאכותית ובניתוחים בדרכים שמעולם לא חשבנו עליהן קודם.

הילארי קנדי: זה באמת מרתק ואני אוהבת את השימוש בזה כדי לגלות אם הלקוחות שלך מחייכים ומרוצים. אני אוהבת את זה כי אתה יודע שהם יעשו כמיטב יכולתם כדי לשמור אותך שם ולהרגיש טוב.

סטיבן ג'וזף: בהחלט.

הילארי קנדי: אז רוב, אני רוצה לשאול אותך את השאלה הזו, מיקום נכון של מצלמות שהוא קריטי ליעילות האנליטיקה וכמובן שהביקוש לאנליטיקה רק ממשיך לעלות. אז מהם כמה סוגי מארזים שכדאי לשקול?

רוב לייפוניס: היחידה הפופולרית ביותר שאנחנו רואים בעיקר בתנועה היא מצלמות הדלתות שלנו. כלומר, הצבת מצלמות דלתות סביב כל כניסה או יציאה נותנת לך שליטה מלאה, כפי שסטיבן ציין, על בינה מלאכותית וניתוח פנים ולדעת, כפי שאמרת, האם אדם עצוב או שמח כשהוא נכנס או יוצא ממתקן. אז זה באמת מפתח בשבילי. נקודת מיקום מרכזית מאוד וגם נקודות עסקה.

אתה יודע, כשאתה מפתח חוויות קמעונאיות אחרות, כאשר האדם נמצא שם, הקופאי בפועל יכול לקבל הודעות כי הוא יודע מי אתה, הגישה שלך ומציע מכירות נוספות. אז אתה יודע, בנקודה שבה אנשים מוציאים כסף, נכנסים ויוצאים ממתקנים, כמו גם נקודות העסקה האלה, אני חושב שהן מקומות מרכזיים למקם מצלמות סמויות או דיסקרטיות שאקסיס מוכרת.

הילארי קנדי: מועיל להפליא. ובכן, סטיבן, אשמח שתשתף אותנו בכמה סיפורי הצלחה בתחום האבטחה בכמה מהתעשיות שאתה משרת.

סטיבן ג'וזף: ובכן, ביצענו מספר פיילוטים שונים המשתמשים במעקב וידאו וניתוח נתונים תוך שימוש במיקום נכון של מצלמות. אחד החשובים ביותר הוא היכולת לזהות שוטטות באמצעות ניתוח נתונים ומיקום נכון של מצלמות. אנחנו רואים את זה הרבה, במיוחד במוסדות פיננסיים, שבהם נכנסים ללובי של כספומט, ויכול להיות שמישהו מבלה שם, דמות חשודה או כל דבר אחר. וזה קורה במיוחד באקלים קר, שבו אנשים יוצאים מקור כדי להתחמם. אתם יודעים, זה מהווה בעיית אבטחה. בעיית אבטחה פוטנציאלית וגם מהווה בעיית בטיחות לקוחות פוטנציאלית, או בעיית חוויית לקוח.

אז עזרנו למוסד פיננסי גדול בצפון מזרח ארה"ב לפרוס כמה ממוצרי מעקב הווידאו שלנו, כשהם ממוקמים כראוי במקום הנכון, באמצעות ניתוח נתונים כדי לזהות שוטטות בתוך פרוזדור של כספומט. זה יוצר מרחב בטוח עבור לקוחות להיכנס. אתה מתחיל להתעסק עם בעלי עניין מרכזיים שונים. אז יש לך אבטחה, יש לך תפעול, יש לך היבט שיווקי כללי, אתה יודע, היכולת להגן על המותג שלך כשאתה יכול ליצור סביבה בטוחה עבור לקוחות להיכנס. אז זה יוצר חוויית לקוח טובה יותר.

וגם עבדנו עם כמה יצרני כספומטים גדולים כדי שנוכל לשלב מוצרי מעקב וידאו ולהציב אותם סביב לוח החזית של הכספומטים כדי שיוכלו ללכוד פרצופים כאשר אנשים עומדים ליד הכספומט. כי בדרך כלל מה שקורה הוא שמישהו נכנס, במיוחד עבריין, ייכנס עם כובע בייסבול ויטה את ראשו כלפי מטה. אז היכולת למקם חיישני תמונה או מצלמות במיקום הנכון בכספומט עוזרת מאוד ביכולת ללכוד פרצופים בכספומט. אז זה פותר בעיה גדולה עבורם. כי אז הם מקבלים מידע מעולה, פרטים פורנזיים מצוינים, ויש להם ראיות טובות למסור לאכיפת החוק.

הילארי קנדי: זו דוגמה מצוינת, כי אני חושבת שכולנו הלכנו לכספומט ונכנסנו פנימה וראינו אנשים מסתובבים שם וחשבנו, "אה, אני לא יודעת", במיוחד אם מושכים הרבה מזומן. אז זו דוגמה מצוינת. ודבר אחד שאני רוצה לגעת בו לפני שנסיים, אתם יודעים, ראינו הרבה סיפורים על מסחר אלקטרוני ודברים כאלה, אבל בואו נדבר על השימוש בטכנולוגיות האלה בחנויות פיזיות. למה זה כל כך חשוב?

סטיבן ג'וזף: ובכן, זה בהחלט חשוב כי אנחנו רואים הרבה, יש אתגר, נכון? יותר אנשים, במיוחד עם המגפה, ראינו את השימוש והצורך במסחר אלקטרוני מקוון, נכון? אבל מצד שני, זה כן יוצר אתגר לפעילות פיזית. אף אחד לא רוצה לראות את החנות הקמעונאית האהובה עליו נעלמת. אז שוב, שימוש בניתוח נתונים ומעקב וידאו ומיקום נכון של מוצרים באמת עוזר ליצור את היכולת ללכוד נתונים, להיות מסוגל לקחת את הנתונים האלה, לקלוט אותם, ואז להשתמש בהם כדי לקבל מידע כדי לדעת כמה אנשים נכנסים לחנות קמעונאית.

האם אני צריך לצמצם את גודל החנות הקמעונאית? אולי אני לא צריך שטח מסחרי גדול כמו שהיה לי פעם. אולי אני פשוט צריך שטח קטן יותר. אבל עדיין צריך מקום שאליו הלקוחות רוצים ללכת ולהרגיש בנוח. לפעמים אנשים עדיין רוצים את היכולת להיכנס ולגעת, נכון? הם רוצים להיות מסוגלים להתנסות במוצר. אז אנחנו לא רוצים שחנויות פיזיות ייעלמו, אבל אנחנו רוצים שכאשר לקוחות נכנסים לסביבות האלה, ניקח את מה שהיו פעם מוצרי אבטחה מסורתיים ומשתמש בהם בצורה חכמה יותר.

אז אנחנו יוצרים סביבה חכמה ובטוחה יותר עבור הלקוח. אנחנו מסוגלים ללכוד נתונים, ואנחנו מסוגלים ליצור חוויה טובה יותר באופן כללי עבור אותם לקוחות כשהם מגיעים לחללים הפיזיים האלה.

הילארי קנדי: ובכן, נהניתי מהשיחה הזו היום כי אני מרגישה בטוחה יותר כבר אחרי שדיברתי עם שניכם. אז, זה יסכם את הפרק הזה של "קצת על", אבל אני רוצה להודות שוב לרוב לייפוניס מ-Parabit Systems ולסטיבן ג'וזף מ-Axis Communications, על שהצטרפו אליי היום ועל שיתוף התובנות שלכם. תודה רבה.

סטיבן ג'וזף: תודה שהזמנתם אותי.

רוב לייפוניס: תודה.

הילארי קנדי: ואני רוצה להודות לכל המאזינים והצופים שלנו על שהצטרפו אלינו לפרק. אנחנו תמיד מעריכים את זה, ואם תרצו עוד פרקים של הפודקאסט, ולהישאר מעודכנים בכל מה שיוצא בעתיד, הקפידו להירשם לפודקאסטים של אפל, ספוטיפיי או בכל מקום אחר שאתם מעדיפים להאזין לפודקאסטים.

נחזור בקרוב עם פרק נוסף, אבל עד אז, אני המנחה שלכם, הילארי קנדי.

תודה שצפיתם.