Nejčastějším problémem při používání kamerových systémů s umělou inteligencí není samotná technologie, ale nevhodné podmínky pro snímání scény, které přímo ovlivňují přesnost detekce. I ten nejlepší detekční algoritmus je závislý na tom, jak kvalitní obraz dostane k vyhodnocení. Proto je důležité u každé kamery ověřit několik základních technických a praktických parametrů. Níže uvádíme klíčové problémy, které by měly být vždy řešeny ještě před nasazením samotné detekce.
Základem každé přesné detekce je nepřerušený výhled na sledované objekty. Jakákoli fyzická překážka, například stromy, keře nebo i dočasné prvky jako mlha, déšť, sníh či silné protisvětlo, snižují kvalitu vstupního obrazu a tím pádem i výstupu samotné detekce. Pokud je část objektu zakryta nebo špatně nasvícená, algoritmus jej buď vůbec nezaznamená, nebo jej vyhodnotí chybně (např. si splete člověka s předmětem). Nejasná viditelnost tak zásadně ovlivňuje spolehlivost a přesnost výstupů z detekčních systémů.
Pro správnou funkci detekce objektů je zásadní zvolit takový úhel záběru kamery, který odpovídá účelu sledování. Pokud je například cílem zjistit, zda vozidlo vjelo do určitého výjezdu, musí být úhel nastaven tak, aby bylo možné na každém jednotlivém snímku spolehlivě rozeznat, zda vozidlo výjezdem skutečně projíždí. Umělá inteligence totiž nevidí scénu jako celek, protože vyhodnocuje snímky jeden po druhém, bez kontextu, který má člověk při sledování videa. Nevhodně zvolený úhel může způsobit, že se klíčové detaily ztratí nebo budou obtížně interpretovatelné.
Nedostatečné kvalitní obraz způsobený digitálním šumem, špatným nastavením kontrastu, nízkým jasem nebo příliš silnou kompresí (např. při úspoře datového toku) zásadně ovlivňuje schopnost systému rozpoznat detaily. Například obličeje se mohou rozmazat, registrační značky se stanou nečitelné a pohyb se může jevit trhaně. To vše komplikuje analýzu. Čím čistší a ostřejší obraz, tím vyšší pravděpodobnost úspěšné detekce.
Problém nízkého rozlišení vede ke ztrátě detailů, které jsou často zásadní pro správnou detekci. Například v HD obrazu může být osoba reprezentována jen několika desítkami pixelů – což stačí na detekci přítomnosti člověka, ale nikoliv na rozpoznání jeho pohybů. Doporučeným minimem je Full HD, které poskytuje dostatečný kompromis mezi detaily a datovou náročností.
I když se to může zdát jako technický detail, RTSP (Real-Time Streaming Protocol) je klíčový pro snadné a stabilní připojení kamery do systému pro zpracování obrazu. Pokud kamera tento protokol nepodporuje, může být integrace složitá, nestabilní nebo úplně nemožná, a to i v případě, že kamera samotná pořizuje kvalitní obraz. Bez RTSP připojení je problematické získávat data v reálném čase, což je pro AI aplikace zásadní.
Přesnost detekce pomocí kamerového systému není dána pouze výkonem algoritmu, ale především kvalitou a vhodností vstupního obrazu. Nejčastější problém tedy spočívá v podcenění těchto základních faktorů při instalaci a výběru kamer. Dobré plánování a dodržení těchto základních typů výrazně zvyšuje úspěšnost celé implementace.
