Интеллектуальное видеонаблюдение

Основные объекты видеоаналитики — люди и автомобили. Именно им разработчики соответствующих решений уделяют основное внимание. Однако современные технологии позволяют найти анализу видео более широкое применение — как в системах охранного видеонаблюдения, так и в других приложениях.

Рынок видеонаблюдения сильно фрагментирован: на нем представлены разнообразные технологии и направления, а поскольку эта фрагментация только усиливается, до окончательного его становления еще далеко. На его формирование оказывают влияние такие глобальные тенденции, как распространение облачных технологий, Большие Данные, мобильные приложения, стандартизация (ONVIF) и, конечно же, продолжающийся переход на IP-системы. Все эти факторы учитываются при разработке новых продуктов.

Однако, с точки зрения оператора системы видеонаблюдения, развитие IP-технологий не привело к значительным изменениям его работы, разве что оно позволило получать изображения с камер, находящихся на большом удалении. Кардинальные перемены может принести развитие видеоаналитики, в том числе встроенной, ведь современные IP-камеры фактически представляют собой компьютер, способный не только сжимать видео, но и реализовывать функции, существенно повышающие эффективность системы. «Видеоаналитика изменит рынок видеонаблюдения в еще большей степени, чем переход на IP, — заявил Мурат Алтуев, президент компании ITV|AxxonSoft, на форуме All-over-IP, состоявшемся в ноябре 2013 года (в рамках этого мероприятия была проведена четвертая конференция «Интеллектуальное видео»). — В 2013 году произошел скачок спроса не только на IP-решения, но и на видеоаналитику».

«Переход с аналоговой технологии на IP привел к изменению технической составляющей, но не изменил сути видеонаблюдения: оно так и осталось «наблюдением». С появлением видеоаналитики фокус смещается к аналитической обработке событий. Это позволит в ближайшем будущем анализировать картину происходящего в городе или на объекте с различных точек зрения и в соответствии с конкретными задачами разных групп пользователей — от правоохранительных органов до частных лиц», — подчеркивает Сергей Жерновой, эксперт IBM в России и СНГ по решениям для «безопасных городов».

По прогнозам TechNavio, в ближайшие четыре года мировой рынок видеоаналитики будет расти опережающими темпами — в среднем на 30% ежегодно, и к 2017 году его оборот достигнет 1,2 млрд долларов. При этом среднегодовые темпы роста всего рынка видеонаблюдения составят 13%. В России этот сегмент способен расти на 37% в год (см. Таблицу 1), но экономическая и политическая ситуация может внести коррективы в столь оптимистичные прогнозы.

Таблица 1. Емкость (млн долларов) и динамика целевых рынков в России (по оценкам компании «Синезис»).

«Интеллектуальные ресурсы разработчиков будут направлены на те вертикальные рынки, которые получают или станут получать финансирование, — уверен Михаил Зикеев, менеджер направления систем видеонаблюдения «Сони Электроникс». — Например, регионы поддерживают различные программы «безопасный город». И разработчики предлагают пакеты видеоаналитики, ориентированные на задачи глобального мониторинга — например, по определению автомобильных номеров, контролю скоростного режима, выявлению возгораний, анализу звука и т. д.».

НА ПУТИ В МАССЫ

Видеоаналитика делится на специализированную (решения для сил обеспечения правопорядка, транспортной отрасли и т. д.) и «аналитику для всех» (решения для массового рынка). Соответственно, рыночные игроки фокусируются на разных направлениях.

Прогресс в области видеоаналитики происходит за счет специализированных систем. Это дорогие, не «коробочные» решения, требующие грамотной настройки. Но постепенно передовые технологии видеонаблюдения проникают в массовый сегмент: камеры оснащаются все более мощными процессорами, что позволяет решать достаточно сложные задачи. Например, камера Bosch формирует поток метаданных на основе анализа того, что происходит в поле ее зрения. В конечном счете это позволяет сформировать базу данных всех фиксируемых событий, что должно значительно упростить задачу поиска в видеоархиве и оптимизировать хранение данных.

Это одна из главных тенденций.Например, когда-то детектор движения был отдельным устройством, а сейчас эта функция встроена в большинство камер. То же будет происходить и с формированием метаданных. Камеры Bosch, Sony, Samsung и ряда других вендоров уже обладают такими возможностями. Метаданные предлагается собирать и использовать в соответствии с настраиваемыми пользователем сценариями.

Всем уже знакома технология распознавания номеров автомобилей. Раньше для ее использования требовалось устанавливать специальным образом камеры. После того как разрешение камер увеличилось, необходимость в этом отпала. Эту технологию можно применять в массовых решениях, в частности для поиска автомобилей. В свою очередь, системы для распознавания лиц могут иметь как специальное, так и широкое применение — например, для поиска в архивах.

Сейчас тестируется немало таких решений. Одно из них — на базе разработок ITV|AxxonSoft — было опробовано в метрополитене Санкт-Петербурга. Уровень распознавания по базе из 100 человек (500 проходов) составил 94%. Эти технологии активно развиваются. В основе многих из них — немецкий движок компании Cognitec. «В его девятой версии достигнут фантастический прогресс в области распознавания лиц. Однако пока это специализированные дорогие решения. Мы думаем о том, как сделать данную технологию более доступной», — рассказывает Мурат Алтуев.

Типичной задачей видеоаналитики остается быстрый поиск в архивах, например при расследовании инцидентов. Еще одна интересная функция — слежение за объектом при помощи обзорной камеры с одновременным управлением поворотной камерой (трекинг). Мегапиксельные обзорные камеры, отличающиеся высоким разрешением, позволяют контролировать огромные территории, благодаря чему достигается существенная экономия. Например, камера может отслеживать пересечение человеком виртуальной линии и автоматически переключаться между всеми движущимися объектами, охватывая большую территорию. И это лишь один из примеров использования видеоаналитики.

В компании «Эдванс Сетевое Видео» выделяют следующие важнейшие задачи, в решении которых помогает видеоаналитика:

• первичная обработка видеоархива с выделением ключевых событий, например, чтобы сэкономить время оператора, занимающегося поиском нужного события;
• оптимизация видеоархива путем записи на устройство хранения только ключевых событий, что позволяет существенно уменьшить объем сохраняемых данных;
• контроль за перемещением объектов в кадре, когда по видеозаписи можно определить нарушение порядка или правил движения;
• верификация тревожных событий при активизации функций «детектор очередей», «детектор драк», «детектор оставленных предметов» и др.;
• оперативное реагирование на тревожные события, выявляемые благодаря использованию на объекте видеокамер.

Видеоаналитика — это выделение на видеозаписи значимых событий для дальнейшего реагирования на них заранее определенным способом, поясняют в компании «Эдванс Сетевое Видео». Для этого применяются специальные аналитические алгоритмы. Работу с видеоизображением можно классифицировать в соответствии с тремя классами таких алгоритмов:

1. Сравнение пикселей. Сюда относятся детекторы движения, детекторы оставленных предметов и т. д., которые не являются средствами видеоаналитики, но именно на этом уровне реализовано большинство алгоритмов.
2. Распознавание объектов, то есть определение класса объекта по его видеоизображению и дальнейшее сравнение с базой данных объектов. Сюда входит детекция лиц, распознавание номерных знаков и т. д. Это аналитика относительно простого уровня.
3. Изучение поведения и трекинг объектов в кадре. В основу этих решений положены сложные алгоритмы. В большинстве случаев трудно составить алгоритм, надежно описывающий возможное поведение объекта в кадре. Еще труднее осуществлять «передачу» объекта с одной видеокамеры на другую.

Практический пример — наблюдение за людьми в метро. Допустим, одна из камер зафиксировала, что человек с известными приметами зашел в метрополитен с опасным багажом. Когда это выяснилось, он уже сел в поезд и уехал на другую станцию. Как его найти на видеозаписях камер, установленных на других станциях, и объединить эти видеозаписи? На помощь приходит видеоаналитика, умеющая работать с идентификацией и базами данных. Проблема в том, что в данной области любая высокотехнологичная система создается с учетом конкретных условий, поэтому ее последующий перенос на другие объекты оказывается затруднен. Сегодня попросту отсутствует математический аппарат, позволяющий идентифицировать то или иное событие с должным уровнем надежности, без привлечения огромных вычислительных мощностей.

В частности, компания «Эдванc Сетевое Видео» неоднократно проводила тестирование специализированного ПО совместно с уличными камерами Avigilon Bullet для распознавания лиц в потоке прохожих: среди нескольких десятков людей требовалось найти три – пять персон, внесенных в базу данных. Несмотря на все меры, предпринятые для оптимизации ПО, решать поставленную задачу удавалось только с помощью профессионального серверного оборудования.

Однако, подобные задачи актуальны не для каждого клиента — чаще всего пользователь ограничивается набором простых функций, которые позволяют ему определять некий набор событий, не требующих сложного анализа. В таких случаях уместна реализация относительно простых аналитических алгоритмов внутри видеокамер («встроенная аналитика»).

Простые детекторы движения — это еще не аналитика: для принятия решения нужно иметь данные о направлении перемещения объекта. Чтобы извлечь эту информацию из видеопотока, можно использовать сервер со специализированным ПО или более развитые возможности камеры. В частности, компания Mobotix проповедует принцип «камера-система», когда многие функции реализованы непосредственно в камере. Одна из интересных новинок — функция MxActivitySensor (см. Рисунок 1), которая на основании сравнения нескольких кадров умеет выделять движение объекта и определять его направление.

Рисунок 1. Датчик MxActivitySensor реагирует на определенные и непрерывные перемещения объектов и людей, показывая соответствующее направление движения.

«Алгоритмы видеоанализа должны быть унифицированы, тем более что задачи безопасности для многих объектов схожи. Использование же ресурсов для решения узкоспециализированных задач не будет эффективным из-за ограниченного спроса и больших затрат на разработку, — комментирует Михаил Чичварин, менеджер Mobotix по развитию бизнеса в России, СНГ и Грузии. — Особый интерес представляют алгоритмы для оповещения о «нестандартном» поведении объектов, уменьшающие количество ложных тревог».

Примером может служить новый детектор распознавания движения MxActivitySensor. Эта программная функция анализа изображений в зависимости от событий позволяет распознавать перемещения людей и объектов в области обзора камеры. В отличие от существующих детекторов движения, которые регистрируют все события в пределах определенной зоны, этот алгоритм отличает подозрительные перемещения автомобилей, людей или объектов, о которых должен быть предупрежден оператор, от незначительных — тени от предметов, изменения в освещении, качание деревьев от ветра или дождевые струи.

«Распространенные сегодня алгоритмы — детекторы движения, пересечения виртуальной черты, вторжения, оставленных предметов и лиц — разрабатывались для целей охранного видеонаблюдения. Они были предназначены исключительно для фиксации событий несанкционированного или несвоевременного появления/исчезновения людей или предметов из наблюдаемой зоны, — рассказывает Михаил Зикеев. — Нельзя сказать, что за прошедшие годы потенциальные заказчики полностью разобрались в возможностях видеонаблюдения и видеоаналитики, но формулировать свои требования к системам безопасности стали точнее. Поэтому сегодня основная тенденция — адаптация прикладного программного обеспечения к требованиям заказчика».

«Все больше мощных и гибких систем видеоаналитики включается в интегрированные системы безопасности. Они позволяют решать различные задачи — как в режиме реального времени, так и при анализе событий в записи, — рассказывает Дмитрий Кондратьев, региональный директор Verint Russia в подразделениях Enterprise Intelligence и Video Intelligence Business. — Так, компания Verint предлагает широкий спектр аппаратного и программного обеспечения, который позволяет организациям эффективно обрабатывать и анализировать огромные объемы видеоданных, извлекать из них необходимую информацию и на ее основе принимать оперативные решения. Такие системы ориентированы на использование в целях обеспечения безопасности в общественных местах и на транспорте, на объектах инфраструктуры, в финансовых организациях, в торговых залах. При этом, например, системы видеоаналитики, разработанные для предприятий розничной торговли, одновременно помогают повысить эффективность работы, ведя подсчет посетителей и анализируя их поведение».

ВИДЕОАНАЛИТИКА И УПРАВЛЕНИЕ ПРЕДПРИЯТИЕМ

Видеоаналитику можно использовать не только для задач безопасности и подсчета посетителей магазинов. Как указывает, Николай Птицын, генеральный директор компании «Синезис», на предприятиях она может применяться для контроля за уровнем качества и сроками выполнения задач, для повышения производительности, обучения и мотивации персонала.

Система видеонаблюдения с интеллектуальными функциями позволяет накапливать данные для принятия решений. Это могут быть данные о покупателях — их количестве, маршрутах и т. д. Задача Video BI (бизнес-аналитики на основе интеллектуального видеонаблюдения) — собрать эти данные и превратить их в полезную информацию для принятия управленческих решений.

Например, на строительной площадке Video BI помогает сэкономить средства, фиксируя в автоматическом режиме въезд техники на объект и выезд с территории. «Если подключить данные о субподрядчиках из финансовой системы, то получится мощный инструмент для контроля расходов на строительном объекте. Такая система окупается уже в первый месяц строительства и позволяет сэкономить свыше 10% операционных затрат, — утверждает Николай Птицын. — При поиске в архиве, введя через Web-интерфейс номер заказа и атрибуты исполнителя, можно получить кадры с объектов и просмотреть видео. Это пример того, как видео становится инструментом контроля». Решение позволяет следить за степенью готовности объекта, помогает бороться с воровством материалов и оборудования, расследовать происшествия.

Другой пример — логистический центр, где система бизнес-аналитики, интегрированная со СКУД, позволяет вводить идентификаторы посылок и фиксировать номера автомобилей, подъезжающих к складу или сортировочному узлу (см. Рисунок 2). Эти данные становятся тегами для видео. По номеру отправления можно посмотреть, как посылка обрабатывалась и куда ее поместили.

Рисунок 2. Бизнес-аналитика в логистическом центре.

В автосервисе видеоаналитика позволит четко контролировать операции по обслуживанию клиентов и предотвращать злоупотребления. На сборочных производствах видео в сочетании с данными о технологическом процессе поможет повысить уровень контроля качества.

Таким образом, в современных организациях Video BI превращается в источник информации для руководителей. Кроме того, видео можно использовать для рекламы, традиционного обеспечения безопасности, показа на сайте компании и т. д. Благодаря интеграции с корпоративной базой данных сведения в реальном времени поступают в информационную систему (ERP, CRM), а при необходимости принятия сотрудниками оперативных мер можно отправлять уведомления на их пользовательские устройства.

Между тем рынок Video BI сильно фрагментирован: разработка таких решений требует детального изучения предметной области и ситуации на стороне заказчика. «Мы видим три сегмента, смежных с Video BI, — говорит Николай Птицын. — Прежде всего это рынок BI + CPM (Corporate Performance Management), который, как ожидается, к 2017 году достигнет 18 млрд долларов, причем ожидаемые аналитиками среднегодовые темпы роста составят 7%. Другой смежный сегмент — Video Surveillance as a Service (VSaaS). Прогноз для него — 2,4 млрд долларов при среднегодовых темпах 30%. Наконец, рынок Video Content Analytics (VCA) вырастет до 1,2 млрд долларов (на 25% в год), а сам рынок Video BI — до 1,9 млрд долларов (30% роста), — считают аналитики Gartner и IMS Research.

Перспективные отрасли для применения Video BI — розничная торговля, строительство, производство, ТЭК, социальные объекты — могут быть интересны поставщикам систем BI и видеонаблюдения, а также стартапам. Однако, в отличие от охранного видеонаблюдения, видеоаналитика должна учитывать соответствующие бизнес-процессы. Кроме того, требуется более четкое обоснование ROI.

Из-за многообразия пользователей, а это практически все сотрудники компании — от инвестора/директора до исполнителя, системам Video BI необходим удобный и простой Web-интерфейс. А для успешного развития данного рынка нужны бюджетные решения. По мнению специалистов «Синезис», продвижению Video BI в России мешают каналы связи с низкой и негарантированной пропускной способностью.

Как у любой новой технологии, риски внедрения у Video BI высоки, однако потенциал у рынка достаточно велик, круг потенциальных пользователей широк, а предложений немного, подчеркивает Николай Птицын. Его емкость больше, чем у рынка видеонаблюдения в системах безопасности, а рост может быть значительнее.

«Пока главным потребителем решений в области видеоаналитики является сфера розничной торговли, — отмечает Алексей Майоров, менеджер по развитию бизнеса в Восточной Европе компании Axis Communications. — Ретейл постепенно начинает осознавать, что потенциал, заложенный в камерах видеонаблюдения, не ограничивается только предотвращением потерь». С помощью камер можно собирать множество полезной информации о покупателях и их поведении — от подсчета посетителей и выявления наиболее часто посещаемых зон магазина до оценки эффективности выкладки товара и определения пола и возраста посетителей.

Грамотный анализ и использование полученных данных позволяют значительно повысить эффективность работы как отдельно взятой торговой точки, так и всей сети в целом. Так, например, на основании данных о «горячих» и «холодных» зонах магазина, полученных с помощью видеоаналитики, была проведена перепланировка торгового зала, что позволило на 20% повысить уровень продаж отдельных категорий товара.

Особый интерес представляют видеоаналитические решения, встроенные в камеры видеонаблюдения, — например, функции подсчета посетителей или определения длины очереди. Аналитические модули в камерах обрабатывают полученное видео и выдают только нужную пользователю информацию. Никакого центрального оборудования, никаких проблем с каналами связи — все просто, эффективно и очень экономично.

УМНЫЙ ГОРОД

Развитию видеоаналитики способствует также увеличение вычислительной мощности серверов и использование аппаратных транскодеров H.264. Серверное решение с мощной видеокартой обеспечивает высокое быстродействие при обработке потокового видео HD. В схемах с распределенной обработкой серверы на площадке заказчика могут обрабатывать основной поток данных и передавать на верхний уровень (например, в облако) данные меньшего объема. Вендоры и интеграторы постепенно накапливают опыт построения распределенных систем видеоаналитики, в том числе в масштабах города.

Еще десять лет назад считалось, что эффективность системы «безопасный город» зависит от количества камер, однако когда их становится достаточно много, операторы перестают справляться с оперативным наблюдением, да и найти что-либо в видеоархивах становится невозможно. А ведь город — это не только тысячи камер, но и другие устройства фиксации событий: детекторы транспорта, пожарные и прочие датчики, системы «гражданин-полиция». При этом разные службы отвечают за разные сферы деятельности и нуждаются в визуализации событий разных типов. Нередко требуется получать агрегированную информацию о происходящем.

В системах видеонаблюдения уровня «безопасный город» видеоаналитика — от простых детекторов движения до специальных систем обнаружения возгораний и прочих средств мониторинга — становится незаменимым помощником оператора. Она призвана избавить человека от просмотра множества экранов, помочь ему анализировать обстановку и принимать правильные решения, ведь, по статистике, один оператор может эффективно наблюдать не более чем за 16 камерами, а за 22 мин. работы его эффективность падает до 5%.

Чтобы справиться с этой задачей, нужно иметь возможность описать все, что происходит в поле зрения камер, с помощью набора метаданных, передаваемых в аналитические системы. Как отмечают в компании «Синезис», благодаря видеоаналитике один оператор может эффективно контролировать более 100 камер. Первичное обнаружение осуществляется программно-аппаратным комплексом, а окончательное решение принимает оператор.

Видеоаналитика помогает оценить ситуацию, понять, что произошло, быстро найти нужные фрагменты в видеоархиве. В ситуационных центрах такие инструменты подсказывают пути решения проблемы. Системы городского уровня обычно строятся по иерархическому принципу: решения, развернутые в домах, выполняют свой круг задач, отсекая ложные срабатывания и передавая на уровень выше более значимые данные, рассказывает Станислав Миллер, директор департамента по разработке ПО компании «Элвис-НеоТек».

Системы масштаба города генерируют около 10 млн событий в день, причем речь идет отнюдь не о мегаполисах. Это можно сопоставить с задачами, решаемыми с привлечением аналитики Больших Данных, говорит Сергей Жерновой. Необходим единый инструмент для управления всей городской инфраструктурой, чтобы обеспечить возможность построения единой картины происходящего для полиции, транспортных служб, предприятий ЖКХ. Между тем большинство вендоров предлагает отдельные системы. Единая система позволяет коррелировать события из разных подсистем. У IBM есть продукты для таких подсистем — от программ для реализации социальной поддержки граждан до систем обеспечения безопасности и анализа баз данных (BI). Флагманское решение — Intelligent Operation Center.

Инфраструктурные подсистемы являются для информационной системы IBM источником данных или принимают от нее команды и указания, а видеоаналитика играет ключевую роль в принятии решений. В информационную систему можно интегрировать системы сторонних вендоров и обмениваться с ними информацией через специальные шлюзы. Предусмотрены также инструменты для составления прогнозов и вывода отчетов. В результате ИС помогает принимать решения на основе максимально полных данных, поясняет Илья Подорожняк, представитель IBM по продвижению программных решений «Разумные города» в России и СНГ.

Такие решения накладывают на систему видеоаналитики определенные требования: к числу ее необходимых свойств относятся независимость от типов камер и видеосерверов, минимальная требовательность к формату и качеству видеопотока (далеко не все городские камеры имеют высокое разрешение), максимальная открытость функций системы и гибкость при интеграции, удобный интерфейс мониторинга событий, мощные средства поиска и анализа накопленных в архиве данных о событиях, максимальная простота расширения и доработки функций системы для учета специфических требований заказчиков.

Система видеоаналитики IBM Intelligent Video Analytics (IVA) представляет собой надстройку к системе видеонаблюдения и состоит из двух уровней. На первом подсистема обработки видео собирает видеопотоки и обрабатывает их, а на втором уровне появляющийся в результате поток метаданных описывает происходящие события. Метаданные (характеризующие цвет объекта, его тип, скорость, траекторию и т. д.) поступают на серверы для постобработки и записываются в хранилище. Метаданные и видео хранятся отдельно, но система обеспечивает однозначную связь между ними (см. Рисунок 3).

Рисунок 3. Система видеоаналитики IBM IVA выдает полностью индексированное по различным критериям видео.

Нередко ложные срабатывания в системах видеоаналитики сводят на нет всю пользу от них. Система должна генерировать минимальное количество ложных срабатываний и пропусков, иначе ее использование оказывается невыгодным с экономической точки зрения. Оценивать эффективность решения нужно в реальных условиях, поэтому пилотные проекты обязательны, считает Станислав Миллер. Желательно открытое сравнительное испытание систем. Полезные функции — многоуровневые карты ГИС, построение панорам и аналитика на них. Одна поворотная камера с поддержкой аналитики позволяет заменить несколько фиксированных камер.

«Будущее — за крупными интегрированными и распределенными аналитическими сетями, — уверен Сергей Жерновой. — Ведь чем шире охват территории, тем более глубоко каждый пользователь может погрузиться в контекст происходящего. Например, сейчас многие розничные магазины интересуются возможностью анализировать топологию потоков покупателей на своих торговых площадях с помощью внутренних камер и соответствующих средств видеоаналитики. Связав свою систему с общегородской, они получат возможность не только анализировать потоки внутри магазина, но и определять, откуда приходят покупатели, на каком транспорте приезжают. Выигрыш и для маркетинга, и для повседневной операционной деятельности очевидный. Кроме того, было бы чрезвычайно интересно интегрировать системы видеоаналитики с другими источниками событий — от различных датчиков и турникетов до, например, сообщений в социальных сетях, — создавая тем самым единый пул событий».

МОНИТОРИНГ И КОНТРОЛЬ КАЧЕСТВА

В масштабных распределенных системах видеонаблюдения очень актуальной становится задача мониторинга и контроля качества. Как рассказал Юрий Рогов, генеральный директор «Метротек», разработанная этой российской компанией система мониторинга видеонаблюдения BERcut-MX2 позволила разрешить конфликт между ДИТ Москвы и тройкой операторов связи (МГТС, «Акадо» и «Мостелеком»), связанный с использованием систем видеонаблюдения. Услуга видеонаблюдения реализована в интересах ДИТ Москвы и охватывает более 75 тыс. камер. Чтобы не заниматься этим большим хозяйством, ДИТ передал его тройке операторов на аутсорсинг.

В рамках договора на оказание услуг предусмотрены штрафные санкции за нарушение качества предоставления услуг видеонаблюдения, причем они были столь значительными, что это делало сотрудничество между ДИТ и «большой тройкой» маловыгодным. В ДИТ уже использовалась система контроля качества услуг, которая фиксирует потерю пакетов, потерю сигнала, изменение нумерации кадров и прочие параметры. Только за один квартал на основе показаний системы мониторинга услуг связи операторы были оштрафованы на 42 млн руб. за ненадлежащее качество. Когда у операторов нет собственного инструмента контроля качества услуг, конфликт становится неконструктивным.

Рисунок 4. Отечественная разработка BERcut-MX2 контролирует восемь 10-гигабитных потоков в реальном времени (80 Гбит/с) в одном шасси с нулевыми потерями и при отсутствии нагрузки на активное оборудование. Система отличается низким энергопотреблением, позволяет гибко настраивать критерии поиска и фильтрации.

Необходимо было разделить ответственность между владельцами камер и каналов связи. Для этого компания «Метротек» предложила систему обеспечения видеонаблюдения BERcut-MX2 (см. Рисунок 4). Один небольшой модуль способен контролировать работу до 8 тыс. камер. Есть и более мощная версия BERcut-MX4, устанавливаемая в 19-дюймовую стойку. По данным «Метротек», это решение можно внедрить в течение месяца и интегрировать в любые OSS.

Его можно использовать для управления конфликтами в любой большой системе видеонаблюдения. Если количество камер превышает несколько сотен, то вероятность возникновения разногласий резко возрастает. Этому способствует и число участников проекта (обычно их больше трех). Мониторинг качества помогает прийти к конструктивному диалогу между сторонами и разрешать противоречия.

ЗАКЛЮЧЕНИЕ

Говорить о революции, которую произведет использование видеоаналитики в системах видеонаблюдения, пока преждевременно, считают в компании «Эдванс Сетевое Видео». Есть множество сдерживающих факторов: несовершенство аналитических алгоритмов, потребность в большой вычислительной мощности, высокая стоимость реализации, наличие систем безопасности и СКУД, которые зачастую дают больше информации для анализа, чем видеоизображение.

За последние 10–15 лет производительность компьютерной техники возросла на порядок, однако и системы видеонаблюдения не стояли на месте. Более требовательными стали пользователи: теперь им необходимо видео с разрешением не менее 1–2 мегапикселей с частотой 25 кадров в секунду. Кроме того, сегодня есть решения вплоть до десятков мегапикселей — например, 29-мегапиксельная камера Avigilon Pro позволяет наблюдать за целым сектором стадиона и обладает возможностью цифрового увеличения до разрешений, пригодных для распознавания лиц.

Наиболее перспективные направления развития видеоаналитики: универсализация аналитических инструментов; создание комплексных систем, объединяющих множество инструментов внутри одного программного комплекса; перенос части аналитических функций в видеокамеры для разгрузки серверов; перенос части аналитических функций в облако; оптимизация алгоритмов; повышение удобства и эргономичности управления аналитическими системами.

Как считает Виктор Егоров, менеджер по региональным продажам компании Basler AG, в первую очередь будут развиваться средства видеоаналитики для распознавания нарушений правил дорожного движения (превышение скорости, проезд на красный свет, нарушение правил парковки и пр.) — реализация этих проектов быстро приносит значительные средства в местные бюджеты, а их окупаемость составляет несколько месяцев. Подтверждением может служить изобилие камер на дорогах. Другая активно внедряемая технология — распознавание лиц для целей безопасности и для предотвращения хищений в банковских офисах и банкоматах. Финансирование государством проектов по безопасности позволяет проводить масштабные разработки и быстрое внедрение.

Сергей Орлов — ведущий редактор «Журнала сетевых решений/LAN». С ним можно связаться по адресу: sorlov@lanmag.ru.