Видеоаналитика на практике

Ранее внедрению средств видеоаналитики нередко препятствовали технические проблемы и высокая стоимость решений, что не позволяло использовать эту технологию в том объеме, на который рассчитывали вендоры. Чего уже удалось достичь в ее развитии и что мешает ее повсеместному использованию?

Аналитики TechNavio Analysis ожидают, что в ближайшие годы среднегодовые темпы роста мирового рынка IP-видеонаблюдения превысят 20%, причем сегмент услуг видеонаблюдения и видеоаналитики будет развиваться опережающими темпами. В России основными пользователями технологий видеонаблюдения и видеоаналитики являются организации государственного сектора, банки, а также предприятия из сфер транспорта, розничной торговли и управления недвижимостью. В других странах наблюдается схожая картина.

В числе основных тенденций этого рынка — «интеллектуальное» видеонаблюдение, развитие возможностей встроенной и серверной видеоаналитики. Причем будущее — за интеграцией и тех и других средств, за широким распространением «умных» камер и Интернета вещей, облачных технологий видеоаналитики, в том числе в реальном времени, а также за обработкой Больших Данных видеонаблюдения, считает Алексей Сергеев, инженер по техническому маркетингу компании Intel.

Встроенная видеоаналитика — оснащение камер аналитическими функциями — помогает постоянно контролировать ситуацию и быстро принимать решения. А благодаря сниженным требованиям к каналам связи «умную» камеру можно устанавливать в таких местах, где обычная IP-камера работать не будет. Более того, при необходимости вместо видео она просто отправляет сообщение об инциденте, требующем реагирования.

Видеоаналитика — мощный инструмент поиска. Технология TimeCompressor совмещает в одной сцене движущиеся объекты и позволяет за несколько минут просмотреть события, которые происходили в течение нескольких часов (по информации ITV | AxxonSoft)

Спрос на подобные решения уже существует, а технические возможности позволяют реализовать «на борту» камер развитые аналитические функции. Явных лидеров рынка пока нет, и у вендоров есть хорошие шансы занять свое место в этом развивающемся сегменте.

Одной из фокусных тем прошедшей в прошлом году конференции Intelligent Video 2.0 стала видеоаналитика — автоматическое получение систематизированной информации с помощью алгоритмов интеллектуальной обработки потока видеоданных без участия человека. Проблемы внедрения таких инструментов обсуждались и на других профильных отраслевых конференциях.

КАМЕРА ИЛИ СЕРВЕР?

Камера становится настоящим компьютером и оснащается встроенным интеллектом. Повышение производительности процессоров позволяет улучшить качество изображения и внедрить в камеру более развитые функции видеоаналитики. Последнее обстоятельство дает возможность осуществлять предварительную обработку видеоинформации и тем самым разгружать сеть передачи данных. При этом для базовых функций видеоаналитики достаточно процессорных мощностей отдельного устройства, а более сложная обработка должна выполняться на сервере и вряд ли будет реализована «на борту» камер в обозримом будущем.

Тем временем меняется логика использования систем видеонаблюдения, и в первую очередь камер. Если раньше ставилась задача записи видео и его сохранения на диске для последующего разбора, то теперь можно упреждать события. Это требует совершенствования программного обеспечения с целью повышения эффективности работы оператора системы видеонаблюдения, рассказывает Дмитрий Стрельцов, директор по продажам Axis Communications в России.

Увеличение разрешения IP-камер, мощности процессоров и емкости встроенной памяти позволяет наделять камеры все более совершенными аналитическими функциями. По словам Николая Птицына, генерального директора компании «Синезис», происходящие на рынке видеонаблюдения структурные изменения характеризуются реализацией в системах среднего и даже начального уровня все более развитых функций видеоаналитики, ранее применявшихся лишь в дорогостоящих интеграционных проектах.

ПО систем видеонаблюдения оптимизируется под новые процессоры — в нем используются новые наборы инструкций. «Такая оптимизация позволяет ускорить обработку видеоданных в десятки раз, что делает серверную видеоаналитику существенно более привлекательной, чем раньше, за счет большей гибкости и лучшей масштабируемости. Становится более востребованной и «видеоаналитика как сервис». Примеры — фиксация нарушений ПДД, подсчет посетителей магазинов, поиск в архиве и т. д., — рассказывает Николай Птицын. — Эта технология постепенно становится массовой, превращается в важный инструмент системы видеонаблюдения».

Поиск в архиве по приметам. ПО выводит выборку объектов, соответствующих отличительным признакам (по данным Macroscop)

Новые возможности предоставляет и серверная виртуализация. В этом случае камеры привязаны не к физическому серверу, а к виртуальной машине, причем нагрузка балансируется автоматически. Упрощается и администрирование: вместо индивидуальной настройки каждого физического сервера централизованно настраивается логическая группа серверов («кластер» виртуальных машин). Лицензируется такое решение по числу камер. Основные преимущества данного подхода — эффективное использование оборудования и оптимальное распределение нагрузки.

По оценкам «Синезис», кластерная архитектура дает примерно 30-процентную экономию за счет более полной загрузки оборудования, предоставления простых процедур настройки, поддержки и резервирования. Кроме того, открываются возможности для внедрения видеоаналитики операторского уровня и создания сервисов облачной видеоаналитики (см. врезку «Видеоаналитика как сервис»). В числе примеров таких функций — разработки «Синезис», Prism и VIA:SYS для сферы безопасности и розничной торговли.

Серверная видеоаналитика не требует обязательного использования дорогих аппаратных решений. Например, компактная (3U) модульная серверная платформа на восьми процессорах Intel E3 V3 или IBM Power8 стоимостью около 15 тыс. долларов способны обрабатывать 480 каналов HD. Себестоимость такой системы составляет примерно 30 долларов на камеру. Как правило, разработка новых аналитических функций на базе стандартных серверов — более быстрый, простой и менее дорогой процесс, чем расширение функциональности сетевых камер, в которых нередко применяются специализированные аппаратные платформы.

Реализация типового решения видеонаблюдения требует большого количества различного оборудования и широких каналов связи. «Умные» камеры со встроенной аналитикой позволят сократить число устройств и серверов видеоаналитики, а значит, снизить как финансовые расходы, так и требования к каналам связи (по данным Intel)

«Современная видеоаналитика радикально отличается от того, что предлагалось всего три года назад, — считает Николай Птицын. — Это продукты коммерческого уровня, очень эффективно решающие определенный класс задач. Для четко формализуемых задач, таких как подсчет посетителей или распознавание номерного знака автомобиля, оптимальны встроенные средства аналитики, но всегда найдутся сегменты, где они не нужны. Например, в масштабных системах городского видеонаблюдения, на транспорте или удаленных объектах камеры нередко уже установлены, и передаваемые ими видеопотоки нужно обрабатывать на сервере».

Кроме того, встроенная аналитика — негибкое решение. Ее трудно адаптировать под потребности заказчика, поскольку для этого часто необходимо реализовать новые интеллектуальные функции, что ведет к немалым затратам. К тому же зачастую весь видеопоток, поступающий с камеры, требуется сохранять в архиве, поэтому имеет смысл анализировать его на сервере. При использовании современных серверных процессоров стоимость видеоаналитики в расчете на один канал оказывается ниже, чем в случае обработки данных посредством процессоров в камерах. Тем не менее у встроенной видеоаналитики большое будущее.

«Далеко не все заказчики понимают, насколько важна и полезна видеоаналитика, — говорит Мурат Алтуев, президент компании ITV | AxxonSoft. — В системах видеонаблюдения обычно ограничиваются записью видео в архив, найти в котором нужный фрагмент зачастую непросто. Между тем эти технологии стремительно развиваются и уже позволяют решать самые разнообразные задачи».

Внедрение видеоаналитики требует дополнительных серверов, что приводит к удорожанию решения. Встроенная видеоаналитика поможет сделать ее более доступной. В этом случае вместе с потоком видеоданных будут передаваться метаданные — описания сцен (проприетарные или стандарта ONVIF). Это открывает новые возможности — в частности, позволяет выполнять поиск в видеоархиве по содержимому, а не только по времени (например, по типу, цвету объекта, направлению его движения, количеству объектов в зоне наблюдения и т. д.). Еще одна полезная функция — автозум, когда камера автоматически увеличивает изображение движущегося объекта. А благодаря автотрекингу в поворотной камере пары устройств будет достаточно, чтобы контролировать обширное пространство.

В отличие от сервера, на который поступает множество видеопотоков, процессору камеры приходится обрабатывать всего один поток, причем это несжатое видео любого разрешения — до 4/8K, что не только повышает качество аналитики, но и исключает этап декодирования видео на сервере, необходимый для ее применения. Встроенная видеоаналитика позволяет также значительно снизить стоимость сетевой инфраструктуры и систем хранения, а значит, сократить бюджет проекта видеонаблюдения, ведь можно не транслировать весь видеопоток, а ограничиться передачей только значимых событий, выявленных с помощью камеры.

Многие вендоры, включая Axis, Samsung, Panasonic, предлагают так называемые открытые платформы, что позволяет сторонним разработчикам дополнять камеры новыми интеллектуальными функциями. «Я уверен: в итоге этим путем пойдут все разработчики, и камеры станут оснащаться множеством разнообразных аналитических функций, направленных на решение самого широкого спектра задач, — считает Мурат Алтуев. — Сейчас есть все, чтобы видеоаналитика стала массовой и доступной: мощные процессоры, открытые платформы и большое число разработчиков. Сегодня встроенная видеоаналитика применяется довольно редко, но со временем доля таких инсталляций может вырасти до 20–30% и даже до 50%».

Некоторые камеры со встроенной видеоаналитикой обладают функциями, позволяющими исключить сервер из системы видеонаблюдения и записывать видео непосредственно на сетевые системы хранения. Интересные возможности открываются при выполнении анализа видеопотоков и/или метаданных сразу с нескольких камер, но для этого потребуется серверная аналитика, посредством которой можно реализовать алгоритмы, которые пока нельзя встроить в программное обеспечение камеры.

Видеоанализ, реализованный в продукте AXXON NEXT компании ITV, дополняет функциональность системы видеонаблюдения. Тем самым ITV дает возможность неискушенным пользователям познакомиться со средствами видеоанализа

ОБРАБОТКА И ПРЕДСТАВЛЕНИЕ ДАННЫХ

Как справиться с потоком событий от модулей видеоаналитики в реальных условиях? Журнал событий содержит разнообразную информацию, но в ней сложно ориентироваться из-за множества избыточных данных. Выход — в фильтрации и ранжировании информации журнала событий. Система должна автоматически группировать события, исключать малозначимые и выделять наиболее важные. Именно такой подход использует компания Macroscop: она разрабатывает механизмы поиска по видеоконтенту, позволяющие в десятки и сотни раз ускорить поиск в видеоархиве.

Артем Разумков, генеральный директор Macroscop, отмечает еще одну проблему — мониторинг тревог, когда в крупных системах видеонаблюдения нужно обратить внимание оператора на какое-то событие. Традиционно для этого выделяется отдельный монитор. Оператор деактивирует каждое просмотренное им сообщение о тревоге, после чего может отображаться следующее. Однако возможны ситуации, когда такие сообщения поступают быстрее, чем он успевает отреагировать. В результате происходят постоянные смены «тревог» на мониторе.

Мониторинг тревог можно сделать более удобным: первое событие выводится на весь экран, а если новые «тревоги» появляются до завершения просмотра, то происходит переключение из полноэкранного режима на мультиканальную сетку и оператор видит сразу несколько тревожных событий. Кроме того, система может снабжать видео метаданными, которые помогают ему лучше понять происходящее.

Следует помнить, что средства видеоаналитики расcчитаны на определенные условия применения. Например, поиск объектов наиболее эффективен, когда они перемещаются по одному, не перекрываются, полностью попадают в кадр, а фоновое изображение статично. Реальная ситуация может сильно отличаться от идеальной. Задачу не следует пытаться решить точно: в ответ на запрос пользователя система, подобно интернет-поисковикам, должна предложить свой вариант.

ИНТЕЛЛЕКТУАЛЬНОЕ ВИДЕОНАБЛЮДЕНИЕ

Как известно, приблизительно через 20 мин (а при плохом качестве изображения даже раньше) внимание оператора системы видеонаблюдения значительно снижается. Удвоенное количество камер ухудшает этот показатель в два раза. Видеоаналитика, позволяя сделать систему видеонаблюдения проактивной, не должна генерировать большое количество ложных срабатываний. Она призвана обнаруживать события и предотвращать нежелательные последствия. Однако не все аналитические технологии работают одинаково.

Видеосистема с обнаружением движения «вычисляет отличия между кадрами» — во внимание принимаются все несходства. В камере с расширенными функциями предусматривается создание «моделей фонов» и учитываются любые изменения в модели фона. В видеосистеме с созданием «шаблонов движения» выявляются отклонения от шаблона движения известного объекта. Подобные системы полезны для проверенной и неподвижной среды, но они не подходят для динамичных условий (дождь, качание деревьев, передвижение животных и другие не имеющие значения действия), поскольку доля ложных сигналов оказывается чрезмерной, рассказывает Павел Жорин, региональный менеджер Avigilon в России, странах СНГ и Балтии.

Процедуры отклика для предотвращения инцидентов в системе Avigilon

Компания Avigilon реализовала метод распознавания объектов в кадре по шаблонам, где учитывается более 200 тыс. моделей поведения человека. Это позволяет игнорировать дождь, туман, блики солнца или фар и т. д. Калибруется и настраивается система автоматически, что особенно важно при наличии большого числа камер. Она способна обнаруживать события и изучать область наблюдения сразу после первоначальной настройки, адаптируясь к изменениям без ручной калибровки.

В определении шаблона движения объекта учитываются не только его размер и движение, но и форма, что уменьшает число ложных срабатываний. Благодаря точной классификации на основании данных о движении объектов и применению камер Full HD увеличивается качество детектирования объектов и событий, а следовательно — повышается эффективность системы. Камеры высокой четкости обеспечивают в два раза большую дальность наблюдения и в три раза более широкую зону обзора по сравнению с любым решением, включающим в себя камеры SD.

Компания Avigilon использует в своих системах видеонаблюдения клиент-серверную архитектуру: на серверы записи поступают видеопотоки, которые передают камеры с разрешением от 1 до 29 МПикс, обладающие встроенной видеоаналитикой; к ним же подключаются клиентские рабочие станции, где установлено ПО Avigilon Control Center для просмотра видео и генерации реакции системы. Аналоговые кодеры серии Rialto с функциями видеоаналитики позволяют подключать аналоговые видеокамеры. Программное обеспечение Avigilon Control Center обеспечивает интеграцию камер высокой четкости, оснащенных технологией адаптивной видеоаналитики, с устройствами Rialto. Пользователи могут добавлять отзывы о точности обнаружения событий, способствуя сокращению количества ложных сигналов тревоги.

У видеоаналитики пока остается немало ограничений, но появляется все больше мощных и гибких систем, позволяющих решать различные задачи. Они ориентированы на разные сегменты рынка и могут не только обеспечивать безопасность, но и быстро извлекать необходимую информацию из видеоархивов, способствуя повышению эффективности работы организаций. С совершенствованием аналитических алгоритмов и увеличением вычислительных мощностей процессоров, применяемых в серверах и камерах видеонаблюдения, возможности таких инструментов значительно расширятся, а видеоаналитика станет более доступной и удобной в применении.

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