.jpg) |
|
ИЗНАЧАЛЬНО СИСТЕМЫ видеонаблюдения предназначались для контроля обстановки вокруг зданий и обеспечения оперативной реакции охраны на происходящие события Источник: Hustvedt |
Если же их обработать и проанализировать, компания сможет получить ценную информацию как для целей охраны, так и для удовлетворения каких-то других потребностей бизнеса.
Система
Сегмент решений для анализа видеоданных сейчас развивается довольно активно, что обусловлено распространением и совершенствованием IP-камер наблюдения. К примеру, часть предварительных действий по обработке видео теперь выполняют сами камеры. Они могут автоматически детектировать движение, задымление, отслеживать нахождение объекта в запрещенной зоне и многое другое. Впрочем, аналогичные функции могут быть реализованы и программным обеспечением системы видеоанализа на стороне сервера.
«Существует несколько вариантов видеоанализа, — поясняет Михаил Данилов, ведущий инженер департамента инженерных систем «АМТ-Груп». — Во-первых, это пиксельный анализ, когда решение принимается в зависимости от изменения параметров пикселов. Это самый простой и распространенный метод, но не очень эффективный. Данный метод применяется в большинстве детекторов движения в программном обеспечении недорогих регистраторов и IP-камер. Во-вторых, используется анализ блобов — групп пикселов, объединенных по какому-либо признаку. Блобы представляют из себя отдельные объекты в кадре, такие как человек или машина. Третий вариант — анализ объектов, их классификация и трекинг. Также возможно сочетание методов объектного и пиксельного анализа. Например, выделение автомобиля из потока, захват изображения номера автомобиля — это объектный анализ, а распознавание номера — пиксельный".
На базе комплексных решений видеоаналитики можно строить сложные приложения, реализующие очень разные функции и задачи, такие как подсчет посетителей магазина и выявление опасных действий сотрудников и клиентов, защита от пожаров, воровства, протечек жидкостей и газов, расследование инцидентов и многое другое.
«Сейчас чаще всего системы видеонаблюдения передают информацию в ситуационные центры, где за мониторами следят операторы, — поясняет Андрей Хрулев, начальник отдела биометрических и комплексных систем безопасности компании «Техносерв». — С ростом числа камер объем информации возрастает, а следовательно, увеличивается вероятность пропуска нештатной ситуации. Поэтому важную роль в работе ситуационных центров стали играть автоматизированные системы оценки ситуации».
Андрей Пименов, руководитель департамента по связям с общественностью компании «Элвис-Неотек», перечислил возможности их фирменных решений: «В настоящее время нашей компанией разработаны алгоритмы, которые позволяют обнаруживать и классифицировать людей и транспортные средства, распознавать инциденты и оповещать о возгораниях, задымлениях, оставленных предметах и т. д.».
Спектр возможных применений систем видеоаналитики можно расширить, если видеокамеры будут фиксировать также звук, срабатывание различных датчиков и получать данные из информационной системы предприятия.
Больше всего на рынке имеется приложений для выделения из видеопотока конкретных объектов, для их распознавания и контроля перемещения по территории. Но отсутствует универсальная технология распознавания, которая могла бы одинаково хорошо идентифицировать, например, штрихкоды, номера машин и лица. Поэтому заказчикам каждый раз приходится собирать систему аналитики видео из базовых элементов — объект сначала выделяется из видеопоследовательности, классифицируется и передается на распознавание в соответствующий аналитический модуль. Следует отметить, что пиксельным анализом изображения может заниматься и сама камера, а вот для более сложной обработки с классификацией и распознаванием нужно устанавливать дополнительные программные продукты.
Напомним, изначально системы видеонаблюдения предназначались для контроля обстановки вокруг зданий и обеспечения оперативной реакции охраны на происходящие события. Однако охранники, наблюдая за статичными изображениями, быстро теряют бдительность и не могут распознать опасные ситуации. Кроме того, они не могут знать в лицо всех сотрудников компаний, работающих в здании, запомнить номера всех паркующихся на стоянке машин. Порой даже просто рассмотреть каждого прохожего оператор системы видеонаблюдения не в состоянии, а значит, большая часть важной для службы безопасности информации просто не попадает в поле внимания охранников. Именно этот пробел и призваны ликвидировать различные компоненты системы анализа видеоинформации.
Датчики
Простейшие программы распознавания выделяют объекты и классифицируют их. Часто такие программы встроены в сами камеры, чтобы ликвидировать непрерывный поток на сервер видеорегистрации. Для большинства практических задач достаточно сохранять лишь значимые видеофрагменты, поэтому процессор камеры выполняет роль датчиков движения, выявляя только перемещающиеся объекты. Можно настроить пороги реагирования камеры так, чтобы система не срабатывала на пролетевшую птицу или на постоянную деятельность, например, офисных работников. Можно выделять зоны, в которых объекты не должны появляться или оставаться определенное время.
В идеальных лабораторных условиях аналитические системы четко фиксируют те или иные тревожные события, но при эксплуатации на объекте, в реальных условиях, порождают множество ложных срабатываний, отмечает Пименов. Проблемы вызывают раскачивающиеся ветви деревьев, пролетающие птицы, засветка камеры автомобильными фарами, сдвиг камеры, появление насекомых в поле зрения и т. д.. На отработку ложных срабатываний требуются дополнительные сотрудники. Поэтому система видеоаналитики должна не просто детектировать движение, а выполнить его тщательный анализ — именно этим и занимаются различные компоненты распознавания.
Идентификация
Система биометрической идентификации позволяет выделить из людского потока тех, о ком в ее базе данных имеется соответствующая информация. Правда, для успешного распознавания фотография человека должна быть сделана с соблюдением определенных правил — либо с минимальными отклонениями объекта от фронтального положения, либо с нескольких камер. Во втором случае строится трехмерная модель объекта, и идентификация выполняется уже по ней. Такой способ можно использовать как для идентификации сотрудников на проходной, так и для выявления злоумышленников, используя предоставленное правоохранительными органами криминальное досье. Для повышения эффективности работы системы идентификации нужно специально располагать камеры наблюдения в узких проходах и различными приемами провоцировать проходящего человека взглянуть прямо в камеру.
Хрулев привел пример использования интеллектуальных систем распознавания: «Наша система «Каскад-Поток» позволяет среди людей в режиме реального времени распознать человека, находящегося в розыске. Система в видеопотоке находит лица, а потом сравнивает с изображениями, находящимися в базах правоохранительных органов». Выполнить эту работу сами охранники вряд ли смогут, поскольку они не станут каждый раз, увидев подозрительное лицо, посылать запрос в органы внутренних дел.
Распознавание символов и действий
Еще один класс продуктов расширяет возможности видеонаблюдения за счет распознавания символов, таких как цифры, надписи и штриховые метки. Причем с распространением двухмерных меток лазерные сканеры штрихкодов уходят в прошлое, их заменяют обычными видеокамерами. Теперь камеры могут распознавать практически все символы и метки, поэтому с внедрением этой технологии система видеонаблюдения может превратиться в инструмент контроля за грузами, элемент складской или торговой сети.
Видеопоток можно использовать и для распознавания траектории объектов и даже действий, которые эти объекты совершают. При этом для распознавания используются уже не отдельные кадры, а последовательность снимков, относящихся к одному объекту. Специальное приложение способно построить траекторию движения объекта. Это, например, можно использовать для анализа путей перемещения покупателей по магазину. Разработаны также технологии, которые могут охарактеризовать действия людей. Сейчас они разрабатываются для анализа фильмов, но со временем могут быть применены и для распознавания опасных действий с контролируемым оборудованием.
Из перечисленных технологий и инструментов клиенты могут собрать необходимые им решения для превращения обычной системы видеонаблюдения в один из важных элементов ведения бизнеса. Наиболее интересны подобные решения компаниям, обслуживающим различные объекты недвижимости — магазины, склады, транспортные узлы. В этом случае видеоанализ можно использовать для маркетинга, бизнес-мониторинга, расследования инцидентов и контроля за действиями сотрудников, партнеров и клиентов.
Пименов приводит следующий список задач, которые можно решать с помощью продуктов для видеоанализа:
- подсчет посетителей и управление очередями;
- управление транспортными потоками;
- автоматизация платных парковок с выпиской квитанций на оплату;
- распознавание лиц посетителей банка с целью предотвращения мошенничества и выделения важных клиентов;
- определение количества зрителей в кинозалах;
- контроль работы строительных кранов;
- обнаружение выбрасывания мусора из автомобилей;
- детектирование фактов курения в ресторанах;
- обнаружение нанесения граффити на здания и вагоны.
Этот список далеко не полный. «Например, детектор подсчета людей и их трекинг можно применять для различных маркетинговых исследований, — поясняет Данилов. — С помощью таких детекторов можно понять, в какое время сколько человек посетили магазин, где они проходили, у каких прилавков задерживались. При интеграции системы с кассовыми аппаратами можно получить очень полезную информацию, такую как коэффициент конверсии».
Кроме того, можно использовать видеонаблюдение для более качественного обслуживания клиентов. Еще один пример применения видеоаналитики приводит Артем Соколов, заместитель технического директора компании «Техносерв»: «Допустим, обеспечивается видеонаблюдение одновременно за 100 банкоматами. Когда ими никто не пользуется, то и смотреть за ними не нужно. Кроме того, есть среднее время обслуживания клиента. Если клиент укладывается в это время, то, согласно статистике, с вероятностью 99% смотреть за банкоматом также не требуется. Но если человек проводит у банкомата больше времени, то стоит на это обратить внимание оператора: может быть, у клиента проблемы или это мошенник». Если привлечь к этому банкомату внимание оператора ситуационного центра, то его вмешательство, возможно, поможет клиенту быстро решить проблему.
По мнению Данилова, рынок видеоаналитики достаточно перспективен. «Сейчас в основном применяется, конечно, охранная видеоаналитика — запущено много проектов «Безопасный город» с автоматизированным контролем ПДД и распознаванием автомобильных номеров. Уверен, что в ближайшее время крупные сетевые компании обратят свой взор на применение видеоанализа для повышения эффективности производства, тем более что вложения в эту сферу могут окупаться очень быстро". Так что видеоаналитика может выйти за пределы традиционного для нее рынка безопасности и принести дополнительные дивиденды бизнесу заказчиков.