Видеоаналитика — обзор, применение, задачи
Обзор видеоаналитики, применение.
Видеоаналитика и системы видеонаблюдения стали более распространенным явлением для улучшения процессов безопасности и защиты благодаря разработке алгоритмов искусственного интеллекта которые даже обеспечивают действенную бизнес-аналитику для организаций. Прочтите наше полезное руководство по видеоаналитике, в котором рассказывается, что мы подразумеваем под этим термином, как они предоставляются, краткая история и преимущества, которые они предоставляют конечным пользователям.
Переход от традиционных аналоговых технологий наблюдения к IP (цифровым) решениям для наблюдения дал специалистам по безопасности доступ к гораздо более широкому функционалу. IP-камеры могут создавать оцифрованные потоки видеоданных, которые можно передавать по сетевому кабелю или через Wi-Fi. Важнейшим образом это изменило видеонаблюдение в режиме реального времени.
В последние годы программное обеспечение видеонаблюдения означало видеоаналитику: обработка визуальных данных, поступающих с сетевых камер, и обнаружение событий в реальном времени и последующий анализ. Используя алгоритмы искусственного интеллекта и огромную вычислительную мощность современных компьютеров, сегодняшние аналитические платформы теперь могут предлагать подсчет людей, тепловое картирование, распознавание лиц и множество других функций, позволяющих операторам отслеживать подозреваемых и выявлять закономерности среди шума — и без постоянного наблюдения со стороны человека.
Это очень важно, учитывая, что в среднем каждый сотрудник службы безопасности контролирует от 25 до 50 видеокамер. Исследования показали, персонал, просматривающий видеосистемы, может испытывать усталость «всего за 12 минут, пропуская до 45% активности в сценах с камеры». Через 22 минуты это увеличивает до 95% упущенной активности».
Использование технологии аналитики может позволить одному человеку контролировать гораздо больше камер и уменьшить количество пропущенных критических событий, что позволяет быстро реагировать и предотвратить преступление, а не просто реагировать на него после.
Определение видеоаналитики
Существует три различных типа видеоаналитики: аналитика с фиксированным алгоритмом, алгоритмы обучения искусственного интеллекта и распознавание лиц. Каждый из них обрабатывает цифровые видеосигналы с помощью алгоритма для выполнения функции, связанной с безопасностью.
Аналитика фиксированных алгоритмов и алгоритмы обучения искусственного интеллекта обнаруживают подозрительное поведение, зафиксированное видеокамерой, и предупреждают сотрудников службы безопасности, наблюдающих за этими камерами.
Аналитика фиксированного алгоритма работает, выполняя специальную задачу и отслеживая определенное поведение — например, кто-то движется в неправильном направлении в проходе, оставляет объект или поднимает объект, слоняется и отклоняется за пределы очерченного пространства.
Тем временем алгоритмы искусственного интеллекта учатся «на работе», будучи подключенными к камере в течение нескольких недель. В течение этого периода камера узнает, что является «нормальным», и выдает предупреждения, когда что-то происходит за пределами этого опыта.
Пример такого подхода приводится в книге «Эффективная физическая безопасность» Томаса Л. Нормана: «В одной из ранних установок в крупном международном аэропорту, предназначенной для обнаружения детей, забирающихся на багажную карусель, система предупредила о человеке, который поднял небольшой пакет из карусели и положил его в пустой пакет большего размера. Мужчину перехватили и допросили только для того, чтобы обнаружить, что багаж внутри него не принадлежал ему и что он был частью группы, которая регулярно приезжала в аэропорт, чтобы таким образом украсть багаж. В аэропорту даже не подозревали, что это происходит, поэтому они никак не могли купить фиксированный алгоритм поведения для этого, даже если бы он существовал (чего не было)».
Между тем, системы распознавания лиц используются для контроля доступа и идентификации субъектов угроз. Данные распознавания лиц также могут быть использованы в рамках расследования, если было установлено «лицо, представляющее интерес».
Распознавание лиц работает путем сопоставления точек на лице с образцом, хранящимся в базе данных. Если совпадений нет, система пытается создать новую запись, используя наилучшее доступное изображение субъекта. Последующие версии распознавания лиц могут использовать 3D-картографирование в реальном времени с использованием гораздо большей базы данных.
Субъекта также можно идентифицировать с помощью «безликого распознавания», когда чьи-то физические характеристики, такие как рост, осанка и телосложение, могут использоваться для идентификации их в толпе.
Как предоставляется видеоаналитика
Большинство камер, представленных сегодня на рынке, используют так называемую «краевую аналитику», что означает, что анализ выполняется на основе данных с датчика, сетевого коммутатора или другого устройства (например, в самой камере) вместо ожидания данные для отправки обратно в централизованное хранилище данных. Некоторые эксперты советуют, что эти типы камер лучше всего подходят для наблюдения внутри помещений, хотя уровни освещенности контролируются. Видеоаналитика WARNAX работает на любой цифровой камере, необходимо ее добавить в облачный сервис и активировать видеоаналитику. Без необходимости покупать дополнительные лицензии и серверы.
Некоторые эксперты утверждают, что с проблемами внешней среды — освещением, погодой, насекомыми и т. д. — лучше всего справляются серверные технологии аналитики обнаружения. Серверная архитектура может быстрее получать обновления и обновления и обеспечивать гораздо большую вычислительную мощность. Однако этот метод может привести к накоплению данных, поэтому необходимо установить ограничение на то, что является релевантным, а что нет.
Для производителей быстрее разрабатывать и легче развертывать улучшения своих алгоритмов в серверной архитектуре. Более того, серверные архитектуры способны обеспечивать гораздо большую вычислительную мощность, что позволяет использовать новейшие, самые передовые алгоритмы аналитики, основанные на глубоком обучении/искусственном интеллекте.
Краткая история видеоаналитики
В то время как видеоаналитика предлагает новые возможности для групп безопасности, их успех не был достигнут в одночасье.
Поскольку видеоаналитика «первого поколения» работала, обнаруживая изменение пикселей в определенных частях видео, дверь или дерево, качающиеся на ветру, или проходящее мимо животное могли вызвать тревогу — и ложные тревоги были обычным явлением!
Первое поколение достигло совершеннолетия, когда алгоритмы начали позволять камере иметь разум, чтобы интерпретировать то, что она видит, и иметь функциональные возможности с точки зрения соотношения высоты и ширины, скорости объекта и повторяющегося движения. Между тем, достижения в области КМОП-сенсоров помогли обеспечить четкое изображение при плохом и «динамическом» освещении.
В то время как видеоаналитика первого поколения была сосредоточена на оповещениях в реальном времени и сведении к минимуму ложных срабатываний, технология второго поколения ориентирована на предоставление криминалистических инструментов для поиска видео после события.
Если было ограбление и кто-то видел, как подозреваемые скрылись в белом фургоне, вы могли бы найти с помощью камеры все белые фургоны, которые проезжали мимо вашего местоположения накануне. Или, если ситуация связана с нападением человека, одетого в красное, вы можете поискать в камере за последние три часа людей, одетых в красное.
Второе поколение видеоаналитики помогло восстановить то, что произошло; тем не менее, он был разработан скорее как криминалистический инструмент, а не инструмент, который существует, чтобы сказать вам, где фургон или человек прямо сейчас, через несколько мгновений после того, как вы узнали о них. Это ощущение непосредственности — вот что имеет решающее значение в реагировании и смягчении последствий.
В то время как пост-инцидентная аналитика важна для выявления слабых мест, возможность отслеживать текущую ситуацию была USP аналитики третьего поколения с ее способностью работать в режиме реального времени. Используя изображение, например, злоумышленника или даже просто его описание, можно быстро найти базу данных и, если злоумышленник все еще находится в здании, определить его местонахождение.
Видеоаналитика, которая следит за подозреваемыми, когда они перемещаются от камеры к камере — вперед и назад во времени, — обеспечивает гораздо большую ситуационную осведомленность и ускоряет расследование, чтобы власти могли задержать подозреваемых до того, как ситуация обострится.
С развитием аналитики на основе искусственного интеллекта, машинного обучения и алгоритмов глубокой нейронной сети (DNN) анализ камеры стал более точным, с возможностью обнаруживать определенные объекты и различать их.
Распространенные задачи для видеоаналитики
Видеоаналитика используется для решения широкого круга задач, в том числе, как было сказано выше, для распознавания лиц. Вот некоторые из наиболее распространенных:
Отслеживание объектов
Объект обнаруживается, и его траектория отслеживается через поле зрения одной камеры. Так, например, можно обнаружить объект, пересекающий заранее заданную виртуальную линию, а также направление, в котором он движется.
Другим вариантом для этого является многокамерное отслеживание, когда объект отслеживается от одной камеры к другой.
Этот объект может обнаруживать и отслеживать движение транспортных средств и людей на открытом воздухе и используется для управления дорожным движением, визуального наблюдения, криминалистики, взаимодействия человека с объектом, распознавания жестов и дополненной реальности. Аналитика отслеживания объектов на основе искусственного интеллекта может определить тип объекта, например, транспортное средство или человека.
Множество видов видеоаналитики для своих целей вы можете использовать в облачном сервисе WARNAX подключив на любую камеру, которая установлена на вашем объекте.
Обнаружение оставленных и удаленных объектов
Это обнаруживает появление и исчезновение статических объектов в пределах определенной области. Этот тип обнаружения часто используется в аэропортах или подземных системах, от обеспечения чистоты пожарных выходов до выявления потенциальных угроз взрыва.
Подсчет людей
Обнаруживает и подсчитывает людей, когда они пересекают указанную зону. К преимуществам этого относятся контроль занятости, оценка вместимости, показатели продаж и конверсии, персонализированный опыт посетителей и измерение операционной эффективности. Этот процесс был особенно востребован во время пандемии COVID, когда розничные магазины и супермаркеты могли легко отслеживать, сколько людей находится в магазине в любой момент времени.
Отслеживание людей
Для отслеживания людей требуется больше информации, включая обнаружение движения и распознавание лиц. Его использование включает в себя: обнаружение злоумышленников, обнаружение неправильного пути, подсчет людей, физическое дистанцирование и анализ поведения клиентов.
Обнаружение толпы
Crowd Detection — это технология наблюдения в режиме реального времени, которая позволяет определять плотность скопления людей для оценки пропускной способности или занятости в пределах определенной области. Приложения обнаружения толпы включают подсчет населения, управление публичными мероприятиями, управление стихийными бедствиями, мониторинг безопасности, военное управление и обнаружение подозрительной активности.
Изменение изображения/обнаружение несанкционированного доступа
Обнаруживает серьезные изменения в поле зрения камеры, такие как препятствие, отключение питания или камера была перемещена, окрашена аэрозольной краской и т. д.
Обнаружение движения
Видеообнаружение движения (VMD) определяет физическое движение в заданной области в режиме реального времени. Аналитика обнаружения движения встроена в IP-камеры, сетевые видеорегистраторы и программные системы видеоаналитики и управления видео. VMD используется в вооруженных силах, критической инфраструктуре, робототехнике, а также в сфере развлечений, спорта, здравоохранения.
Обнаружение движения теперь также используется в жилых помещениях, когда пользовательское приложение уведомляется, если в поле зрения камеры обнаруживается человек.
Автоматическое распознавание номерных знаков
ANPR использует технологию оптического распознавания символов (OCR) для идентификации и считывания номерных знаков транспортных средств с камер видеонаблюдения, видеокамер, камер правоохранительных органов или специальных высокоскоростных камер ANPR, установленных на дорожной инфраструктуре.
Автоматическое отслеживание панорамирования, наклона и масштабирования (PTZ)
Видеоаналитика с автоматическим отслеживанием PTZ позволяет камерам наблюдения следить за людьми и увеличивать их масштаб в пределах большего поля зрения. Auto PTZ также позволяет сотруднику службы безопасности работать в многозадачном режиме.
Каковы преимущества видеоаналитики для конечных пользователей безопасности?
Видеоаналитика служит не только целям безопасности, но и управлению дорожным движением и сдерживанием толпы, анализу шагов и социальному дистанцированию или обнаружению лицевых масок.
Устройства видеонаблюдения все чаще интегрируются в другие платформы физической безопасности и управления зданиями, чтобы предоставлять более интеллектуальные данные руководителям службы безопасности и управления объектами.
Между тем, к лучшему или к худшему, автоматизированные системы позволяют управлять уровнями персонала. Требуется меньше персонала, если бреши в периметральных ограждениях и т. д. обнаруживаются автоматически. Точно так же видеоаналитика снизит вероятность риска для персонала и клиентов.
Контроль рабочего времени персонала
Данную видеоаналитику возможно подключить на любую IP видеокамеру установленную в вашей организации. Подробная статистика времянахождения ваших сотрудников на рабочих местах, детальное описание прихода, ухода с рабочего места с фиксацией видеозаписи архива.
Как аналитика применяется в разных отраслях?
Видеоаналитика — очень универсальный инструмент, позволяющий использовать множество разнообразных настроек.
Помимо более очевидных сценариев безопасности, вот несколько примеров их использования в других секторах:
Розничная торговля
Помимо экономии денег на проблемах безопасности (например, предотвращения магазинных краж), в долгосрочной перспективе видеоаналитика может приносить прибыль. Сектор розничной торговли использует его для отслеживания опыта и поведения клиентов (например, направления взгляда и продолжительности посещения) до такой степени, что можно установить более эффективные места продаж и дополнительных продаж.
Здравоохранение
Помимо безопасности персонала, пациентов и посетителей, больницы используют видеоаналитику для защиты от кражи лекарств и даже похищения младенцев. Что касается ухода за пациентами, они могут помочь обеспечить необходимые визиты медицинского персонала.
Между тем, за пожилыми людьми, за которыми ухаживают дома, можно следить, чтобы вызвать помощь, если они упадут, или проверить, принимали ли они лекарства.
Умные города
Видеоаналитика может управлять системами управления светофорами и отслеживать пробки, отслеживать скорость и обнаруживать опасности, такие как остановка транспортных средств, остановка транспортных средств в неразрешенных местах, неустойчивое вождение или транспортные средства, попавшие в аварию. Как упоминалось выше, автоматическое распознавание номерных знаков (ANPR) может идентифицировать украденные или подозрительные автомобили.
