Видеоаналитика — технология, использующая методы компьютерного зрения для автоматизированного получения различных данных на основании анализа последовательности изображений, поступающих с видеокамер в режиме реального времени или из архивных записей. Видеоаналитика представляет собой программное обеспечение (ПО) для работы с видеоконтентом. В основе программного обеспечения лежит комплекс алгоритмов машинного зрения, позволяющих вести видеомониторинг и производить анализ данных без прямого участия человека. Алгоритмы видеоаналитики могут быть интегрированы в различные бизнес-системы, чаще всего используются в видеонаблюдении и других сферах безопасности.
Видеоаналитика (VCA, Video Content Analysis) – компьютеризированная обработка и автоматический анализ видеоконтента, который поступает на видеосервер от видеокамер, носимых устройств и устройств Интернета вещей IoT, оснащённых веб-камерами.
- Видеоаналитика – это технология, использующая методы компьютерного зрения для автоматизированного получения различных данных на основании анализа последовательности изображений, поступающих с видеокамер в режиме реального времени или из архивных записей.
- Видеоаналитика представляет собой программное обеспечение (ПО) для работы с видеоконтентом. В основе программного обеспечения лежит комплекс алгоритмов машинного зрения, позволяющих вести видеомониторинг и производить анализ данных без прямого участия человека.
- Традиционное решение, включающее в себя функции какой-либо видеоаналитики строится по схеме: камера + back-end аналитика. Т.е. камера просто гонит поток видео на сервер, а специальное ПО на сервере уж делает весь видеоанализ.
Три основных типа приложений видеоаналитики:
- Ретроспектива: что уже случилось, т.е. управление архивами видеозаписей, поиск, сортировка, получение юридических доказательств;
- Настоящий момент: что происходит сейчас, т.е. контроль ситуации, получение предупреждений в реальном времени, кодирование, компрессия видеопотока;
- Взгляд в будущее: что может или скорее всего произойдёт, т.е. предсказания на основе событий прошлого и настоящего, прогнозирование событий или активности, детектирование намечающихся аномалий.
Типы платформ видеоаналитики.
1. Видеоаналитика на выделенном сервере.
Например, это может быть сервер интеллектуального видеонаблюдения IVS (Intelligent Video Surveillance) и сервер автоматического распознавания номеров автомашин ALPR (Automatic License Plate Recognition). Такой сервер хорошо масштабируется при увеличении числа камер и позволяет ввод новых функции анализа видеоизображений. Видеоданные в этом случае хранятся на сервере и могут быть извлечены через удалённую программу-клиент.
2. Видеоаналитика на сетевом видеорекордере NVR.
Сетевой видеорекордер NVR (Network Video Recorder) может обладать некоторыми встроенным функциями видеоаналитики. Однако, ввод новых аналитических функций в этом случае либо невозможен, либо сложен. Такое решение выгодно использовать если число камер невелико и функции фиксированы. Данные в этом случае хранятся на видеорекордере и могут быть извлечены через удалённую программу-клиент.
3. Видеоаналитика на камерах.
Камеры видеонаблюдения могут также обладать встроенными функциями видеоаналитики. Преимуществом здесь является то, что такие возможности аналитики в таких камерах не зависят от полосы пропускания сети и времени отклика сервера. Такое решение выгодно там, где требуется высокая оперативность и немедленный отклик, например, при слежении через купольные камеры PTZ. Видеоданные в этом случае хранятся на самих видеокамерах и могут быть извлечены через удалённую программу-клиент.
Функциональные возможности.
1. Улучшение изображений. В компьютерном зрении и в компьютерной графике применяются различные методы и алгоритмы восстановления и улучшения изображений, такие как шумоподавление (denoising) и устранение размытости (deblurring). Кроме того, используются методы повышения чёткости изображений при помощи нейросетей: т.е. «супер-разрешение» SR (Super Resolution) на базе нескольких изображений объекта, а также супер-разрешение на базе единственного изображения SISR (Single Image Super Resolution).
2. Детектирование движения. Детектирование движения – процесс обнаружения изменения положения объекта относительно его окружения или изменения окружения относительно объекта. При сравнении нескольких последовательных изображений сцены, система VCA может распознать начало движения какого-либо объекта внутри сцены.
3. Распознавание лиц. Распознавание лиц – практическое приложение теории распознавания образов, в задачу которого входит автоматическая локализация лица на неподвижном или движущемся изображении и, в случае необходимости, идентификация личности по характерным параметрам лица. Распознавание лиц людей и определение личности человека – одна из самых употребительных функций VCA, которая используется практически во всех современных системах безопасности на базе интеллектуального видеонаблюдения.
4. Распознавание бесцельного поведения. «Бесцельное поведение», праздношатание (Loitering) – это нахождение на одном месте или в пределах одной сцены в публичном пространстве в течение продолжительного времени без определённой цели. В ряде стран такое поведение запрещено законодательно. В любом случае, оно может косвенно свидетельствовать о противозаконных намерениях, поэтому лиц, проявляющих признаки такого поведения, бывает необходимо выявлять при видеонаблюдении. Системы VCA имеют гибко настраиваемые алгоритмы, определяющие Loitering-поведение субъектов.
5. Распознавание пропажи, либо оставленных без присмотра объектов.
6. Закрытая зона. При проникновении людей в закрытую зону система выдаёт предупреждение, например, выделяет нарушителя рамкой.
7. Распознавание автомобильных номеров. Автоматическое распознавание номерных знаков — это технология VCA, которая использует оптическое распознавание символов на изображениях для считывания регистрационных знаков транспортных средств для получения информации о местонахождении транспортных средств.
8. Слежение за объектами. Слежение за объектами – вспомогательный сервис для услуги распознавания «бесцельного поведения» (Loitering), однако, он может использоваться и для иных целей. Например, обычно люди «след в след» не ходят, и система видеоаналитики обучена производить распознавание такого поведения субъектов, с выдачей предупреждения о подозрительном поведении.
Заключение.
Системы видеонаблюдения давно стали частью повседневной жизни. Их используют в офисах, магазинах, на частной территории – там, где просматриваемая площадь ограничена несколькими помещениями.
Но системы видеонаблюдения нужны и на гораздо более масштабных объектах – заводах, в производственных цехах, муниципальных учреждениях. Здесь задействованы уже не десятки, а сотни камер. Каждая из них транслирует изображение своего участка. Ни один, даже самый внимательный оператор не сможет одновременно следить за всеми видеопотоками.
А если нужно отсмотреть десятки и сотни часов видеозаписей, чтобы найти нужный фрагмент? В некоторых случаях проблемы решаются установкой камеры, срабатывающей на движение. Но бывают ситуации, когда запись должна быть непрерывной.
Решить такую задачу, не задействуя человеческие ресурсы, может «интеллектуальное видеонаблюдение» – IVS (Intelligent Video Surveillance). Особенность IVS-систем в том, что они действуют по заданному сценарию. Например, реагируют на присутствие в кадре неопознанного предмета или, наоборот, подают сигнал при исчезновении объекта из кадра.
Однако возможности таких систем крайне ограничены. Комбинировать функции в них почти невозможно – для этого нужны очень сложные алгоритмы.
Видеоаналитика – это усовершенствованная версия IVS-систем. Она способна реагировать на неограниченное количество сценариев и даже комбинировать функции. Для примера можно взять самый простой сценарий, связанный с контролем ношения средств защиты. Скажем, нужно проконтролировать, носят ли сотрудники каски. Для этого используется нейросеть с машинным обучением, реагирующая на сочетание двух объектов – «человек» + «каска». Причем каска должна быть надета – если она будет лежать рядом, нейросеть выделит нарушителя на экране монитора и подаст сигнал тревоги.
Более сложные сценарии видеоаналитики способны распознать целый комплекс объектов. Они могут различать цвет и модель машины, сигналы светофора, определять внешние черты прохожих и даже отслеживать скорость и направление их движения. Такие системы применяются, например, в интеллектуальных транспортных системах (ИТС) для решений умного и безопасного города.