Cледующая ступень в эволюции систем видеонаблюдения в Беларуси

Cледующая ступень в эволюции систем видеонаблюдения в Беларуси

Часть процессора переходит в телекамеру, и видеонаблюдение поднимается на качественно новый уровень, а интеллектуальный анализ видеоизображения становится ключевой технологией безопасности — так в двух словах можно выразить суть того новаторского шага, который совершила компания Sony. Шага в эволюции систем видеонаблюдения, которого все давно ждали. Sony разработала и воплотила на практике архитектуру, получившую название DEPA. Телекамеры, входящие в состав системы видеонаблюдения, снабжены собственными процессорами, в которые перенесены задачи по обработке изображения. Это изменение радикально повышает эффективность видеонаблюдения.
Что не в порядке в традиционных системах безопасности?

Сортировать поток обыденных событий, чтобы выделить те, которые представляют опасность, и своевременно привлечь к ним внимание персонала, — вот фундаментальная задача всех охранных систем. Эта фильтрация традиционно велась «вручную». Сотрудники охранной службы следили за ходом событий на мониторах, просматривая живое видеоизображение или запись. Главным фактором, определявшим успешность либо неуспешность такого подхода, стала ограниченная способность человека концентрировать свое внимание.

Чаще всего длительные периоды отсутствия каких бы то ни было тревожных событий в охранной системе перемежаются случайными ложными тревогами, даже если вы ставили видеонаблюдение для дачи где не так много людей. В этих условиях способность оператора четко выполнять свои обязанности быстро «сходит на нет». Даже у наиболее тренированных профессионалов концентрация внимания существенно падает в первый же час работы. Поэтому претендующие на эффективность охранные системы должны обеспечивать автоматизированные решения, способные помочь этому процессу «просеивания» событий, чтобы драгоценный человеческий ресурс использовался наиболее рациональным образом.

Появление цифровых IP-систем видеонаблюдения для дома позволяет сделать существенный скачок в развитии техники видеозаписи, основанной на анализе событий, который выполняется с помощью машинного интеллекта. Однако внедрение подобных решений тормозится вследствие неэффективной организации рабочего процесса, диктуемой той архитектурой систем безопасности, которая досталась нам в наследство от периода безраздельного господства аналоговой техники. Такая архитектура имитирует структуру мало изменившихся с давних времен служб персонифицированной охраны: весь интеллект сосредоточен в последнем звене — там, где располагается процессор. В результате в системе безопасности возникают узкие места. Они ограничивают возможности системы и повышают затраты на ее создание и эксплуатацию. Большая роль в этих системах по-прежнему отводится рутинной работе человека, внимание которого сильно перегружено.

Архитектура усовершенствованной распределенной обработки данных DEPA (Distributed Enhanced Processing Architecture), предложенная корпорацией Sony, является принципиальным шагом вперед в развитии систем безопасности. Она позволяет оснастить сетевые камеры первого поколения аналитическими функциями и разделить задачи по обработке данных между телекамерами и оконечным звеном системы. Этот новаторский способ организации рабочего процесса открывает простор для создания нового поколения систем безопасности, по определению более эффективных и лучше соответствующих ограничениям, связанным с человеческим фактором. Появление архитектуры DEPA знаменует собой новый этап в развитии систем безопасности — этот шаг подобен произошедшему в свое время переходу от корпоративных вычислительных систем, основанных на одном центральном компьютере, к ставшей в наши дни обычной децентрализованной конфигурации локальных вычислительных сетей.

Анализ событий в системе безопасности

Развитие средств видеозаписи, основанных на анализе событий

Для того чтобы системы безопасности, основанные на получении и обработке видеоизображения, работали эффективно, в них используется целый ряд способов выделения тревожных событий из общего потока событий. Все они сводятся к тому, чтобы определить, когда и где произвести запись либо просмотреть живое изображение и как затем отыскать критические события. На сегодняшний день вся история разработки этих стратегий может быть условно разделена на три этапа.

Технология первого поколения основана на записи изображения на видеомагнитофоны большой емкости, запускаемые по сигналу от физических датчиков движения. Ее успех строится на максимальном увеличении объема записи и предельно тщательном просмотре «живого» видеоизображения. При этом оператору доступен лишь простейший способ фильтрации событий: просматривать колоссальные объемы видеоматериала, изредка прерываясь для того, чтобы отреагировать на тревоги, большинство из которых при этом оказываются ложными. А ведь ручной поиск событий на большом количестве видеозаписей, хранимых на пленке, — это титанический труд.

Переход от «линейной» записи на магнитную ленту к жесткому диску цифрового видеорегистратора существенно улучшает возможности оператора по доступу к записанному видеоизображению. Мгновенный переход к любому участку записи и быстрый поиск видеофрагментов — например, по определенным событиям, — снижают затраты времени и сил на выявление тревожных событий. Есть у таких систем и дополнительные преимущества. Например, записываемый видеопоток может быть сжат по алгоритму, основанному на анализе движения. Однако бич этих систем все тот же — неприемлемо высокий процент ложных тревог.

С появлением компонентов, основанных на применении Интернет-протокола (IP), все сигнальные блоки и элементы управления систем видеонаблюдения стали исключительно цифровыми. Возникли сетевые системы видеомониторинга. Процесс оцифровки видеоизображения переместился от устройств видеозаписи к телекамерам, в которых теперь можно устанавливать высокопроизводительные процессоры. За видеорегистраторами остаются функции управления и фильтрация цифровых данных.

Изображение с телекамеры становится датчиком

В системах видеонаблюдения реализованы различные технологии, позволяющие сравнительно успешно реализовать стратегию видеозаписи, основанной на анализе событий, и добиться снижения процента ложных тревог.

Одно из традиционных физических средств обнаружения таких событий — это датчики всевозможного типа, например, инфракрасные детекторы. Другой способ сортировки событий — вручную, силами операторов, ведущих видеомониторинг всего, что попадает в поле зрения телекамер. Еще один путь — интеграция систем охранного телевидения с системами контроля доступа, при которой открывание двери и тому подобные события могут управлять выводом изображения с определенных телекамер на экран либо включением записи транслируемого ими сигнала.

Прогресс в развитии процессорной техники приводит к росту ее быстродействия и уменьшению стоимости. Это — выводит на первый план иной, более перспективный способ обнаружения важных для системы безопасности событий — видеодетекторы движения.

Если каждый физический датчик имеет узкую сферу действия, определяемую принципом его работы, то видеообнаружение движения ограничено лишь границами кадра. Кроме того, видеодетектирование открывает более богатые возможности по предварительной сортировке и анализу событий, по более точной их классификации. Таким образом, оно является наиболее перспективным способом сортировки событий в системах безопасности. Видеозапись, основанная на анализе событий, продолжает совершенствоваться по мере развития алгоритмов видеодетектирования и повышения их надежности.

Преимущества интеллектуального автоматизированного анализа видеоизображения
Освобождение операторов от рутинной и неэффективной работы

Несмотря на появление систем, основанных на применении IP-протокола, ошибочное игнорирование тревожных событий оператором было и остается важнейшей проблемой охранной сферы. Причина этого — непомерно высокий уровень требований, предъявляемых системами безопасности к внимательности оператора. Поток ложных тревог и необходимость беспрерывно следить одновременно за множеством мониторов — в таких условиях даже самый тренированный профессионал службы безопасности может просто не справиться с возлагаемыми на него задачами. Согласно результатам научных исследований, у хорошо подготовленного оператора эффективность работы по распознаванию событий уменьшается вдвое, если он переходит к слежению за изображением с 9 телекамер вместо одной.

Неправильный учет пределов человеческих возможностей может привести к поистине парадоксальным результатам. Увеличение количества телекамер с целью повышения безопасности нередко дает обратный эффект!

Существующие средства обнаружения движения в состоянии лишь более-менее вовремя предупреждать операторов о том, на какие участки объекта следовало бы обратить внимание, но понять, что делает объект наблюдения, классифицировать его поступки и оценить степень их важности для системы безопасности им не под силу. С развитием автоматических средств интеллектуального анализа видеоизображения систему можно преобразовать таким образом, что тревожные сигналы будут генерироваться при строго определенных условиях, соответствующих роли каждой телекамеры в работе всей системы. Разработчики смогут создавать узкоспециализированные системы, в которых каждой телекамере присвоен свой набор возможностей по генерированию тревог на основе самостоятельного анализа формируемого ею видеоизображения. Операторы этих систем смогут адекватно реагировать на каждое из зарегистрированных событий.

Такая система — тонко настроенная, с тщательной фильтрацией событий — способна эффективно использовать человеческий ресурс. Охранникам более не придется одновременно вглядываться во множество экранов, их внимательному взору будут представать лишь специально отобранные и соответствующим образом прокомментированные сцены. Автоматический интеллектуальный анализ видеоизображения позволяет эффективнее использовать силы оператора, вести более тщательный мониторинг и быстрее принимать решения по реагированию на ситуацию. При сохранении той же численности операторов общая эффективность такой системы значительно возрастает.

Быстрый поиск

Просмотр видеозаписи с камеры видеонаблюдения для обнаружения в ней определенного рода событий остается главным поводом для обращения к информации, записываемой системами безопасности. Эта задача по-прежнему трудна и отнимает много времени. Для нахождения нужных кадров операторам приходится затрачивать невероятно много усилий и времени. Интеллектуальный анализ видеоизображений позволяет фильтровать видеоматериалы автоматически по заданным факторам и их комбинации — по расположению и размерам объектов, а также по их скоростям и направлению движения. Это позволяет коренным образом рационализировать рабочий процесс и одновременно повысить общие показатели эффективности системы безопасности. Снижение времени, затрачиваемого системой на поиск нужных событий, освобождает человеческие ресурсы, которые могут быть переброшены на усиление наблюдения в реальном времени.
Более эффективное использование дискового пространства

Существующие методы видеозаписи, основанные на обнаружении движения в кадре, малоэффективны с точки зрения расходования емкости дискового пространства для хранения данных. В видеоизображении, записанном и сохраненном системой, важная информация составляет лишь небольшой процент. В большинстве цифровых видеорегистраторов приходится принудительно снижать качество видеоизображения, чтобы высвободить дополнительное дисковое пространство и хоть как-то справиться с постоянным «дефицитом гигабайтов».

Применение интеллектуального анализа видеоизображения для управления процессом видеорегистрации позволит оператору сосредоточиться лишь на важной информации. При этом можно значительно сократить «холостое» использование жестких дисков и одновременно повысить качество хранимого изображения по сравнению с сегодняшними системами цифровой видеорегистрации.

Самые свежие статьи о строительстве на нашем Telegram канале

Читайте также

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *