Одна голова хорошо, а две лучше,.
когда безопасность зависит от устранения нежелательных тревог и обнаружения реальных угроз
Постоянно стремясь копировать аналитические навыки человеческого мозга при распознавании действий и образов, разработчики всегда не устают искать новые способы, позволяющие улучшить надежность и точность обнаружения видеосистемами несанкционированных вторжений. Одна из новых стратегий состоит в том, чтобы применить известный алгоритм видеодетектора (VMD) в сочетании с появившимся программным обеспечением – технологией видеоаналитики. Результат – новый класс детектора, который объединяет результаты, полученные от двух разных анализаторов, производит идентификации угроз более точно и устраняет большое количество нежелательных тревог.
Видеодетекторы движения существуют много лет. У качественных детекторов есть большой послужной список, доказывающий надежность применения этого класса детекторов для обеспечения высокой степени безопасности: тюрьмы, электростанции, аэропорты, банки, оборонные учреждения и т. п. Они чрезвычайно эффективны при обнаружении движения в указанных зонах и очень хороши при устранении эффектов глобальных изменений в кадре, таких как погода или изменения, вызванные движением мачты или кронштейна с видеокамерой. С другой стороны, видеоаналитика – относительно новая технология, полученная за счет увеличения производительности компьютеров по обработке данных. Это позволяет распознавать и классифицировать различные виды объектов, появляющихся на видеоизображении. Чтобы понять, почему имеет смысл использовать две технологии вместе, сосредоточим свое внимание на различиях между этими двумя технологиями.
VMD (видеодетектор движения)
обнаруживают движение в предопределенных областях изображения камеры и выдают тревожные сообщения. Они работают, анализируя аналоговый видеосигнал от камеры охранного телевидения, или, если быть более точным, анализируют электрическое представление серых оттенков на картинке и контролируют эти изменения в яркости или контрастности. На картинке от неподвижной камеры в окружающей среде с постоянным освещением это изменение может быть логически выведено, чтобы стать результатом обнаружения движения. Однако VMD спроектирован для наружных ситуаций, где уровни освещенности и другие условия изменяются в широких пределах. Чтобы устранить мягкие изменения освещенности, позволив осуществить обнаружение потенциальных угроз, требуется выполнение некоторых условий.
Во-первых, его чувствительность должна быть очень высокой, чтобы позволить обнаружить низко контрастный объект перед одинаково низко контрастным фоном, и в то же время детектор должен быть в состоянии проанализировать каждую индивидуальную зону обнаружения в сцене для тонких различий, вызванных плавными изменениями освещенности. Сравнение результатов через целое изображение – то, что позволяет VMD проанализировать, какие изменения глобальны и поэтому не представляют угрозы, а какие локализованы и наиболее вероятно представляют опасность.
Во-вторых, VMD должен сравнивать и хранить информацию о последовательности кадров от той же самой камеры достаточно быстро, чтобы гарантировать, что стремительная цель захвачена в пределах операционного цикла, в то время как она проходит через сцену.
И, в-третьих, VMD должен позволить пользователю настроить маленькие зоны обнаружения в дальней зоне наблюдения, которые должны быть намного более чувствительны, чем те, что расположены близко. Это должно уравновесить тот факт, что любая цель, естественно, кажется большей и вызывает большие изменения в сигнале, если она близко от камеры, чем тогда, когда цель находится в дальней зоне наблюдения.
Видеоаналитика
Видеоаналитика – технология использования интеллектуального программного обеспечения, чтобы фильтровать и управлять видеоизображением охранного телевидения в реальном времени. В данном случае это пикселы на видеоизображении, которые должны быть проанализированы. Программное обеспечение непрерывно анализирует сцену и создает для себя основную базовую модель, постоянно обновляя ее для обнаружения глобальных изменений, таких как погода и освещение. Текущие изображения непрерывны по сравнению с обновляемой моделью фонового изображения, и любые неестественные изменения по сравнению с моделью являются для пользователя специфической целью обнаружения. Пользователь может определить целевые объекты их вероятным размером, скоростью, направлением движения и положением, а также он может связать эти свойства. Система видеоаналитики может распознать такие объекты, как «человек» и «автомобиль», «появление объекта» и «исчезновение объекта», перемещения: «быстро», «медленно», «неправильное направление движения», отдельно или, только когда логически связано друг с другом. Это позволяет системе подать сигнал тревоги, когда человек двигается быстро или автомобиль двигается в неправильном направлении, но проигнорировать автомобиль, едущий быстро, или человека, идущего в неправильном направлении. Пользователь может также определить различные области интереса на изображении и связать их с различными целевыми особенностями и вызвать тревогу в ответ на данное действие.
По этому алгоритму происходит создание и непрерывное обновление в режиме самообучения, фоновой модели сцены по пиксельному содержанию всего изображения. В этой модели фиксируются глобальные изменения в кадре. В настройках алгоритма предусматривается задание размеров, скорости и направления движения распознаваемых объектов. Если в текущем кадре при сравнении с фоновой моделью сцены обнаруживаются изменения в какой-либо группе пикселей, система производит анализ этой группы на предмет обнаружения признаков соответствия параметрам предопределенных распознаваемых объектов и генерирует сигнал тревоги согласно настройкам тревог в этой зоне.
Отдельно, но вместе
Когда обе системы обнаружения работают независимо друг от друга, чтобы контролировать одно и то же изображение, их деятельность может быть логически объединена так, чтобы тревога была передана оператору только тогда, когда точно предопределенные критерии для обеих систем совпали в одно и то же время. Это означает, например, что птица, которая могла бы вызвать тревогу VMD, потому что она соответствует критериям движения и местоположения для тревоги VMD, не соответствует определенным критериям размера угрозы для VA, и тревога, таким образом, не будет сформирована при совместной работе двух систем. С другой стороны, когда ветер отклоняет листья в кустарнике и обманывает VA в отношении обнаружения движения человека или автомобиля, VMD не реагирует, и тревога не формируется.
Дублированная система интеллектуального видеоанализа для наружного обнаружения в сложной окружающей среде сегодня уже реальность. Дублированный видеодетектор имеет программное обеспечение VA и встроенный VMD, которые могут функционировать полностью раздельно или же в тандеме. Таким образом, у пользователя есть возможность применения системы в любых условиях окружающей среды.
Статьи по теме:
Видеонаблюдение
Советы домовладельцам по обеспечению безопасности
Три критических вопроса при выборе видеоаналитики для видеонаблюдения
FCC запрещает авторизацию оборудования для китайских телекоммуникаций и оборудования для видеонаблюдения, которое считается угрозой национальной безопасности
Перенос локального видеонаблюдения в облако
Hanwha Techwin переименовывается в Hanwha Vision
Перспективы использования цифровых систем передачи изображения по радиоканалу
Датчики нейроморфного зрения в смартфонах
Ambarella добавляет новую SoC с поддержкой искусственного интеллекта для камер безопасности
