Коли ви розглядаєте сучасні смартфони, то мобільний зв'язок вважається практично доповненням. Велику зацікавленість користувачів привертають додатки, потужність та якість камери, які стають вирішальними під час покупки. Те ж саме можна сказати й про сучасні інтелектуальні камери відеоспостереження. Відмінною особливістю є те, що користувач може робити з отриманими зображеннями або даними, та яку корисну інформацію здатний витягти з обробки.

Сьогодні пройшло чимало часу з перших днів відеоаналітики. Тоді перспективні заголовки часто не виконувалися та приносили сумні результати. Перенесемося в майбутнє, де сучасні алгоритми здатні надійно витягувати та обробляти багато корисних даних з відеоспостереження. Деякі складні алгоритми здатні визначати молекулярну структуру вентиляційних шлейфів на нафтопереробних заводах або перегрів трансформатора на підстанції. Існують алгоритми, призначені для запуску попереджень, заснованих на аномальних моделях поведінки, наприклад, коли людина йде в неправильному напрямку або в заборонену зону.

Досягнутий величезний прогрес значною мірою обумовлений вдосконаленою розробкою додатків, більшою обчислювальною потужністю, вбудованою в IP камери відеоспостереження, та миттєвим підключенням до суперкомп'ютерної потужності в хмарі для фільтрації та аналізу зібраних даних й передачі відповіді в мілісекундах.

Що це означає для охорони периметра?

Безпека периметра — це ситуаційна обізнаність. Чим більше людина знає та швидше отримує корисну інформацію, тим швидше зможе усунути ризики. Відеокамери, як правило, знімають вагому кількість відзнятого матеріалу, чого буває занадто багато для своєчасної обробки людиною вручну. Відеоаналітика здатна звести цю величезну колекцію пікселів до потрібної інформації, необхідної для прийняття відповідних заходів.

Застосовуючи штучний інтелект та машинне навчання, сьогодні люди здатні сканувати відеодані для конкретних зображень на основі фізичних характеристик, руху, поведінки, кольору та інших критеріїв. Ці складні алгоритми допомагають співробітникам служби безпеки розрізняти нормальні події від аномальних, та автоматично ініціювати відповідні заходи у відповідь. Застосування прогнозувальної відеоаналітики до метаданих відео допомагає передбачати майбутні події та поведінку — вирішальний фактор для співробітників служби безпеки, які прагнуть бути більш активними в запобіганні проблем.

Створення інтелектуального захисту периметра

У своїй основі відеоаналітика підрозділяється на три категорії: на основі пікселів, на основі об'єктів та для конкретних застосувань. Піксельна аналітика відправляє попередження, коли виявляє зміни в структурі пікселів у відеокадрі. Рішення використовується в таких варіантах застосування, як виявлення руху та злом відеокамер. Об'єктно-орієнтована аналітика набагато складніша, оскільки здатна розпізнавати та розрізняти такі об'єкти, як автомобілі, люди, дерева й будівлі, а також відстежувати їх. Аналітика для конкретного застосування використовує інформацію про об'єкти для перевірки відео на предмет певних критеріїв, таких як ідентифікація номерного знака, розпізнавання облич або виявлення пожежі.

Інноваційні розробники продовжують поповнювати цей портфель, розробляючи все більш потужну цільову аналітику для розв'язання виникаючих проблем захисту периметра. Давайте подивимося на деякі важливі досягнення на сьогодні.

Аналіз характеристик

Ми далекі від того, щоб засновувати події виключно на виявленні зміни пікселів. Тепер є програмне забезпечення з відеоаналітикою, здатне класифікувати та розуміти поведінкові характеристики цих рухомих пікселів. Як це впливає на безпеку периметра?

Служба безпеки може використовувати відеоаналітику для автоматичного виявлення незвичайної поведінки — наприклад, якщо людина проходить по периметру забороненої зони та зупиняється на короткий період часу. Перед спрацьовуванням сигналізації, користувач може направляти камеру в сторони, щоб відшукати пов'язані з цим проблеми (наприклад, чи несе людина рюкзак або зброю). Відеоналітика може направити камеру на збільшення ближче до обличчя, щоб класифікувати конкретну поведінку (вираз обличчя або жести, які можуть вказувати на підозрілі наміри).

Виявлення мінімального пікселя

У минулому для аналізу відео потрібно кілька пікселів для надійного виявлення та класифікації людини або об'єкта. Сьогодні існують сучасні аналітичні засоби, яким потрібно всього один або два пікселі для надійного виявлення людини або об'єкта за кілометр. Це серйозний прорив. Історично склалося так, що для того, щоб камера могла виявити щось на великій відстані, вона повинна була бути оснащена великим, дорожчим об'єктивом для відеоспостереження. На жаль, більший об'єктив звузить поле зору — цей факт виводить виявлення на великих відстанях на новий рівень.

Відеоаналітика не тільки дозволяє мережевим пристроям (стандартній або тепловізійній камері) виявляти віддалений об'єкт, використовуючи тільки один або два пікселі на цілі, але й зберігає нормальне поле зору пристрою. Це означає, що користувачам більше не потрібно жертвувати шириною заради відстані. Об'єднання аналітики з мінімальними пікселями на великій відстані, з розширеними функціями камери відеоспостереження (оптичний зум) — забезпечує службі безпеки більшу ситуаційну обізнаність набагато раніше, ніж це було можливо раніше.

Тепловий градієнтний аналіз

Тепловізійні камери завжди чудово розпізнавали людей, предмети та інциденти в несприятливих умовах, таких як повна темрява, дим, пил, туман та навіть яскраве сонячне світло. Але сьогоднішня тепловізійна відеоаналітика вийшла далеко за рамки простого виявлення та ідентифікації відмінностей теплових характеристик між людьми, автомобілями та об'єктами. Тепер є інструмент, який здатний відстежувати коливання та швидкість зміни температури, а також запускати сигналізацію, якщо визначаються неприпустимі відхилення. Ці технології переводять дані в ізотермічну колірну палітру, щоб користувачам було легше побачити, які області вимагають їх уваги.

Специфічна прикладна відеоаналітика

В останні роки спостерігається зростання аналітики для конкретних варіантів застосування: від розпізнавання автомобільних номерів та облич, до захисту периметра, визначення напрямку та швидкості, а також диму й вогню. Відеоаналітика з технологією розпізнавання облич виходить за рамки традиційного розпізнавання та порівняння рис обличчя, в сегмент визначення й ідентифікації емоцій. Ми також перебуваємо на передньому краї штучного інтелекту та машинного навчання, які перенесуть відеоаналітику у сферу прогнозного аналізу, надаючи системам безпеки ще більшу ситуаційну обізнаність та завчасне попередження про потенційні загрози.

Інтеграція відеоаналітики та інших систем безпеки

Оскільки відео та аудіо аналітика вбудовані в IP камери, вони можуть бути запрограмовані на автоматичний запуск конкретних відповідей від інших елементів в мережі. Наприклад, відеоаналітика може запустити мережеві системи оповіщення, щоб попередити порушників про те, що вони були виявлені — це утримує їх від злих намірів. З точки зору безпеки, передова відео та аудіоаналітика надають надійні способи моніторингу та оцінки дій людей, автомобілів, об'єктів й обладнання та запускають оповіщення, коли потенційні загрози неминучі. Це справжній множник сили, особливо для організацій з обмеженими ресурсами для цілодобової служби безпеки.

Якщо минулий досвід змусив вас з підозрою ставитися до відеоаналітики, прийшов час відкинути упередженість. Інтелектуальне ПЗ для відеоспостереження не тільки виявляє незвичайні рухи, звуки та поведінку — воно здатне швидко класифікувати події, поки ті не переросли в серйозну проблему.