Системы видеонаблюдения широко используются муниципальными органами власти, правоохранительными органами, торговыми и производственными предприятиями, банками и другими учреждениями. Камеры видеонаблюдения стали стандартом, обеспечивающим круглосуточный мониторинг зданий, дорог и других материальных ценностей в режиме текущего времени. Тем не менее, сотрудники служб безопасности не в состоянии постоянно контролировать каждую камеру, а это означает, что нет полной ситуационной осведомленности. Кроме того, видеокамеры генерируют подавляющее количество отснятого материала, поэтому у служб безопасности часто не хватает времени, чтобы вручную просмотреть архивированные отснятые материалы, если необходимо провести расследование после инцидента. Но даже если и способны выделить время и ресурсы для просмотра отснятого материала, их наблюдения подвержены человеческим ошибкам.
Чтобы решить эти проблемы, появилось программное обеспечение для анализа видеоконтента (VCA), повышающее полезность и ценность видеонаблюдения: технология обрабатывает видео, идентифицирует объекты в видеоряде (люди, транспортные средства и другие предметы) и индексирует их таким образом, чтобы материал можно было легко найти и проанализировать.
Технология анализа видеоконтента необходима для быстрого поиска и фильтрации отснятого материала на предмет полезной информации. В целом, технология используется тремя различными способами:
- для проведения расследований после инцидента с целью поиска лиц, представляющих интерес;
- для генерирования количественных отчетов метаданных об активности (например, анализ движения, от количественной оценки пешехода или транспортного средства, до визуализации плотности движения в тепловых картах);
- для повышения ситуационной осведомленности о безопасности в режиме реального времени;
Запуск оповещений в реальном времени
Технология видеоанализа улучшает ситуационную осведомленность благодаря настраиваемым оповещениям в реальном времени, которые срабатывают при обнаружении нерегулярной активности, что может потребовать ответной реакции. Когда службы безопасности знают, какую обычную деятельность следует ожидать, то могут установить настраиваемые оповещения на основе конкретных критериев, чтобы получать уведомления о нерегулярной активности. Вот некоторые примеры.
Оповещение о сходстве внешнего вида. Операторы видеонаблюдения могут настроить оповещение на основе критериев сходства внешнего вида объекта. Так, технология может сработать, когда в определенной зоне, не предназначенной для транспортных средств, проезжает автомобиль. Также технология способна распознать людей по одежде. Например, можно запускать оповещения для отслеживания цвета униформы сотрудника — чтобы менеджеры могли следить за служащими в рабочее время.
Оповещения на основе подсчета. Уведомления могут запускаться, когда определенное количество объектов (транспортных средств или людей) обнаруживается в заранее определенной области, в течение конкретного периода времени. Это может быть полезно в различных условиях, где важно контролировать движение или толпу. К примеру, в аэропортах, на больших стадионах, или в банках.
Оповещения о пребывании. Подозрительное поведение (например, слоняние без дела в общественных местах), может указывать на намерение совершить преступление, особенно когда человек задерживается на объектах, где хранится ценный инвентарь. Когда в определенном районе скапливается больше людей, чем ожидалось, технология предупреждает службы безопасности, для своевременного реагирования.
Оповещение по распознаванию лиц. Там, где разрешена технология распознавания лиц, полиция может использовать это для быстрого выявления подозреваемых и отправки оповещений в режиме реального времени на основе цифровых изображений, извлеченных из видео или импортированных извне. Например, сотрудники службы безопасности способны извлекать изображения подозреваемых из различных ситуаций (например, во время ограблений магазина) и собирать список подозреваемых на основе записи видеонаблюдения. Когда подозреваемый из списка выявляется при входе в торговый центр, служба безопасности будет в состоянии повышенной готовности и отслеживать подозреваемого в магазине. В случае нарушений, полиция или охранники могут вмешаться, чтобы предотвратить преступление
Технологии, поддерживаемые искусственным интеллектом
Ранние продукты для ПО для видеонаблюдения пытались снизить потребность в мониторинге видео человеком в режиме реального времени, вызывая оповещения о необычной или подозрительной активности движения. Однако эти продукты не достигли требуемого уровня точности. Прежние решения не могли различить определенные объекты или поведение, и имели тенденцию к ложным срабатываниям. Таким образом, они по-прежнему требуют большего человеческого взаимодействия.
К счастью, за последние десять лет анализ видеоконтента претерпел огромные изменения, что привело к высокопродуктивным возможностям оповещений, а также к сложным отчетам. Хотя оператор-человек не полностью исключен из процесса, современные решения обладают повышенной точностью обнаружения и более сложными опциями, чем предшественники, что позволяет пользователям быстро реагировать на динамические условия на основе полной ситуационной осведомленности. Сегодняшняя комплексная технология анализа видеоконтента опирается на искусственный интеллект, основанный на Deep Learning — инновации, в которой нейронные сети обучаются распознавать шаблоны из огромных объемов данных. Поскольку программное обеспечение для видеоаналитики обрабатывает видео, оно одновременно обнаруживает и отслеживает, извлекает и классифицирует каждый объект, который появляется, и создает структурированную базу данных информации из неструктурированных видеоданных, обеспечивая интеллектуальное оповещение, а также детальный поиск и подробные отчеты.
Преимущества оповещений в реальном времени
Оповещения в режиме текущего времени помогают как сотрудникам службы безопасности, так и операционному персоналу повышать уровень осведомленности о ситуации, выявлять необычные и чрезмерные задержки, отслеживать скопления людей или очереди и ускорять реагирование на чрезвычайные ситуации, угрозы или подозрительное поведение. В ответ они могут при необходимости направлять персонал для улучшения общественной безопасности или повышения качества обслуживания клиентов. По этим причинам, технология анализа видеоконтента быстро становится важным дополнением к камерам видеонаблюдения, позволяя организациям максимизировать ценность существующей инфраструктуры.
