Когда вы рассматриваете современные смартфоны, то мобильная связь считается практически дополнением. Большую заинтересованность пользователей привлекают приложения, мощность и качество камеры, которые становятся решающими во время покупки. То же самое можно сказать и о современных интеллектуальных камерах видеонаблюдения. Отличительной особенностью является то, что пользователь может делать с полученными изображениями или данными, и какую полезную информацию способен извлечь из обработки.
Сегодня прошло немало времени с первых дней видеоаналитики. Тогда многообещающие заголовки часто не выполнялись и приносили омрачающие результаты. Перенесемся в будущее, где современные алгоритмы способны надежно извлекать и обрабатывать массу полезных данных из видеонаблюдения. Некоторые сложные алгоритмы способны определять молекулярную структуру вентиляционных шлейфов на нефтеперерабатывающих заводах или перегрев трансформатора на подстанции. Существуют алгоритмы, предназначенные для запуска предупреждений, основанных на аномальных моделях поведения, например, когда человек идет в неправильном направлении или в запретную зону.
Достигнутый огромный прогресс в значительной степени обусловлен усовершенствованной разработкой приложений, большей вычислительной мощностью, встроенной в IP камеры видеонаблюдения, и мгновенным подключением к суперкомпьютерной мощности в облаке для фильтрации и анализа собранных данных и направления ответа в миллисекундах.
Что это значит для охраны периметра?
Безопасность периметра — это ситуационная осведомленность. Чем больше человек знает и быстрее получает полезную информацию, тем скорее сможет устранить риски. Видеокамеры, как правило, снимают весомое количество отснятого материала, чего бывает слишком много для своевременной обработки человеком вручную. Видеоаналитика способна свести эту огромную коллекцию пикселей к нужной информации, необходимой для принятия соответствующих мер.
Применяя искусственный интеллект и машинное обучение, сегодня люди способны сканировать видеоданные для конкретных изображений на основе физических характеристик, движения, поведения, цвета и других критериев. Эти сложные алгоритмы помогают сотрудникам службы безопасности различать нормальные события от аномальных, и автоматически инициировать подходящие ответные меры. Применение прогнозирующей видеоаналитики к метаданным видео помогает предугадывать будущие события и поведение — решающий фактор для сотрудников службы безопасности, которые стремятся быть более активными в предотвращении проблем.
Создание интеллектуальной защиты периметра
В своей основе видеоаналитика подразделяется на три категории: на основе пикселей, на основе объектов и для конкретных применений. Пиксельная аналитика отправляет предупреждение, когда обнаруживает изменения в структуре пикселей в видеокадре. Решение используется в таких вариантах применения, как обнаружение движения и взлом видеокамер. Объектно-ориентированная аналитика гораздо сложнее, поскольку способна распознавать и различать такие объекты, как автомобили, люди, деревья и здания, а также отслеживать их. Аналитика для конкретного применения использует информацию об объектах для проверки видео на предмет определенных критериев, таких как идентификация номерного знака, распознавание лиц или обнаружение пожара.
Инновационные разработчики продолжают пополнять этот портфель, разрабатывая все более мощную целевую аналитику для решения возникающих проблем защиты периметра. Давайте посмотрим на некоторые важные достижения на сегодняшний день.
Анализ характеристик
Мы далеки от того, чтобы основывать события исключительно на обнаружении изменения пикселей. Теперь есть программное обеспечение с видеоаналитикой, способное классифицировать и понимать поведенческие характеристики этих движущихся пикселей. Как это влияет на безопасность периметра?
Служба безопасности может использовать видеоаналитику для автоматического обнаружения необычного поведения — например, если человек проходит по периметру запретной зоны и останавливается на короткий период времени. Перед срабатыванием сигнализации, пользователь может направлять камеру в стороны, чтобы отыскать связанные с этим проблемы (например, несет ли человек рюкзак или оружие). Видеоналитика может направить камеру на увеличение ближе к лицу, чтобы классифицировать конкретное поведение (выражение лица или жесты, которые могут указывать на подозрительные намерения).
Обнаружение минимального пикселя
В прошлом для анализа видео требовалось несколько пикселей для надежного обнаружения и классификации человека или объекта. Сегодня существуют современные аналитические средства, которым требуется всего один или два пикселя для надежного обнаружения человека или объекта за километр. Это серьезный прорыв. Исторически сложилось так, что для того, чтобы камера могла обнаружить что-то на большом расстоянии, она должна была быть оснащена большим, более дорогим объективом для видеонаблюдения. К сожалению, больший объектив сузит поле зрения — этот факт выводит обнаружение на больших расстояниях на новый уровень.
Видеоаналитика не только позволяет сетевому устройству (стандартной или тепловизионной камере) обнаруживать удаленный объект, используя только один или два пикселя на цели, но и сохраняет нормальное поле зрения устройства. Это означает, что пользователям больше не нужно жертвовать шириной ради расстояния. Объединение аналитики с минимальными пикселями на большом расстоянии, с расширенными функциями камеры видеонаблюдения (оптический зум) — обеспечивает службе безопасности большую ситуационную осведомленность гораздо раньше, чем это было возможно прежде.
Тепловой градиентный анализ
Тепловизионные камеры всегда превосходно распознавали людей, предметы и инциденты в неблагоприятных условиях, таких как полная темнота, дым, пыль, туман и даже яркий солнечный свет. Но сегодняшняя тепловизионная видеоаналитика вышла далеко за рамки простого обнаружения и идентификации различий тепловых характеристик между людьми, автомобилями и объектами. Теперь есть инструмент, который способен отслеживать колебания и скорость изменения температуры, а также запускать сигнализацию, если определяются недопустимые отклонения. Эти технологии переводят данные в изотермическую цветовую палитру, чтобы пользователям было легче увидеть, какие области требуют их внимания.
Специфическая прикладная видеоаналитика
В последние годы наблюдается рост аналитики для конкретных вариантов применения: от распознавания автомобильных номеров и лиц, до защиты периметра, определения направления и скорости, а также дыма и огня. Видеоаналитика с технологией распознавания лиц выходит за рамки традиционного распознавания и сравнения черт лица, в сегмент определения и идентификации эмоций. Мы также находимся на переднем крае искусственного интеллекта и машинного обучения, которые перенесут видеоаналитику в сферу прогнозного анализа, предоставляя системам безопасности еще большую ситуационную осведомленность и заблаговременное предупреждение о потенциальных угрозах.
Интеграция видеоаналитики и других систем безопасности
Поскольку видео и аудио аналитика встроены в IP камеры, они могут быть запрограммированы на автоматический запуск конкретных ответов от других элементов в сети. Например, видеоаналитика может запустить сетевые системы оповещения, чтобы предупредить нарушителей о том, что они были обнаружены — это удерживает их от злых умыслов. С точки зрения безопасности, передовая видео и аудиоаналитика предоставляют надежные способы мониторинга и оценки действий людей, автомобилей, объектов и оборудования и запускают оповещения, когда потенциальные угрозы неизбежны. Это настоящий множитель силы, особенно для организаций с ограниченными ресурсами для круглосуточной службы безопасности.
Если прошлый опыт заставил вас с подозрением относиться к видеоаналитике, пришло время отбросить предвзятость. Интеллектуальное ПО для видеонаблюдения не только выявляет необычные движения, звуки и поведение — оно способно быстро классифицировать события, пока те не переросли в серьезную проблему.
