Видеоаналитика

Видеоаналитика (video analytics) — аппаратно-программное обеспечение или технология, использующие методы компьютерного зрения для автоматизированного сбора данных на основании анализа потокового видео (видеоанализа). Видеоаналитика опирается на алгоритмы обработки изображения и распознавания образов, позволяющие анализировать видео без прямого участия человека. Видеоаналитика используется в составе интеллектуальных систем видеонаблюдения (CCTV, охранного телевидения), управления бизнесом (business intelligence, BI) и видеопоиска.

Функции видеоаналитики

В зависимости от целей, видеоаналитика может реализовать как одну, так и несколько базовых функций:

Обнаружение объектов (object detection). Как правило, обнаружение объектов в поле зрения камеры производиться при помощи видеодетекторов движения. Основное отличие видеоаналитики от ИК-датчиков движения состоит в возможности локализации (выделении) и независимого анализа сразу нескольких объектов. Если движение не является достаточным признаком для локализации объекта в кадре, то обнаружение может производиться при помощи шаблонов. Например, обнаружение лиц людей, номерных знаков автомобилей или обнаружение малоподвижных морских целей может быть реализовано при помощи признаков Хаара.
Слежение за объектами (object tracking). Алгоритмы слежения (сопровождения) позволяют получить частную траекторию движения объекта как в поле зрения одной камеры, так и обобщенную траекторию по данным сразу нескольких камер. Слежение необходимо, чтобы проанализировать поведение объекта по его траектории, например, определить движение человека против потока или движение с повышенной скоростью. Кроме этого, слежение необходимо для исключения повторных срабатываний систем видеоаналитики на одни и те же объекты. Профессиональные системы работают по правилу «один тревожный объект – одно срабатывание» для достижения высокой продуктивности оператора.
Классификация объектов (object classification). Некоторые системы видеоаналитики классифицируют объекты для фильтрации оперативных уведомлений или результатов поиска. Например, типовой классификатор объектов, используя признаки формы и абсолютные размеры, распределяет объекты на группы: человек, группа людей, транспортное средство. Более сложные классификаторы в системах видеоаналитики для ритейла могут определить пол или возвратную группу человека.
Идентификация объектов (object identification). Идентификация объектов является наиболее сложным компонентом систем видеоаналитики. Современные системы позволяют идентифицировать людей по биометрическим признакам лица или транспортные средства – по номерным знакам. Идентификация может быть реализована при помощи дополнительных средств за рамками видеоаналитики: на основе отпечатков пальцев, банковской карты, билета, пропуска или идентификатора мобильного устройства. Идентификация объектов
Обнаружение (распознавание) ситуаций. Видеоаналитика позволяет не только выделять объекты из потокового видео, но и распознавать тревожные ситуации на основе анализа поведения данного объекта, что не дает сделать обычная система видеонаблюдения. Также ситуационная видеоаналитика может автоматически детектировать пересечение сигнальной линии, падение людей, запрещенную парковку и возникновение пожара. Человек пересек сигнальную линию

 

Результатами работы видеоаналитики являются события (сообщения), которые могут быть переданы оператору системы видеонаблюдения или записаны в видеоархив для последующего поиска (пример событий, поддерживаемых платформой Kipod). Кроме этого, видеоаналитика формирует метаданные, то есть структуры данных, которые описывают содержание каждого кадра видеопоследовательности. Метаданные содержат такую информацию как местоположение и идентификаторы объектов (как правило, в виде тревожной рамки), траекторию и скорость движения объектов, данные о разделении или слиянии объектов, данные о возникновении и окончании тревожной ситуации. Метаданные записываются в видеоархив и воспроизводятся вместе с видео.

Видеоаналитика может иметь расширенные функции, такие как:

  • Прогнозирование поведения объекта или возникновения ситуаций (например, образование очереди на кассе через 15 минут с учетом числа зашедших покупателей и числа работающих касс);
  • Интеллектуальное сжатие видеоконтента с учетом интереса потребителя (например, система передает только видео, содержащие тревожные ситуации);
  • Ранжирование (определение приоритета) событий видеоаналитики;
  • Формирование производных видеоданных (интегральный кадр, таймплапс)
  • Удаление персональных данных из видеоряда, например, при помощи детектора лиц и номерных знаков.

Основные типы видеоаналитики

С точки зрения применения, различают следующие типы видеоаналитики:

Периметральная видеоаналитика (perimeter video analytics) применяется для охраны протяженных участков и периметров, обнаружения вторжения и пересечения сигнальной линии в «стерильной зоне». Особенность периметральной видеоаналитики относительно редкие нарушения (поэтому зона называется «стерильной»), но форма и тип объекта не могут быть четко определены, например, человек может ползти или ехать на велосипеде.
Ситуационная видеоаналитика (situation video analytics) применяется для распознавания тревожных ситуаций, связанных с поведением людей или с движением транспортных средств. Ситуационная видеоаналитика может работать на основе правил, заданных пользователем (например, запрещенная парковка в заданной зоне), или на основе накопленной статистики (например, обнаружение в парке в два раза больше людей, чем обычно в это время суток и в этот день недели).
Бизнес-аналитика (business analytics/intelligence, BI) применяется для управления организацией, оценки продуктивности персонала, оптимизации бизнес-процессов и исследований поведения клиентов. Особенность бизнес-аналитики – развитые средства обобщения данных и подготовки отчетов, иногда с возможностью исключения персональных данных. Комплекс бизнес-аналитики Кассиопея (интерфейс)
Биометрическая видеоаналитика (biometrical video analytics) применяется для идентификации и сопровождения лиц по биометрическим признакам лица. Классическая биометрия использует «черный» и «белый» списки для сравнения изображений людей. Биометрическая видеоаналитика может работать по более сложным сценариям, например, осуществлять профайлинг людей или сопоставляет наблюдений множества камер в территориально-распределенной сети наблюдения.
Номерная видеоаналитика применяется для распознавания регистрационных знаков автомобилей (number plate reading), а так же для анализа их движения по данным множества камер.
Многокамерная видеоаналитика (multiple camera tracking video analytics) применяется для сопровождения объектов при помощи множества камер. Результатом работы многокамерной видеоаналитики является траектория движения объекта на плане всей территории наблюдения. Многокамерное слежение
Технологическая видеоаналитика (technological video analytics) применяется для мониторинга технологический процессов, обеспечения качества производства, повышения продуктивности.
Видеоаналитика высокой четкости (high definition video analytics) применяется для видеоанализа потоков свыше одного мегапикселя (720p, 1080p и выше). Как правило, в системах видеонаблюдения высокой четкости (HD) используются принципиально новые алгоритмы, использующие многомасштабное представление видеоданных.
Тамперинг-сигнализация (tampering detectors) реализуют непрерывный мониторинг работоспособности оборудования с целью выявлению технических неисправности, а также фактов несанкционированного вмешательств в систему видеонаблюдения. Тамперинг-сигнализация срабатывает при загрязнении объектива, затемнение или засветки изображении, разворота или отключения камеры.

Архитектуры системы видеоаналитики

C точки зрения аппаратно-программной архитектуры, различают следующие типы систем видеоаналитики:

Серверная видеоаналитика (server video analytics) предполагает централизованную обработку видеоданных на сервере. Как правило, сервер анализирует видеопотоки от множества камер или кодеров на центральном процессоре (CPU) или на графическом процессоре (GPU). Основным преимуществом серверной видеоаналитики является возможность комбинирования алгоритмов видеоаналитики на одной аппаратной платформе. Главный недостаток серверной видеоаналитики – необходимость непрерывной передачи видео от источника видеоданных на сервер, что создает нагрузку на каналы связи. Примером серверной видеоаналитики является платформа Kipod

Серверная видеоаналитика

Встроенная видеоаналитика (edge video analytics) реализуется непосредственно в источнике видеоданных, то есть в камерах в кодерах. Встроенная видеоаналитика работает на выделенном процессоре (архитектуры DSP, ASIC, FPGA, ARM или x86) устройства и передает результаты (метаданные) вместе с видеопотоком. Главное преимущество встроенной видеоаналитики состоит в уменьшение нагрузки на каналы связи и на сервер обработки видеоданных. При отсутствии объектов или событий видео не передается и не загружает каналы связи, а сервер обработки не декодирует сжатое видео для видеоанализа и индексирования. В сравнении с серверной видеоаналитикой, встроенная видеоаналитика позволяет увеличить в 10-100 раз эффективность использования каналов связи и серверов. Примером устройства со встроенной видеоаналикой является IP-видеосервер MB2.

Встроенная видеоаналитика

Распределенная видеоаналитика (distributed video analytics) является гибридным решением между серверной и встроенной видеоаналитикой, в котором обработка распределена между источником видеоданных и центральным оборудованием. Например, в системы многокамерного слежения, обнаружение объектов производиться в источнике видеоданных, а сопоставление результатов между несколькими источниками – на сервере.

Распределенная видеоаналитика

Способы определения тревожных ситуаций

Различают следующие способы настройки видеоаналитики для автоматического распознавания тревожных ситуаций:

Видеоаналитика на основе правил (rule-based video analytics) является наиболее распространенным типом видеоаналитики, в котором пользователь заранее определяет правила, определяющих тревожные события. Например, пользователь может задать запретную зону, где не разрешено находиться людям или запретную зону для парковки автомобилей. Система Kipod является примером реализации видеоаналитики на основе правил.

Видеоаналитика на основе статистического обучения (statistical learning video analytics) накапливает статистические данные о поведении объектов и формирует сигнал тревоги в случае нестандартного поведения. Комплекс CasRetail и видеосервер CasNVR является примером реализации видеоаналитики на основе статистического обучения.

Общие преимущества видеоаналитики

Главное преимущества видеоаналитики перед обычными системами видеонаблюдения состоит в автоматическом выделении метаданных из потока видеоданных без участия оператора. Полученные метаданные могут быть использованы для быстрого поиска в видеоархиве, рассылки тревожных оповещений и сбора статистики.

В сравнении с «ручным видеонаблюдением», видеоаналитика позволяет уменьшить стоимость видеомониторинга и человеческого фактора в части обнаружения и времени реагирования.

Так как значительная часть видеоданных (более 99%) в системах видеонаблюдения не представляет интереса для пользователей, видеоаналитика позволяет кардинальным образом уменьшить нагрузку на каналы связи и систему архивирования за счет фильтрации ненужных видеоданных.

Существующие проблемы

Главной проблемой многих внедрений видеоаналитики является высокая частота ложных срабатываний, которая быстро уменьшает экономический эффект технологии. Проблема постепенно решается путем совершенствования алгоритмов видеоанализа, автоматического тестирования на специальных испытательных стендах и ранжирования событий по важности.

Другая проблема состоит в существенной стоимости системной интеграции и внедрения видеоаналитики. Роль этого фактора снижается благодаря появлению открытых стандартов, таких как ONVIF, упрощения процедур калибровки и настройки видеоаналитики.

Международные стандарты

Интеллектуальное видеонаблюдение в целом и видеоаналитика в особенности находятся на раннем этапе стандартизации. Следующие международные организации разрабатывают интерфейсы передачи данных и управления для систем видеоналитики:

ONVIF (Open Network Video Interface Forum) объединяет около 500 производителей и имеет сильные позиции в России, Европе и Японии. Описывает интерфейсы взаимодействия между IP-камерами, серверами видеоаналитики, видеорегистраторами, системами контроля доступа (СКД) и другими компонентами. Отличительная черта ONVIF – использование протокола SOAP для взаимодействия между компонентами систем безопасности.

PSIA (Physical Security Interoperability Alliance) объединяет около 65 производителей и имеет сильные позиции в Северной Америке. Отличительная черта PSIA – использование протокола POST. В сравнении c ONVIF, интерфейс PSIA более прост в реализации, но менее гибок и масштабируем.

CAP (Common Alerting Protocol) является протоколом передачи сообщений о тревожных ситуациях. В отличие от ONVIF и PSIA, интерфейс CAP не специализирован для видеонаблюдения и видеоаналитики.

Области применения видеоаналитики

Экономический эффект от внедрения видеоаналитики в большей степени заметен в крупных территориально-распределенных сетях видеонаблюдения. По мере удешевления технологии видеоаналитика становится привлекательной для домохозяйств и малого бизнеса.

Следующая таблица описывает основные отрасли применения видеоаналитики с указанием используемых аналитических функций.

Область применения Примеры использования
Общественный транспорт
Безопасный город и ЖКХ

Опасные объекты, в том числе ТЭК

Промышленное производство

Торговые и банковские сети.

Бытовые услуги (кафе, салон сотовой связи, парикмахерская, автомойка)

Развлечения и спорт

Ознакомится с решениями, разработанными Синезис, можно у нас на сайте. Купить интеллектуальную систему видеонаблюдения вы можете здесь

Наши успешные проекты
Это лишь некоторые из них:
 Логотип Московского метрополитена
Отзывы о нашей работе
От лица Фонда содействия развитию малых форм предприятий в научно-технической сфере выражаю глубокую благодарность и признательность Вам и сотрудникам ООО "Синезис" за активное плодотворное сотрудничество...
Наши партнеры
Системные интеграторы, разработчики:
BCCКРОКNVisionGroupАксиома ГруппАмулетТехносерв

Задать вопрос

  • Ваше имя и фамилия
  • Название организации
  • Email, куда мы пришлем ответ
  • Ваш телефон
  • Текст сообщения
  • Подписаться на новости