Монтажный отдел:

 

8 (495) 921-74-19

 

 

Монтажный отдел:

 

8 (495) 921-74-19

 

Связаться с нами

Пн-Пт 10:00 до 19:00
Сб-Вс: 10:00 до 18:30

Корзина пуста

Перейдите в каталог, выберите требуемый товар и добавьте его в корзину.

Влияние современных тенденций видеоаналитики на союз видеокамера-сервер

Видеоаналитика для охранного телевидения сравни-тельно молодое направление. Применение каждой технологии видеоанализа требует индивидуального подхода к задачам и к решениям. Сегодня программное обеспечение видеоаналитики со своего исторического места, с процессоров сервера или видеорегистратора, активно перемещается «на борт» видеокамеры. Интеграция программных платформ для систем безопасности и интеллектуальных возможностей IP-видеокамер — одна из важных тенденций развития отрасли сегодня. В этой статье мы постараемся определиться с перспективами распределения интеллектуальных функций систем видеонаблюдения между видеокамерой и сервером. Посмотрим на развитие отношений между ними глазами разработчика программного обеспечения.

Не будем тратить время на описание технологий и способов реализации видеоаналитики, наша компания достаточно активно освещала этот вопрос в журнале «Алгоритм безопасности». Напомним только несколько основных определений. Все, что передает видеокамера, кроме видеопотока, мы называем метаданными. С их помощью мы можем описать все, что происходит в кадре. Метаданные — это своеобразные маркеры, формальное, логическое описание всего, что находится в кадре. Какой объект, в каком месте, какого размера, куда движется, с какой скоростью, какого цвета и т.д. Такая информация гораздо «легче», чем видео, и сохраняется одновременно с записью. Метаданные бывают разного рода: метаданные-события, которые генерирует аналитика камеры, или метаданные-треки для поиска в архиве, которых мы коснемся чуть позже. Именно в появлении комбинаций метаданных и состоит отличие системы, представленной камерами с «бортовой» видеоаналитикой.

Напомним также о таком понятии, как «трекер». Что это и для чего предназначено? Это технология, которая обнаруживает движущиеся, с его точки зрения,объекты и генерирует метаданные, связанные с перемещениями этого объекта, с его размерными, цветовыми и скоростными характеристиками. Попросту говоря, трекер «ведет» обнаруженный объект. Практически вся современная видеоаналитика, включая видеоаналитику в камере, построена на трекерах: генерируемые трекером метаданные просто интерпретируются тем или иным образом.

И еще одно — видеоаналитику по своему назначению условно можно разделить на три направления:

■ видеоаналитика в реальном времени;

■ видеоаналитика при работе с архивом;

■ сервисная видеоаналитика, или аналитика оценки качества изображения.

У каждого такого условного направления видеоанализа есть своя ниша применения, и решаемые задачи тоже различаются.

ВИДЕОАНАЛИТИКА В РЕАЛЬНОМ ВРЕМЕНИ

В качестве примеров видеоаналитики в реальном времени можно привести распознавание лиц и номеров автотранспортных средств, различные детекторы движения, ситуационную видеоаналитику. Применение ситуационной видеоаналитики в реальном времени всегда подразумевает предварительный анализ, своеобразную РАЗМЕТКУ: мы заранее что-то рисуем в кадре, закладываем определенную модель нарушителя, описываем различные сценарии и способы реагирования на них, прописывая, что человек должен сделать такого запретного, чтобы система среагировала на его действия. Типичный пример — нарушение периметра. Мы проводим на объекте виртуальную линию. Если объект в кадре пересекает эту виртуальную границу, видеоаналитика сигнализирует об этом.

В случае решения задачи детектировать «оставленные или исчезнувшие предметы» — предварительных настроек минимальное количество. И тем не менее нужно указать минимальный и максимальный размер объекта, минимальное время, по прошествии которого предмет будет рассматриваться системой как «оставленный или исчезнувший предмет», и выделить зону, за которой будет следить видеоаналитика.

Исходя из вышесказанного, эффективное применение ситуационной аналитики в реальном времени возможно лишь в «стерильных зонах», где появление объекта уже является событием, достойным изучения, и требует профессионального анализа угроз. Например, безлюдные периметры северных объектов нефтегазовой отрасли, те же северные аэропорты могут обслуживаться практически исключительно ситуационной видеоаналитикой в режиме реального времени. Для периметров поиск в архиве бессмысленен: движения очень мало, видеоаналитика реального времени с ним справляется.

ВИДЕОАНАЛИТИКА ПРИ РАБОТЕ С АРХИВАМИ

Функции видеоаналитики при работе с архивом — самые разнообразные, постоянно меняющиеся в зависимости от требований клиента и профессионализма разработчиков ПО. На практике подразумевается несколько сценариев: первый — поиск в архиве по ранее зафиксированным видеоанализом реального времени событиям; второй сценарий — интеллектуальный поиск без предварительной разметки или сценариев. Чем хорош второй вариант? Тем, что он не требует заранее оценивать модель нарушителя. Это дает возможность для более широкого применения данной технологии: в толпе, в городе, где модели нарушителя просто невозможно создать. Там же, где движение интенсивно, ситуационная аналитика практически не применима. И наоборот, интеллектуальный поиск в архиве выгоден, применим и эффективен как раз в условиях массового скопления людей. Поэтому интеллектуальный поиск в архиве в городских пространствах, проектах «Безопасный город» более востребован, чем видеоаналитика реального времени.

СЕРВИСНАЯ ВИДЕОАНАЛИТИКА

Задача сервисной видеоаналитики — оценить наличие и качество видеоизображения. Или скорее деградацию качества изображения — засветку, закрытие камеры, стабильность и сдвиг картинки, резкое изменение фона. Собственно к анализу ситуации она имеет малое отношение. В этом случае можно обойтись без предварительно написанных сценариев, оцениваются физические параметры изображения и качество передачи изображения.

Вышеприведенная классификация необходима для того, чтобы понять, какая часть видеоаналитики может размещаться «на борту камеры», а какая требует обработки на сервере системы. Или, может быть, стоит комбинировать эти два подхода?

ИНТЕГРАЦИЯ В ПО ВИДЕОКАМЕР СО ВСТРОЕННОЙ ВИДЕОАНАЛИТИКОЙ

Для разработчиков ПО решение вопроса глубокой интеграции видеокамер со встроенной видеоаналитикой в продукт — это способ разгрузить каналы и снизить требуемые процессорные мощности и, как следствие, добиться большей эффективности всей системы в целом.

Рассмотрим вначале видеоаналитику в режиме реального времени. Для анализа в реальном времени можно заранее настроить алгоритмы внутри камеры: рубежи или зоны контроля, захват лиц и номеров и т.п. В этом случае нет необходимости передавать видеопоток круглые сутки. Можно получать «картинку» или по запросу, или по наступлению критического события. При этом остается гарантированная возможность записи событий на встроенную память камеры (необязательно писать весь видеопоток!). И мы точно знаем, что эта запись не пропадет даже в случае обрыва связи между камерой и сервером, а при восстановлении связи мы сможем эти данные получить.

Теперь перейдем к работе с архивами. В случае отсутствия видеоаналитики в камере, мы должны декомпрессировать все видеопотоки, анализировать их при помощи трекера, получить необходимые «сырые» метаданные. Распаковка и анализ данных на сервере -очень энергоемкий процесс. Если подобные операции ложатся на процессор видеокамеры, количество довольно мощных серверов в большой системе уменьшается в 8-8,5 раз! При этом нужно учитывать, что стоимость камеры возрастает ненамного за счет добавления этих математических моделей. А вот стоимость серверов, при необходимости обработки данных исключительно на сервере, вырастает ощутимо. Это повышает надежность работы системы и снижает нагрузку на сервер. Например, если трек пересек линию (идет человек, за ним рисуется трек), заранее нарисованную нами в настройках камеры, мы понимаем, что объект попал в выделенную зону — а это уже интерпретация «сырых» метаданных, и по этому событию идет тревожный сигнал или передача видеоизображения.

Теперь представим, что у нас есть возможность сохранить «сырые» метаданные, не интерпретировать, а просто сохранить. Решений по хранению сырых метаданных немного, у нас такое решение есть. Специализированная база данных VMDA. Она может принимать любые сложные запросы о взаимодействии геометрических фигур. Это дает возможность интеллектуального поиска в архиве практически любых ситуаций. Например, камера смотрит на стоянку автотранспорта, требуется выяснить, когда с места парковки уезжала определенная машина. В классическом варианте оператору системы придется просмотреть, возможно, несколько часов архива, чтобы обнаружить момент, когда машина уехала. В случае же работы с базой метаданных выделяется геометрическая зона, захватывающая интересующий объект, зона может быть дополнена дополнительными параметрами (размер, цвет объекта), и система практическим мгновенно обнаруживает интересующие фрагменты записи. Это и есть описание интеллектуального поиска в архиве.

Если мы говорим про ширину каналов передачи данных от камеры к серверу, то с помощью встроенной в камеру видеоаналитики передачу данных также можно оптимизировать и построить эффективную систему даже на очень «узких» каналах. Возможен, например, такой вариант оптимизации передачи данных. С камеры, в которой предусмотрена многопоточность, между случаями тревожных событий на сервер транслируется картинка низкого разрешения. С наступлением некоторого события начинается передача потока метаданных на сервер. И уже сервер, при наличии такого алгоритма, или ПО самой видеокамеры дает команду начать передачу данных в высоком разрешении. Никого не интересует запись «пустоты»: видео длительных интервалов между двумя соседними событиями.

При необходимости можно организовать подключение к выбранной камере и смотреть на происходящее в реальном времени, но при этом не писать в архив, забивая «пустотой» не всегда широкие каналы. А вот как только происходит событие, описанное сценарием, — начинается запись видео в архив.

Применение специальной видеоаналитики дает еще одно преимущество — позволяет минимизировать количество камер в системе. Например, у стационарной камеры область просмотра сужена до необходимого участка. Трекер этой камеры связан с поворотной камерой. Видеоаналитика может располагаться как «на борту» стационарной камеры, так и на сервере (естественно помним, что в случае расположения аналитики на борту камеры, мы разгружаем сервер). По сигналу стационарной камеры поворотная камера в автоматическом режиме наводится на конкретный объект в абсолютных координатах. Возможны несколько сценариев взаимодействия между камерами. Первый сценарий — гарантированная запись каждого объекта, второй сценарий — выбор оператором объекта для слежения. И третий сценарий — выбор оператором нескольких объектов для слежения — в этом случае поворотная камера осуществляет ведение, переключаясь с одного объекта на другой и обратно. Подобная аналитика уже реализована в видеокамерах многих производителей, эта технология позволяет реально уменьшать количество камер в системе. Комбинация из поворотной камеры и стационарной камеры с «бортовой» аналитикой, в определенных условиях, способна заменить до 10 различных камер.

Если вернуться к протяженному периметру, то эффективность еще заметнее. Одно дело установить стационарные камеры с шагом 50 м (для идентификации объекта, преодолевающего периметр). Другое — использовать одну широкоугольную стационарную камеру, которая только фиксирует преодоление периметра, но не идентифицирует объект. Ее достаточно дополнить одной поворотной камерой, которая по описанным выше алгоритмам «наводится» на объект и позволяет его идентифицировать. Безусловно, такое решение возможно и в случае, когда видеоаналитика полностью расположена на сервере, но платить мы за это будем увеличением серверной мощности и повышенными требованиями к пропускной способности каналов.

А теперь рассмотрим вопрос, есть ли конфликт интересов между ПО серверов и ПО видеоаналитики видеокамер. Изначально камера была просто источником сигнала, обработка которого происходила на сервере. Теперь часть функций обработки начали делегировать в камеру, то есть можно говорить о появлении гибридных систем. Сейчас мы на пороге эры многокамерной аналитики, где все аналитические функции, возможно, будут распределены между камерами. Однако полного перехода к таким системам не произойдет. Что имеется в виду? Тренд развития CCTV заключается в том, что в недалеком будущем можно будет поставить знак равенства между камерой и системой. Повесил такую камеру на столб: внутри огромная память со своим архивом и собственное ПО видеоаналитики — все есть, зачем сервер и софт? События с камеры приходят непосредственно на смартфон или планшет, можно просмотреть это событие в режиме реального времени — готовая подсистема. Что ждет в таком сценарии будущего производителей софта? Оказывается, ничего плохого — передавать слежение за объектом от одной камеры к другой, минуя специализированный софт, нельзя. Т.е. на данный момент еще используются гибридные системы, разделяющие аналитику между камерой и сервером. А в будущем придет время гибридных многокамерных систем. Что делается в этом направлении уже теперь? Опишем конкретный пример. На плане обозначены зоны ответственности камер, работают трекеры, объект, сопровождаемый одной из камер по своей зоне, может быть передан на слежение другой камере. Следующий этап — это вектор предсказаний: объект вышел из зоны наблюдения одной из камер, куда он отправится в дальнейшем, какая из камер сможет его вести. И очень хочется, чтобы оператор в дальнейшем работал не с камерами (их расположение не является целью его наблюдений), а с планом. Создавая на плане виртуальную черту, оператор смог бы обратиться к системе с запросом — кто пересекал ее в такой-то промежуток времени, при этом, какая из камер зафиксировала интересующее событие, ему не важно. Вот такой сценарий камеры самостоятельно в ближайшее время «отработать» не смогут. По сути, видеоаналитика сведется не только к алгоритмам обработки информации и к алгоритмам ее упорядоченного сбора, но и к интерпретации этой информации применительно к плану, либо к ГИС-системе. Софт верхнего уровня должен быть готов к работе с архивами, которые накапливают видеокамеры.

Часто гибридность систем продиктована еще и соблюдением законодательства: распознать лицо или считать автомобильный номер может видеоаналитика, встроенная в камеру, а вот сопоставить это с базой номеров или лиц можно только на сервере. Это связано с недостаточной защищенностью базы данных, в случае, если камера теоретически может получать доступ к базе данных.

Стоит немного подробнее поговорить о такого рода задачах как видеоаналитика, связанная с биометрией и с распознаванием образов. Именно эта видеоаналитика перемещается с сервера в камеру. Например, захват лиц людей или захват автомобильных номеров. Получать на сервер одновременные потоки от нескольких 5 или 10-мегапикселных камер равносильно краху гигабитной сетки. Гораздо эффективнее получать небольшую обзорную картинку с камеры, но при этом, в случае появления в кадре автомобиля или человека, отдельным потоком отправлять на сервер метаданные: фотографию лица или захваченный номер. Распределение интеллектуальных функций видеоанализа происходит следующим образом. Видеокамера создает кадр, исходя из заложенного алгоритма захвата и распознавания лица или номера, формирует и отправляет информацию на сервер. На долю сервера приходится идентификация. Для номера -сравнение с базой и понимание, с кем мы имеем дело, в случае с лицами -сравнение с базой, определение пола, возраста, персональных данных. Такое разделение функций весьма эффективно при применении на официальных парковках, при незаконных парковках на газонах или городских площадях. Эта схема также успешно применяется в местах массового скопления людей, например, на стадионах. Таким образом решается вопрос экономии архивного пространства. Например, для того, чтобы полностью «закрыть» стадион, нужна не одна камера высокого разрешения, и, если передавать поток в таком разрешении, то стоимость хранения быстро превысит стоимость всей системы. В случае использования камер со встроенной видеоаналитикой мы в основном сохраняем метаданные и обзорные картинки объемом всего 1 мегапиксел.

И в заключение еще раз нужно напомнить. Какие бы современные технологии видеоанализа не предлагали нам ПО серверов и видеокамер — прежде всего необходимо определить, какие задачи будет решать система видеонаблюдения. Именно задачи безопасности каждого конкретного объекта определяют соотношение ситуационной видеоаналитики и интеллектуального поиска в архиве. И уровень использования встроенной видеоаналитики видеокамеры будет решаться в каждом конкретном случае отдельно.


сиреныисточник питанияIP-видеосерверывидеонаблюденияпрограммное обеспечениевидеорегистраторымониторыSmartecвидеокамерыновинки