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.

Тепловизоры с видеоаналитикой: продолжение темы и несколько практических вопросов

В этой статье с вами:
Дмитрий НИКОЛЬСКИЙ – бренд-менеджер систем видеонаблюдения компании «Бош»
Дмитрий КАРНЕЕВ, начальник отдела «Системы безопасности» ОАО «ПЕРГАМ-ИНЖИНИРИНГ»
Алексей КАДЕЙШВИЛИ, технический директор компании «Вокорд»
Дмитрий ФИЛИППОВ, главный специалист НИИ СОКБ

Разговор начал Дмитрий КАРНЕЕВ:
– Во-первых, необходимо поблагодарить Дмитрия Леонидовича за такую статью. Эпиграф выше всяких похвал! Да и вообще, сложно выбрать между красотой эпиграфа и актуальностью поднятой автором темы. Несомненно, связка тепловизора с системой видеоаналитики набирает обороты, и, как заметил автор, тому есть ряд объективных причин. Развитие систем видеоаналитики – создание более надежных алгоритмов выявления нестандартного поведения наблюдаемых объектов. Развивается и тепловизионная технология. Современные тепловизоры стали доступны по цене и при этом обладают рядом специфических свойств, позволяющих видеоаналитике работать с тепловизорами более эффективно, чем с обычными видеокамерами. Например, значительно более контрастное изображение человека на пестром (в видимом спектре) фоне. И, конечно, дальность действия тепловизора. При сходных с видеокамерой углах зрения, за счет более высокого контраста тепловизор способен видеть человека на более дальних расстояниях, что опять-таки выгодно сказывается на системе наблюдения, использующей тепловизор, и, конечно, на системе тепловизор плюс видеоаналитика. Внесу небольшое дополнение к описанию преимуществ тепловизора, сделанное Дмитрием Леонидовичем. Отмечу, что тепловизоры, работающие на средневолновом тепловом излучении (3–5 мкм), действительно чуть лучше для просмотра в туман, чем работающие на длинноволновом излучении (7–14 мкм). Средневолновые тепловизоры изготавливаются все еще пока на охлаждаемой технологии и не перешли в разряд доступных по цене приборов с высокой степенью надежности, как неохлаждаемые длинноволновые тепловизоры. Однако в сильный туман практически нет разницы между тем, на какой длине волны работает тепловизор.
Соответственно, тепловизор зависит от погодных условий: туман, влажность, температура окружающей среды и, как следствие, разница между объектом и фоном. Хотелось бы спросить автора: при каких условиях наблюдения была получена вероятность обнаружения 95%? Каким оборудованием (его параметры), на каком расстоянии и каких объектов? Как долго проходили испытания по времени? Как набиралась статистика?

Дмитрий ФИЛИППОВ:
– Прошу меня извинить за то, что невольно выдал желаемое за действительное, не проанализировав использованный в статье материал. Полагаю, что 95% – то значение, к которому нужно стремиться, чтобы доверять виртуальному периметру.
Конкретные же цифры, как и подчеркивает Дмитрий Карнеев, зависят от очень многих параметров.

Алексей КАДЕЙШВИЛИ:
– С первой частью статьи – про эффективность совокупного применения тепловизоров с видеоаналитикой – сложно поспорить. Научные принципы, о которых говорит автор, не новы, но их применение в области безопасности крайне интересно.
Однако с рассуждением про видеоаналитику на серверах и непосредственно в камерах поспорить можно. Даже при том, что наша компания сама разрабатывает технологически новые видеокамеры со встроенной видеоаналитикой, я бы не стал так однозначно хвалить видеоаналитику в камерах и ругать видеоаналитику на серверах.
Во-первых, далеко не факт, что видеоаналитика в камерах будет дешевле, учитывая стоимость подобных видеокамер. Особенно в случае системы с большим числом видеоканалов.
Во-вторых, видеоаналитика на сервере позволяет реализовывать более гибкие и сложные алгоритмы, чем видеоаналитика в камере.
Ну а что касается «качественных» и «профессионально реализованных» алгоритмов, то это зависит от таланта разработчиков, а не от того, где алгоритмы находятся.

Вопрос для обсуждения:
Каковы технические и технологические проблемы интеграции тепловизора с системой видеоаналитики? Насколько, на ваш взгляд, могут быть востребованными сегодня подобные системы в России?

Дмитрий НИКОЛЬСКИЙ:
– Первое, что обязательно надо иметь в виду при планировании, проектировании, пусконаладке и использовании систем на основе тепловизионных камер, – это большое отличие тепловизионного изображения от привычного видео. Все же физический метод получения изображения принципиально различен. И подход к такой системе должен отличаться. Это необходимо принимать в расчет с самого начала работы над такой системой. И, разумеется, применяемая видеоаналитика должна учитывать особенности термальных изображений, она по меньшей мере должна быть адаптирована для работы с тепловизорами.
Максимальная интеграция возможна, когда видеоаналитика интегрирована непосредственно в тепловизионную камеру. Если же иметь дело с системами видеоаналитики на серверной платформе, то необходимо по меньшей мере убедиться, что такая система имеет специальный режим работы с термальными изображениями.

Алексей КАДЕЙШВИЛИ:
– Никаких технических сложностей нет. Видеоаналитика как была, так и остается вещью, очень востребованной на рынке. Особенно работающая видеоаналитика. Поэтому любое средство, которое поможет видеоаналитике работать эффективнее (а тепловизор на это способен), скорее всего, будет востребованным на рынке.

Вопрос для обсуждения:
А теперь те самые практические вопросы, на которые, как считает автор статьи, необходимо ответить на этапе проектирования конкретной системы физической защиты:
Какие углы поля зрения тепловизионных камер следует выбирать для создания виртуального периметра?
Как ориентировать эти камеры?

Дмитрий НИКОЛЬСКИЙ:
– Основное преимущество использования тепловизионных камер – это дальность обнаружения цели при полном отсутствии освещения и в сложных условиях наблюдения – дымка, туман и т. п. И в этом смысле, по моему мнению, тепловизоры стоит ориентировать перпендикулярно периметру, с тем чтобы вести наблюдения за подступами к периметру. Особенно полезны в таком случае поворотные тепловизоры с углом поля зрения 7,6º по горизонтали, совмещенные с оптической камерой с 36-кратным зумом. Видеоаналитика при этом работает, когда устройство установлено в какую-либо из 10 препозиций, а при повороте работа видеоаналитики блокируется. Такое двухдиапазонное устройство позволяет производить раннее обнаружение цели и ее последующую верификацию в автоматическом режиме.
Если же необходимо ориентировать тепловизоры вдоль периметра, то, на мой взгляд, правильнее использовать тепловизоры с более широкоугольной оптикой – угол поля зрения 20–30º по горизонтали. Это обеспечивает меньший шаг установки (300–400 м) по сравнению с примером, приведенным в статье, зато ширина зоны просмотра вдоль периметра существенно расширяется. Цель будет находиться в зоне видимости большее время, и вероятность ее обнаружения увеличивается.

Дмитрий КАРНЕЕВ:
– Ориентация тепловизоров при построении виртуального периметра, с моей точки зрения, не должна отличаться от ориентации видеокамер при построении таких виртуальных периметров, так как суть одинакова. Необходимо закрыть поле зрения тепловизора/камеры определенную территорию. Другой вопрос, если такие виртуальные периметры только сейчас начинают появляться и нет какой-либо методики для выбора того или иного расположения тепловизора/камеры. На мой взгляд, такую методику можно бы было разработать на нескольких постулатах: на логике и здравом смысле, на трансформировании уже существующих подобных методик и теории многокритериальной оптимизации.

Алексей КАДЕЙШВИЛИ:
– Любое проектирование зависит от конкретного проекта, в этом смысл слова «проектирование». Поэтому дать конкретный ответ на этот вопрос сложно.
Из принципиальных подходов возможны следующие: располагать камеры последовательно, одна за другой, или делить зону на секторы, где каждая камера будет контролировать свой сектор. Плюсы первого варианта: можно отслеживать перемещения объекта, получить картинку различной степени детализации, например, человека крупным планом, чтобы увидеть его лицо. Плюсы второго варианта: гораздо экономичнее, но при этом отсутствуют те возможности, которые есть в первом варианте.
Идеальный вариант – установить тепловизионные камеры, которые «закрывают» территорию по секторам, и использовать в них, например, детектор движения. Устойчивость к таким помехам, как дым, и хорошая контрастность тепловизоров, несмотря на низкое разрешение, сделают их эффективным первым рубежом контроля, на котором оперативно обнаруживаются тревоги. А в ключевых зонах объекта последовательно установить видеокамеры хорошего разрешения, которые позволят детально изучить ситуацию на объекте и сделать выводы.

Дмитрий ФИЛИППОВ:
– Углы поля зрения для тепловизионных камер, ориентированных вдоль периметра, следует выбирать в пределах 6–12º, а направленных поперек периметра, в глубину прилегающей территории не более 4º. Тепловизионные камеры должны устанавливаться как вдоль создаваемого виртуального периметра с учетом мертвых зон и специфики территории, так и в глубине территории.

Вопрос для обсуждения:
Какие алгоритмы видеоаналитики необходимо реализовать при создании виртуального периметра?

Дмитрий НИКОЛЬСКИЙ:
– На мой взгляд, это:
– Обнаружение пресечения одной или нескольких линий, объединенных в логическую последовательность.
– Обнаружение объектов перемещающихся в определенную зону, покидающую зону или пребывающих в зоне.
– Селекция целей по направлению движения, скорости движения объектов.
– Обнаружение праздношатания – перемещение объекта внутри зоны в определенном радиусе и определенное время.
– Обнаружение бездействующих объектов и удаленных объектов.
– Обнаружение траекторий движения объектов и визуализация этих траекторий.
– Движение объекта по определенной траектории или обнаружение отклонения движения от заданной траектории.
Очень важна отмеченная автором способность системы видеоаналитики генерировать метаданные и осуществлять поиск в метаданных. Это является ключом к оперативной обработке и поиску событий в больших массивах видеоинформации.

Дмитрий КАРНЕЕВ:
– Алгоритмы видеоаналитики должны быть разработаны под типовые объекты, на которых применяется виртуальный периметр. Каждый объект имеет свои особенности как с топографической, так и с функционально-аналитической точки зрения.

Алексей КАДЕЙШВИЛИ:
– Очевидно, что в первую очередь это должен быть детектор движения. Потому что это один из простейших алгоритмов, и он не требует такого высокого разрешения и качества картинки, как другие, более сложные алгоритмы.

Дмитрий ФИЛИППОВ:
– В первую очередь, обнаружение появляющихся в поле зрения объектов, а также объектов в зоне отчуждения.

Вопрос для обсуждения:
Как должны быть распределены вычислительные мощности системы видеоаналитики и где локализован архив системы?

Дмитрий НИКОЛЬСКИЙ:
– Я считаю, что видеоаналитика должна работать непосредственно в камерах. Это соответствует общей мировой тенденции – не только камеры, вся электронная периферия становится умнее. Система, построенная на основе таких умных элементов, обладает распределенным интеллектом, лучше масштабируется. Она меньше подвержена единичным отказам, следовательно, более надежна. Работа видеоаналитики «на борту» обладает и другим огромным преимуществом – алгоритм работает с несжатым видеопотоком и в реальном масштабе времени. Это улучшает качество обработки и, следовательно, повышается вероятность обнаружения тревог и снижается вероятность ложных тревог.

Дмитрий КАРНЕЕВ:
– Насчет распределения вычислительных мощностей и локализации архива системы, полагаю, нет однозначно правильного ответа или решения. Автор в статье отметил два современных подхода к решению этой задачи. Видеоаналитика на сервере и видеоаналитика в IP-камере, что отражает объективную реальность существующих систем. Я бы предложил дополнить описание Дмитрия Леонидовича плюсами размещения видеоаналитики на сервере и минусами размещения видеоаналитики в IP-камере. Далее можно пользоваться такой таблицей при анализе каждого конкретного проекта и, возможно, даже использовать ее для прогностических выводов о том, как будут в дальнейшем развиваться распределения вычислительных мощностей и локализации архива системы.

Алексей КАДЕЙШВИЛИ:
– Никакой специфики применительно к тепловизорам тут нет. То есть это один из базовых вопросов проектирования любой системы видеонаблюдения. Поэтому и ответ на него может быть самым тривиальным: серверы архива лучше отделять от видеоаналитических серверов (если используются серверы). А если хочется сэкономить, то лучше задуматься о настройке записи в архив. Например, писать только при срабатывании детектора.

Дмитрий ФИЛИППОВ:
– Вычислительные мощности, учитывая современные возможности электроники, могут быть локализованы на периферии, т. е. на сигналообразующем оборудовании. Их задача – отработка событий онлайн и создание базы метаданных.


ТепловизорыновинкиPelcoвидеокамерыSmartecмониторывидеорегистраторыпрограммное обеспечениевидеонаблюденияIP-видеосерверы