Видеоаналитика

ТЕХНОЛОГИИ

  • Выделение движущихся объектов
  • Слежение за движущимися объектами
  • Компенсация движения камеры
  • Управление движением и другими параметрами камеры
  • Считывание автомобильных номеров
  • Считывание номеров железнодорожных вагонов и цистерн

Технологии, продукты и проекты ИИТ в области видеоаналитики

Автоматические и автоматизированные системы видеонаблюдения являются одной из ключевых составляющих современных комплексных систем безопасности. Задача видеонаблюдения подразумевает визуальный контроль заданной области пространства при помощи одной или нескольких видеокамер, позволяющий сохранять и просматривать цифровые видеоданные, а также постоянно оценивать состояние контролируемой территории, выделяя так называемые «охранные события», заключающиеся в тех или иных изменениях наблюдаемой обстановки.

Распределенные системы видеонаблюдения

Исторически основными функциями системы видеонаблюдения являются вывод информации на пункт контроля и запись в архив. Большинство производителей платформ CCTV (охранного телевидения) ориентированы именно на такую модель работы. Основной тенденцией в развитии систем видеонаблюдения на сегодняшнем этапе является переход от аналогового способа получения (аналоговые камеры), отображения (телевизоры) и хранения видео (видеокассеты) к цифровому (IP-камеры, компьютерные мониторы и цифровые базы данных). Поэтому такую существенную роль в построении систем видеонаблюдения играют сегодня технологии сжатия, хранения, поиска и передачи цифрового видео.

Современные распределенные системы видеонаблюдения основаны на клиент-серверной архитектуре. При одном из подходов к построению таких систем вся обработка данных проводится на серверной стороне. Другой подход подразумевает вынесение части обработки на сторону клиента (в данном случае клиент связан с каждой камерой). В качестве примера можно привести задачу оцифровки видео в системах с аналоговыми видеокамерами. Можно осуществлять перевод в цифровой сигнал на стороне сервера и, соответственно, все камеры будут соединены с центральным постом коаксиальными кабелями, либо поставить видеосервер (encoder), который будет выполнять данную процедуру для нескольких камер и отправлять на сервер информацию в цифровом виде по IP. Заметим, что эта задача до сих пор актуальна. Если даже не рассматривать огромное количество уже реализованных на базе аналоговых камер систем видеонаблюдения, то и в 2010 году на мировом рынке видеокамер (который по некоторым оценкам составляет в целом примерно 8 миллиардов долларов США) IP-камеры занимают лишь порядка 20{\%}. В то же время, всем участникам рынка ясно, что в перспективе переход на IP камеры, очевидно, неизбежен и является вопросом самого ближайшего времени. Ключевыми факторами здесь станут возросшая конкуренция среди производителей, а также импорт дешевого оборудования из Кореи, Тайваня и Китая.

Различие в подходе к построению клиент-серверных систем обработки видео проявляется и в том случае, когда речь идет о модулях видеоаналитики, автоматизирующих функции оператора системы видеонаблюдения. Принципиально возможны оба принципа размещения таких модулей. Причем, судя по последним опросам профессиональных журналов, оба способа имеют своих приверженцев. И все же, по мере развития соответствующих технологий машинного зрения подход с размещением обработки видео на стороне клиента начинает превалировать.

Открытые стандарты

Развитие рынка видеонаблюдения и появление большого числа производителей определило спрос на открытые стандарты, обеспечивающие возможность совместного использования оборудования и программного обеспечения различных производителей. Это привело к формированию двух отраслевых объединений: Форум открытого сетевого видеоинтерфейса (Open Network Video Interface Forum, ONVIF) и Альянс за совместимость систем физической безопасности (Physical Security Interoperability Alliance, PSIA). Обе организации — PSIA и ONVIF — были основаны в 2008 г. с разницей в несколько месяцев с целью создания стандартизированных интерфейсов для устройств физической безопасности и программных платформ и стремятся к созданию совместимых систем безопасности на базе IP-технологий.

ONVIF в большей степени уделяет внимание камерам, видеоаналитике и интерфейсу между сетевым передающим видеоустройством и сетевым принимающим клиентом. PSIA определяет более общие спецификации для широкого рынка физической безопасности, который включает в себя различные системы датчиков, контроль доступа, системы хранения данных и многое другое.

Имеется ряд различий между спецификациями ONVIF и PSIA

  1. Спецификация ONVIF построена на современных веб-сервисах, описываемых языком WSDL (XML используется в качестве языка описания данных, SOAP применяется для передачи сообщений, а с помощью WSDL описываются непосредственно сервисы). Спецификации PSIA основана на REST (representational state transfer), архитектуре передачи состояния представления. Для архитектуры REST нужно меньше ресурсов и она обладает возможностью чтения сообщений протокола, которые легко интегрируются в систему отладки. Из-за высоких требований к вычислительным ресурсам и каналу передачи данных выбор ONVIF выглядит мене привлекательным для использования, так как требует нали -чия полностью совместимых HTTP-сервера, SSL и XML-пapcepа.
  2. ONVIF гарантирует 100%-ную совместимость между устройствами при сетевом обнаружении друг друга, так как все ONVIF-coвместимые устройства должны поддерживать WS Discovery. PSIA предлагает больше вариантов поиска устройств в сети: Zeroconf, UPnP и Bonjour, но это также приводит к сложностям в совместной работе устройств, поддерживающих PSIA. Например, PSIA-совместимую камеру с поддержкой Bonjour невозможно подключить к управляющей видеосистеме, отвечающей стандартам PSIA, но поддерживающей UPnP-метод.
  3. В ONVIF система уведомления о событиях основана на WS-Notify. Это позволяет однозначно регламентировать процесс передачи информации о событии от камеры на следующий уровень. PSIA использует обобщенный формат сообщений для событий и уведомлений, что не гарантирует 100%-ной совместимости устройств PSIA.
  4. PSIA уже обладает требованиями к способу хранения. ONVIF не обладает на текущий момент подобной спецификацией.
  5. PSIA располагает техническими требованиями к интеграции систем управления информацией физической безопасности (PSIM).

Согласно независимым оценкам, на текущий момент члены ONVIF контролируют порядка 40 — 60% мирового рынка видеонаблюдения по сравнению с 20 — 25%, приходящимися на участников PSIA.

Интеллектуальное видеонаблюдение и функции видеоаналитики

Одним из основных недостатков традиционных систем видеонаблюдения является серьезное снижение возможностей оперативного реагирования при увеличении масштабов системы. В случае, когда речь идет о десятках и более входящих потоков видео, оператор уже не в состоянии адекватно отслеживать текущую обстановку в реальном времени. Согласно проведенным исследованиям, при большом числе контролируемых видеоканалов уже через 12 минут работы оператор пропускает до 45% активности на экране, а после 22 минут до 95%.

Данная проблема особенно актуальна в случае больших систем видеонаблюдения. Это хорошо заметно на примере систем уровня города. Так, планомерное внедрение системы тотального видеонаблюдения в Лондоне (более десяти тысяч камер в единой сети и более полумиллиона в целом по городу), не привело к серьезному снижению количества инцидентов или увеличению процента раскрытия преступлений.

Как выяснилось, недостаточно просто транслировать на центральный пункт видеонаблюдения изображения от огромного числа камер. Эти изображения нужно тут же анализировать, формировать необходимые сигналы тревоги и привлекать к критическим ситуациям внимание операторов. Это требуется делать «на лету», в реальном времени. Кроме того, требуется также формировать и интеллектуальный журнал видеонаблюдения, который позволит впоследствии при различного рода расследованиях отвечать на достаточно гибкие и ситуативно-ориентированные запросы пользователей по поиску необходимых видеофрагментов.

В качестве паллиативного решения сегодня зачастую используется связка сигналов тревоги от различного рода внешних датчиков с обычным детектором движения. Однако данный вариант является не самым эффективным решением проблемы. Большое количество ложно детектируемых ситуаций и невозможность дифференцировать задачи наблюдения и типы объектов существенно снижают привлекательность таких систем.

Поэтому все более явно проявляется необходимость создания эффективных систем интеллектуальной видеоаналитики. Все более востребованы системы видеонаблюдения, позволяющие строить решения с многоуровневой, гибко настраиваемой логикой. Подобные интеллектуальные системы позволяют решать не только охранные задачи, но полезны и для использования в бизнес-задачах, сбор статистической информации и многое другое. Возможность получить точные данные о посещаемости наблюдаемого объекта, распределение посетителей по времени, основным путям передвижения и даже возможность идентификации постоянных клиентов, крайне актуальна для многих коммерческих организаций. В рамках города это могут быть также задачи автоматического анализа загруженности транспортных потоков и ряд других.

Таким образом, современная система видеонаблюдения аккумулирует в себе значительное количество различных технологий компьютерного зрения, включая как собственно технологии видеонаблюдения, так и технологии OCR (см. выше) и биометрические технологии, о которых речь пойдет ниже, и ряд других. Комплексная технология интеллектуального видеонаблюдения должна включать следующие основные элементы и программно-алгоритмические модули:

  1. визуальные датчики различного типа (ТВ, ИК и др.) для дистанционного видеонаблюдения;
  2. средства распределенного сбора информации, сжатия, обработки и передачи цифровой видеоинформации по локальным и глобальным сетям в реальном времени;
  3. автоматическое выделение объектов интереса (люди, транспортные средства, другие объекты);
  4. автоматическое слежение за движущимися объектами в зоне наблюдения;
  5. биометрическое распознавание персонала, биометрический контроль доступа в критические зоны объекта наблюдения;
  6. автоматическую идентификацию транспортных средств, грузов и оборудования на основе распознавания идентификационных меток (регистрационных номеров, штриховых кодов, других технологических маркировок);
  7. методы оценки сценариев поведения наблюдаемых объектов и групп объектов;
  8. формирование «тревожных» сообщений оператору в случае реализации неблагоприятных или нестандартных сценариев развития событий в зоне видеонаблюдения;
  9. программно-аппаратные средства для реализации методов и алгоритмов сбора и обработки видеоинформации.

Выделение движущихся объектов. Разность кадров. Детектирование оставленных предметов

Анализ движения в самом общем виде подразумевает сравнение ряда последовательных (во времени) цифровых изображений сцены наблюдения с целью регистрации различного рода изменений, в частности, — определение факта движения в заданных областях наблюдения (простейшие детекторы движения), выделение движущихся объектов и слежение за ними (более интеллектуальные детекторы или «трекеры» движущихся объектов), обнаружение момента возникновения новых или исчезновения ранее наблюдавшихся объектов (детекторы «оставленных предметов«) и т. п.

Простейшим подходом к анализу движения является вычисление межкадровой разности. На рис. 1 показан результат сравнения (вычитания) двух последовательных кадров видеопоследовательности. В результате такой операции хорошо выделяются контуры контрастных по отношению к фону движущихся объектов.

7-5-1.jpg

Вычисление межкадровой разности. Слева — предыдущий кадр, в центре — текущий кадр, справа — межкадровая разность

Аналогичный прием может быть использован для автоматического выделения в ходе видеонаблюдения новых объектов, ранее не присутствовавших в составе наблюдаемой сцены. При этом необходимо сначала зафиксировать исходное изображение сцены (такое изображение называется «базовым»). После этого при регистрации каждого нового изображения сцены оно сравнивается не с предыдущим, а с базовым. Если на протяжении нескольких кадров фиксируется один и тот же объект (область), отличный от базового кадра, то принимается решение об обнаружении «нового объекта». На рис. 2 показан результат сравнения (вычитания) текущего и базового кадров видеопоследовательности. В результате такой операции хорошо выделяются области контрастных по отношению к ранее зарегистрированному фону «новых» объектов.

В более широком смысле детектор «оставленных предметов» подразумевает регистрацию момента возникновения новых или исчезновения ранее наблюдавшихся объектов сцены наблюдения. На практике специфика задачи заключается в том, что хотя одновременно в сцене наблюдения может присутствовать множество движущихся и неподвижных составляющих, данный детектор должен выделять лишь те объекты, которые ранее находились в движении, а затем стабилизировали свое положение на заданный промежуток времени, либо наоборот — находились в покое, после чего пришли в движение.

7-5-2.jpg

Детектирование новых объектов сцены. Слева — базовый кадр, в центре — новый кадр, справа — разность нового и базового кадров

Детектор оставленных предметов

Еще один пример модуля «анализа движения» для систем видеонаблюдения. Детектор «оставленных предметов» подразумевает регистрацию момента возникновения новых или исчезновения ранее наблюдавшихся объектов сцены наблюдения. При этом специфика задачи заключается в том, что хотя одновременно в сцене наблюдения может присутствовать множество движущихся и неподвижных составляющих, данный детектор должен выделять лишь те объекты, которые ранее находились в движении, а затем стабилизировали свое положение на заданный промежуток времени, либо наоборот — находились в покое, после чего пришли в движение (рис. 15). Детектор «оставленных предметов» в основном применяется в системах видеонаблюдения, устанавливаемых с контртеррористическими целями в местах массового скопления людей. В то же время, этот модуль используется для решения таких задач, как отслеживание загрузки парковки и контроль состояния ценных объектов (например, музейных экспонатов).

7-5-15.jpg

Детектирование оставленного предмета: вверху — выделенные «новые» элементы изображения в момент движения, внизу — обнаружение оставленного предмета по истечении заданного времени стабилизации изображения

pdf
Буклет

Более подробную информацию по данному вопросу вы можете найти в Wiki ресурсе «Техническое зрение» в разделе «Видеонаблюдение и системы безопасности»