Видеоаналитика (ВА) находит все более широкое применение в системах видеонаблюдения для повышения уровня защищенности и безопасности различных объектов благодаря разработке алгоритмов искусственного интеллекта (ИИ), которые, к тому же, способны еще и обеспечивать эффективную бизнес-аналитику в интересах коммерческих организаций. Данная статья содержит информацию о том, что означает термин «видеоаналитика», как развивалась и как работает эта технология, какие преимущества она предоставляет конечным пользователям.
Переход от традиционных аналоговых технологий видеонаблюдения к цифровым решениям открыл специалистам в области безопасности доступ к гораздо более широким функциональным возможностям. IP-камеры создают оцифрованные потоки видеоданных, которые могут передаваться по сетевым кабелям или через Wi-Fi. Это коренным образом меняет назначение систем видеонаблюдения (СВН) и охранного телевидения (CCTV), превращая их из инструментов реагирования на случившиеся события в проактивные инструменты реального времени.
В последние годы под программным обеспечением для CCTV все чаще подразумевается именно видеоаналитика: обработка визуальных данных, поступающих от сетевых камер, обнаружение и анализ событий в режиме реального времени. Используя ИИ и огромную вычислительную мощность современных компьютеров, существующие аналитические платформы могут теперь выполнять подсчет людей, тепловое картирование, распознавание лиц и множество других функций, позволяющих операторам отслеживать подозреваемых лиц и выявлять важные детали на фоне помех, - и все это без постоянного контроля со стороны человека.
Это крайне важно, учитывая тот факт, что каждый сотрудник службы безопасности в среднем контролирует от 25 до 50 видеокамер. Согласно блогу компании 3S Security Systems, цитируемому электронным журналом «Security and IoT» (asmag.com), проведенные в США исследования показали, что персонал, наблюдающий за видеосистемами, начинает испытывать усталость «уже через 12 минут с момента начала мониторинга, пропуская до 45 % активности в сценах камер. Через 22 минуты этот показатель возрастает до 95 % пропущенной активности».
«Использование видеоаналитики позволяет одному человеку следить за большим количеством камер и сокращает число пропущенных критических событий», - говорится в блоге, - «что обеспечивает возможность быстрого принятия мер для предотвращения преступления, а не просто для обычного реагирования на последствия инцидента».
Определение понятия видеоаналитики
Существует три различных типа видеоаналитики: аналитика по фиксированным алгоритмам, аналитика обучаемых алгоритмов искусственного интеллекта и распознавание лиц. Все они связаны с обработкой цифровых видеосигналов специальными программными средствами для выполнения определенных функций, повышающих уровень безопасности.
Первые два типа ВА (аналитика по фиксированным алгоритмам и аналитика обучаемых алгоритмов искусственного интеллекта) обнаруживают подозрительное поведение объектов на изображениях, формируемых видеокамерами, и выдают предупреждения сотрудникам служб безопасности, следящим за этими камерами.
Аналитика по фиксированному алгоритму выполняет определенную задачу и ищет специфическое поведение объекта в кадре – например, когда человек движется против потока, оставляет или, наоборот, поднимает какой-либо предмет, бесцельно слоняется или выходит за пределы очерченной области.
Тем временем алгоритмы искусственного интеллекта обучаются «на работе» в результате постоянного взаимодействия с камерой в течение нескольких недель. За время обучения камера начинает «понимать», что является «нормальным», и выдает предупреждения, когда в кадре происходит что-либо, выходящее за рамки этого опыта.
Пример работы такого подхода был приведен в книге «Эффективная физическая безопасность» Томаса Л. Нормана: «В одном из ранних решений видеоаналитики, установленном в крупном международном аэропорту и предназначенном для обнаружения детей, взбирающихся на багажную карусель, система выдала предупреждение на человека, который взял небольшую сумку с карусели и поместил ее в пустую сумку большего размера. Мужчину задержали и допросили, в результате чего выяснилось, что багаж ему не принадлежал, а сам он состоял в преступной группе, которая таким образом регулярно совершала хищения багажа в аэропорту. До этого момента служба безопасности аэропорта даже не подозревала, что такое вообще возможно, и поэтому никак не могла приобрести для своей системы фиксированный алгоритм видеоаналитики, отслеживающий подобное поведение, даже если бы таковой и существовал (чего на самом деле не было)».
В свою очередь, системы распознавания лиц используются для контроля доступа и выявления субъектов угроз. Данные от систем распознавания лиц также могут быть использованы в рамках расследования, если в результате их работы было идентифицировано «лицо, представляющее интерес».
Алгоритмы распознавания сопоставляют определенные точки на лице человека, зафиксированного камерой, с образцом, хранящимся в базе данных системы. Если совпадения нет, система пытается создать новую запись (новый образец), используя наилучшее доступное изображение субъекта. Новые версии алгоритмов распознавания лиц могут обрабатывать в режиме реального времени трехмерные изображения, но при этом существенно возрастают и базы данных.
Субъект также может быть идентифицирован с помощью «безликого распознавания», когда некоторые физические характеристики, такие как рост, осанка и телосложение, могут быть использованы для идентификации человека в толпе.
Где располагается ПО с видеоаналитикой
Большинство камер, представленных сегодня на рынке, используют так называемую «аналитику на борту», при которой аналитическая обработка данных выполняется непосредственно на самой камере или на сетевом коммутаторе, вместо ожидания их отправки в централизованное хранилище (на сервер). Некоторые эксперты считают, что такие камеры лучше всего подходят для организации видеонаблюдения внутри помещений, но только с обязательным контролем уровня освещенности.
А вот проблемы наружного наблюдения, связанные с освещением, погодой, насекомыми и т.д., по их мнению, лучше решают технологии серверной видеоаналитики. Серверная архитектура позволяет быстрее получать обновления, производить модернизацию алгоритмов, а также обладает значительно большей вычислительной мощностью. Однако этот метод чреват накоплением большого количества данных, поэтому в системе необходимо устанавливать определенные лимиты на то, что является актуальным, а что нет.
С точки зрения производителей ВА серверная аналитика является более предпочтительной в силу того, что на ее базе быстрее и проще разрабатываются и внедряются различные усовершенствованные алгоритмы. Кроме того, серверные архитектуры способны обеспечивать гораздо большую вычислительную мощность, что позволяет использовать самые передовые методы обработки данных, основанные на глубоком обучении/искусственном интеллекте.
Краткая история видеоаналитики
Несмотря на то что видеоаналитика открывает новые возможности в отрасли безопасности, ее успех не был достигнут в одночасье.
Поскольку видеоаналитика «первого поколения» работала по принципу обнаружения изменений пикселей в определенных частях видео, то открывающаяся дверь, развевающиеся на ветру ветки дерева или проходящее мимо животное могли вызывать тревогу – и поэтому ложные срабатывания были обычным явлением!
Своего «совершеннолетия» первое поколение ВА достигло к тому времени, когда интеллект камер стал позволять интерпретировать увиденное и обладать функциональностью в отношении таких параметров, как соотношение высоты и ширины, скорость объекта и повторяющиеся движения. В то же время усовершенствование CMOS-сенсоров помогло обеспечить получение четкого изображения в условиях недостаточного и меняющегося освещения.
В статье для Security Infowatch.com доктор Боб Банерджи, руководитель подразделения обучения и развития департамента безопасности компании NICE Systems, отметил следующее: «Если видеоаналитика первого поколения была нацелена на оповещение в реальном времени и минимизацию ложных тревог, то технология второго поколения сосредоточена на предоставлении криминалистических инструментов для поиска видео после события».
Банерджи выбрал следующий пример, чтобы проиллюстрировать разницу: «Если произошло ограбление, и кто-то видел, как подозреваемые скрылись на белом фургоне, вы можете поискать на камере все белые фургоны, которые проезжали мимо этого места за весь предыдущий день. Или, если ситуация была связана с разбойным нападением человека, одетого в красную одежду, вы можете поискать в камере за последние три часа всех людей в красной одежде».
«Видеоаналитика второго поколения помогала восстанавливать то, что произошло; однако она была разработана, скорее, как инструмент судебной экспертизы, а не как инструмент, который существует, чтобы сообщить вам, где находится фургон или человек прямо сейчас, всего через несколько мгновений после того, как вы о них услышали. Это чувство незамедлительности — вот что имеет решающее значение в реагировании и смягчении последствий».
Несмотря на важность аналитики после инцидента для выявления доказательств, отличительной особенностью аналитики третьего поколения стала возможность отслеживать текущую ситуацию и предоставлять информацию в режиме реального времени. Например, используя изображение нарушителя или даже просто его описание, можно быстро провести поиск по базе данных и, если нарушитель все еще находится в здании, определить его местонахождение.
«Видеоаналитика, которая отслеживает подозреваемых по мере их перемещения от камеры к камере – вперед и назад во времени, – обеспечивает гораздо большую осведомленность о ситуации и ускоряет расследование, чтобы власти могли задержать подозреваемых до того, как ситуация обострится», - отмечает Банерджи.
С развитием аналитики на основе искусственного интеллекта, машинного обучения и алгоритмов глубоких нейронных сетей (DNN) анализ, производимый камерой, стал более точным, получил возможности по обнаружению конкретных объектов и различий между ними.
Распространенные приложения видеоаналитики
Видеоаналитика используется для широкого спектра задач, включая, как упоминалось выше, распознавание лиц. Вот некоторые из наиболее распространенных:
Отслеживание объектов (трекинг)
Объект обнаруживается, после чего траектория его движения отслеживается в поле зрения одной камеры. Например, так может быть обнаружен объект, пересекающий заранее обозначенную виртуальную линию, а также установлено направление его движения.
Другой вариант - трекинг с несколькими камерами, при котором объект отслеживается от одной камеры к другой.
Это приложение ВА может обнаруживать и отслеживать движение транспортных средств и людей на улице и используется для управления дорожным движением, визуального наблюдения, криминалистики, взаимодействия человека с объектом, распознавания жестов и дополненной реальности. Аналитика отслеживания объектов на основе искусственного интеллекта позволяет определить тип объекта, например, отличить транспортное средство от человека.
Обнаружение оставленных или забранных предметов
Этот вид аналитики определяет появление и исчезновение статических объектов в определенной области. Этот тип обнаружения часто используется в аэропортах или метро, начиная с обеспечения безопасности пожарных лестниц и заканчивая выявлением потенциальных угроз взрыва.
Обнаружение праздношатающихся
Эта функция определяет, когда человек или транспортное средство надолго остаются в поле зрения камеры или в специально очерченной зоне. Некоторые системы в настоящее время также определяют признаки подозрительного поведения, что называется поведенческим обнаружением.
Подсчет людей
Приложение обнаруживает и подсчитывает людей в определенной зоне, позволяя осуществлять контроль заполняемости помещений, оценку пропускной способности, показатели продаж и конверсии, персонализированный опыт посетителей и измерение операционной эффективности. Этот процесс был особенно востребован во время острой фазы пандемии COVID, когда розничные магазины и супермаркеты могли легко отслеживать, сколько людей находилось в магазине в любой момент времени.
Отслеживание людей
Для отслеживания людей требуется больше информации, включая данные по обнаружению движения и распознаванию лиц. Приложение может использоваться для обнаружения нарушителей, определения движения в неправильном направлении, подсчета людей, физического дистанцирования и анализа поведения клиентов.
Обнаружение толпы
Обнаружение толпы — это технология наблюдения в реальном времени, которая позволяет оценить плотность скопления людей для оценки вместимости или заполненности в пределах определенной территории. Области применения данного приложения включают подсчет людей, контроль поведения людей на общественных мероприятиях, управление людьми при стихийных бедствиях, мониторинг безопасности, военное управление и обнаружение подозрительной активности.
Обнаружение изменений/нарушений изображения
Эта функция ВА определяет момент и выдает предупреждение, если в поле зрения камеры произошли значительные изменения, например, появилось препятствие, отключилось питание, камера была перемещена, закрашена и т.д.
Обнаружение движения
Видеодетектор движения VMD (от англ. Video Motion Detection) определяет наличие физического движения в заданной области в режиме реального времени. Аналитика обнаружения движения встроена в IP-камеры, сетевые видеорегистраторы, а также в серверные приложения ВА и системы управления видео (VMS). Функции VMD широко используется в приложениях, связанных с вооруженными силами, критически важными инфраструктурными объектами, робототехникой, а также в сфере развлечений, спорта и здравоохранения.
В настоящее время функции обнаружения движения также используются в системах охраны жилья, причем пользовательское приложение получает уведомление, если человек, находящийся в поле зрения камеры, начинает приближаться к объекту.
Автоматическое распознавание номерных знаков ANPR
ANPR использует технологию оптического распознавания символов OCR (от англ. Optical Character Recognition) для считывания и идентификации номерных знаков автомобилей с помощью камер охранного телевидения, камер уличного видеонаблюдения, камер правоохранительных органов или специальных высокоскоростных камер ANPR, установленных на элементах дорожной инфраструктуры.
Автоматическое управление поворотом-наклоном-зумом (PTZ)
Видеоаналитика PTZ с автоматическим управлением позволяет камерам наблюдения осуществлять трекинг людей и увеличивать их изображение. Автоматический PTZ также позволяет сотруднику службы безопасности работать в режиме многозадачности.
Преимущества видеоаналитики для конечных пользователей систем безопасности
Видеоаналитика служит не только для обеспечения исключительно задач безопасности, но и для управления движением транспорта и людских масс, анализа пешеходных потоков, социального дистанцирования или распознавания лиц, скрытых под масками.
Все чаще устройства видеонаблюдения интегрируются с другими платформами физической безопасности и управления зданиями в целях получения более интеллектуальных данных для руководителей служб безопасности и лиц, управляющих объектами.
Несомненно, ВА является привлекательным вариантом для многих объектов. Предотвращая потенциальные инциденты, владельцы этих объектов экономят на расходах, связанных с повреждением имущества и активов, кражами и нарушением общей непрерывности бизнеса.
В то же время, плохо или хорошо, автоматизированные системы позволяют управлять количеством персонала, необходимого для охраны. Если нарушения периметральных ограждений и т.д. обнаруживаются автоматически, требуется меньше персонала. Кроме того, видеоаналитика снижает вероятность рисков для сотрудников и клиентов.
Видеоаналитика может быть подключена к другим системам, таким как управление освещением или управление доступом, активируя их только в случае необходимости.
В отчете Европейской комиссии «Внедрение видеоаналитики: Ключевые соображения для конечного пользователя» отмечается, что «видео является актуальным способом доказательства невиновности или ответственности. Использование видеоаналитики для поиска ключевых инцидентов в качестве доказательств избавляет от необходимости вручную просеивать видео. Это напрямую влияет на юридические, судебные и страховые расходы, а также экономит время и деньги благодаря отсутствию необходимости вручную просматривать видео».
Применение аналитика в различных отраслях
Видеоаналитика представляет собой универсальный инструмент, который может использоваться в самых разных сферах.
Помимо наиболее очевидных сценариев использования ВА для обеспечения безопасности, существуют и другие примеры ее эффективного применения:
Розничная торговля
Помимо экономии средств на обеспечении безопасности (например, за счет предотвращения краж в магазинах), видеоаналитика в долгосрочной перспективе может приносить и дополнительную прибыль. В секторе розничной торговли ВА используется для отслеживания опыта и поведения покупателей (например, направление взгляда и продолжительность нахождения), что позволяет определять более эффективные места для размещения товара и тем самым повышать продажи.
Здравоохранение
Помимо обеспечения безопасности персонала, пациентов и посетителей, больницы используют видеоаналитику для защиты от кражи лекарств и даже от похищения младенцев. Что касается ухода за пациентами, то алгоритмы ВА помогают убедиться в том, что медицинский персонал совершил все необходимые визиты и действия.
Когда уход за пожилыми людьми осуществляется на дому, видеоаналитику можно использовать для вызова помощи в случае их падения, а также для контроля своевременного принятия ими лекарств.
Умные города
Видеоаналитика может управлять светофорами и контролировать пробки, следить за скоростью движения, а также выявлять такие опасные факторы, как несанкционированные остановки транспортных средств, неаккуратное вождение или ДТП с автомобилями. Функция автоматического распознавания номерных знаков ANPR (от англ. Automatic Numberplate Plate Recognition), как упоминалось выше, может выявлять угнанные или подозрительные автомобили.
Логистика
Видеоаналитика используется в логистике и производстве для оптимизации управления запасами и выпуском продукции, повышения контроля качества и эффективности, а также для обеспечения безопасности. Функции ВА используются для раннего обнаружения инцидентов, когда время реагирования может иметь решающее значение, а распознавание поведения - автоматически определять наступление несчастных случаев на ранней стадии.