Особенности Применения Видеоаналитики В Сот Реферат
Особенности Применения Видеоаналитики В Сот Реферат
Пн-Пт: 9:00 - 18:00 Заказать звонок
Дата публикации: 06.04.2015
Скачать статью в формате pdf (необходимо зарегистрироваться или авторизоваться)
Видеонаблюдением сейчас никого не удивишь. Им оснащают объекты от крупных предприятий до частных коттеджей и небольших магазинчиков. Стандартный функционал прекрасно справляется со своими задачами. Казалось бы, что еще нужно? Смотри и записывай. Но производители ПО видеонаблюдения не стоят на месте.
Они предлагают дополнительные возможности, позволяющие сделать видеонаблюдение более эффективным, быстрее решать поставленные задачи и автоматизировать рутинные процессы. А также применять видеонаблюдение не только в охранных целях, но и в коммерческих, позволяя приносить прибыль. Мы, конечно же, говорим о применении видеоаналитики.
Сегодня о видеоаналитике можно найти много рекламной информации. Мы видим как производители программного обеспечения активно продвигают свои решения наделяя аналитику почти фантастическими способностями, позволяющими распознавать все вокруг, выявлять в толпе преступников, распознавать факты мошенничества и неприемлемого поведения. Тем самым формируют у заказчика ошибочное представление о работе аналитики. Инсталлятор не всегда четко понимает какие задачи та или иная технология видеоанализа способна решать, где ее выгодно применять, а где это будет не эффективно или необоснованно дорого.
В рамках этой статьи мы рассмотрим реальные возможности современной видеоаналитики. Разберемся с заблуждениями. А главное, определим какой реальный экономический эффект можно получить от внедрения таких систем.
Видеоаналитика - это интеллектуальный анализ потока видеоданных от камеры (последовательно поступающих видеоизображений) и автоматическое выявление различного рода данных и детектирование заранее запрограммированных ситуаций. Аналитика ведется как в режиме реального времени, так и при работе с архивом. Результатами работы видеоаналитики являются события, которые могут быть переданы оператору системы видеонаблюдения в виде сообщения или записаны в архив для последующего поиска по ним и составления отчетов.
Давайте определимся, в каких направлениях сейчас развивается видеоаналитика, какие технологии там используются. И на примерах рассмотрим выгоду применения.
Можно разделить аналитику на несколько самостоятельных направлений:
Базовые и сервисные детекторы известны достаточно давно и с успехом применяются на большинстве монтируемых сегодня систем.Это самые простые и отлично работающие детекторы движения, засветки, расфокусировки, закрытия камеры и другие. Они присутствуют практически в каждом программном обеспечении видеонаблюдения, либо могут быть встроены в функционал камеры.
Названия говорят сами за себя. Сервисные детекторы подают сигнал в случае сбоев в работе видеокамеры. Они позволяют не только идентифицировать попытки вывода камер из строя, но и детектируют различные помехи, мешающие качественной регистрации событий.
Появление и развитие видеоаналитики отчасти обусловлено тенденциями увеличения количества камер на объектах на единицу площади. Это усложняет задачу работы оператора, а порой она становится невыполнимой. С контролем сотен камер, к примеру, одному оператору не справиться, необходим целый штат напарников доблестно сканирующих мониторы. Помощь аналитики очевидна - освободить оператора от непрерывного контроля над видеорядом. Выявляя только нужные события и оповещая о них, тем самым позволяет сконцентрироваться на принятии решений. С такой задачей справится и один оператор. К тому же скорость реакции на тревожные события значительно увеличивается, а риск пропустить что-то важное - снижается. Выгода на лицо, не так ли?
Давайте рассмотрим аналитику для оператора, принципы работы которой основываются на интеллектуальном анализе «треков» – другими словами параметров всех движущихся в кадре объектов и характеристик их движения.
Стоит сказать, что в этом направлении сейчас активно ведутся исследования, усовершенствуются механизмы обработки. В последнее время качество и надежность работы данного функционала значительно повысились. Именно эта аналитика и находит наибольшее практическое применение.
Ситуационные детекторы - это запрограммированные тревожные ситуации, которые могут возникнуть в кадре и по которым нужно сделать какое либо действие - выдать окно оператору, вывести камеру в полный экран, записать видеоролик, создать запись в протоколе событий.
При этом необходимо понимать, что видеоаналитика - это не охранная сигнализация. И она вам не заменит охранных датчиков на периметре. Это система, которая должна помогать оператору, но ни в коем случае его не заменяет.
Визуально, при работе с этой группой детекторов, пользователь может задавать линии, многоугольные зоны и временные интервалы прямо в зоне видимости камеры, а система детектирует соответствующие заданным критериям события.
Примеры наиболее востребованных ситуационных видеодетекторов:
Любой из детекторов можно настроить на работу с определенным типом объектов - человек или автомобиль, с определенными свойствами и параметрами - цвет, размер, скорость перемещения. Этот функционал доступен у каждого серьезного производителя ПО видеонаблюдения.
Это те же самые видеодетекторы, только используются не в режиме реального времени, а при работе с записанным архивом.Когда полезен этот функционал? Представим себе ситуацию - на складе пропала коробка с продукцией. Мы не знаем, когда точно это произошло. Стандартный вариант развития событий, когда имеется система видеонаблюдения, просмотреть огромный кусок видеоданных, что бы найти этот момент. Даже в ускоренном режиме это займет много времени. Если подобные случаи на объекте часто повторяются, можно представить какое количество времени затрачивается на поиски. Для решения таких задач аналитика поиска в архиве просто необходима.
Основная цель применения — быстрое нахождение в видеоархиве интересующего пользователя события, если точное время события неизвестно. Это более качественный уровень анализа архива по заданным критериям.
Принцип основан на том, что синхронно с видеоархивом в отдельную базу данных записываются параметры всех движущихся в кадре объектов и характеристики их движения — метаданные. При поиске задаются параметры, которые нужно найти — например, пересечение линии или нахождения объекта в определенной зоне. Цвет объекта или размер. Благодаря этому мы можем за считанные секунды по заданным произвольным критериям получать выборку в архиве. Это позволит вашему клиенту значительно сократить время на поиск нужной информации.
Достаточно качественно это реализовано в ПО видеонаблюдения AxxonNext компании ITV. Мы проводили тестирование работы этого функционала, с результатами которого вы можете ознакомиться в нашем видеоролике на канале в YouTube: https://youtu.be/ZLuHrsp32BY
Многое из того, что мы видим на экране из Голливудских блокбастеров становится реальностью. Распознавание образов по видеоизображению стало возможным с ростом возможностей аппаратных платформ по обработке значительных объемов информации и проведения сложнейших математических вычислений. Основные коммерчески применимые направления здесь два: распознавание номеров и лиц. Давайте рассмотрим - какие задачи можно решить и какие выгоды получить при внедрении распознавания.
Система выискивает попавший номер автомобиля в поле зрения камеры, распознает его и сравнивает с заранее созданной базой номеров на предмет совпадения. Либо просто ведет реестр распознанных номеров с возможностью дальнейшего поиска по нему.
Можно с уверенностью сказать, что данная технология эффективно применяется на реальных объектах и давно известна на рынке. Вариантов реализации и алгоритмов работы систем с применением распознавания номеров множество. Оборудуют парковки, скоростные трассы, используют на въездах на территорию складов, дачных поселков и т.д. А также для контроля доступа на территорию или фиксации проезжающих автомобилей.
Какая экономическая выгода может быть от использования подобной системы?
Давайте представим такую ситуацию. Есть производственная территория, въезд на которую ограничен или платный. Когда контроль осуществляется оператором, всегда существует вероятность, что с ним можно будет договориться и за вознаграждение попасть на территорию. Человеческий фактор, несомненно, имеет место. Установка системы распознавания номеров и реализация автоматического контроля проезда позволяет исключить такие случаи. Тем самым заказчик будет уверен в контроле, а прибыль останется в его кармане.
При реализации подобных систем стоит отметить, что качество распознавания зависит от того, как установлена камера, какая это камера и какого разрешения. Нужно понимать, что обзорная камера эту задачу, скорее всего не решит. Понадобится дополнительная камера, специальным образом настроенная для этой задачи. При условии грамотной установки и настройки камеры можно добиться 95% распознавания. Но 100% вы никогда не достигнете. В некоторых случаях это критично, и для этого применяются специальные программные алгоритмы. Как достигнуть реализовать фиксацию 100% въезжающих автомобилей в нашем справочном пособии.
Существует также аналитика распознавания номеров ж/д вагонов, которая, по сути, является аналогом распознавания автомобильных номеров, с отличием в требованиях по установке и форматом номера.
Алгоритм похож на предыдущий, но значительно сложнее в программной реализации. Система определяет наличие лиц в кадре, распознает их и сравнивает с похожими в базе. Результат выводится в виде процента совпадения.
Много заблуждений существует в отношении этого функционала. Простая и понятная на первый взгляд технология, подкреплена фантастическими фильмами. Как это выглядит в представлении многих? Камера, установленная на улице, высоко на столбе сканирует проходящих мимо людей и находит в толпе преступника по занесенной в базу старой фотографии.
Работает это далеко не так! И здесь есть серьезные ограничения. Для корректного распознавания лиц необходимо соблюдение множества условий: ориентацию камеры относительно лица, направление взгляда человека, освещение лица, особые настройки камер и другие. Какие точно нужны условия для работы алгоритма и как настроить систему распознавание лиц в наших справочных пособиях.
Чем больше отступлений от этих условий, тем ниже процент распознавания и выше количество ложных срабатываний. Исходя из этих условий выходит, что описанная ранее ситуация фактически невыполнима. И лучше заранее отговорить заказчика от попыток реализации подобных систем.
Единственная сфера применения, где система может работать корректно - это контроль доступа, когда человек сам сделает все, для того чтобы его впустили.
Правильно встанет, посмотрит в камеру, снимет шляпу или очки. Только в этом случае система будет работать. Важно понимать, что даже в таких условиях система является дополнительной, позволяя упрощать идентификацию. Должны быть предусмотрены случаи, когда система не сработает, и решение должен будет принимать оператор.
Попытки коммерческого использования распознавания лиц все же осуществляются. Стоит вспомнить пример успешного коммерческого использования системы на объекте нашего партнера. Это ресторан, где заказчику нужно было выявлять желательных и нежелательных посетителей. Желательные (VIP) - постоянные клиенты, известные люди, представители местных органов власти. Нежелательные - злоумышленники, неплательщики и скандалисты, преступники. Идентификация позволила повысить качество обслуживания постоянных клиентов и предотвратить потери от нежелательных посетителей, тем самым повысить доходы ресторана.
Существует такое направление видеоаналитики, задача которого идентифицировать конкретные ситуации или поведение людей. Это так называемые детекторы нетривиального поведения. Принцип действия построен на более сложном сопоставлении записанных треков с заранее заданными всевозможными шаблонами, имитирующими поведение.
Такие детекторы - мечта службы безопасности многих объектов. Но давайте разберемся на примере драки. Происходит она в торговом центре или вагоне метро. Объективно тревожное событие, на которое необходимо оперативно среагировать. Но давайте подумаем, насколько в действительности выявление такой ситуации может быть достоверным. Вероятность совпадения с шаблонами не высока, а также ситуация может быть неверно распознана. Например, объятие друзей тоже можно посчитать началом драки. Большое количество ложных срабатываний и вероятность пропуска реальной драки не позволяет считать подобные системы коммерчески применимыми. Хотя, возможно, в будущем ситуация изменится, и подобная аналитика станет более совершенной и эффективной. Уже сейчас неплохо работают алгоритмы определения нарушений направления движения (человек идущий поперек направления движения толпы, вход через выход), бегущего человека и т.п.
Любое здание обязательно оснащается системой пожарной сигнализации которая получает извещение о возгорании с использованием специальных сенсоров (датчиков различного типа). Развитие в этой области не прекращается и появляются все более совершенные устройства. В период развития видеоаналитики не заставили себя ждать и цифровые варианты для решения этой задачи.
Детектор дыма, на основании уникального алгоритма анализа изображения, позволяет в большинстве случаев фиксировать задымление раньше пожарных датчиков. А уникальная математика позволяет обнаруживать в поле зрения камеры открытый огонь.
Детектирование возгорания с использованием специальной видеоаналитики может быть востребовано там, где использование датчиков затруднительно или невозможно. Как правило - это открытые площадки, автостоянки, внутренняя территория предприятий, контроль противопожарной обстановки лесных массивов. Раннее обнаружение и локализация возгорания может сэкономить огромные средства на борьбу с бушующим пожаром и ущербом с ним связанным.
Давайте теперь перейдем к бизнес-аналитике. Она применяется во многих сферах, но наибольшее распространение на данный момент получила в ритейле. На самом деле, технология тут применяется та же самая, что и при обработке треков, только оптимизирована для решения узкоспециализированных задач.
До этого о видеоаналитике мы говорили, как о способе увеличения эффективности системы охранного видеонаблюдения или снижении стоимости владения. Бизнес аналитика предназначена для непосредственного увеличения прибыли.
Это удобные инструменты для оценки эффективности работы менеджмента магазина. Для маркетологов - это инструменты оценки эффективности рекламных компаний. Уже сейчас менеджеры магазинов активно используют системы видеонаблюдения для контроля работы персонала и могут осуществлять управление сетью магазинов без личного присутствия.
Рассмотрим подробнее, чем именно современные технологии видеоанализа могут помочь в ритэйле, и какими они бывают.
Он предназначен для подсчета входящих и выходящих людей на торговом объекте или в рамках выделенной наблюдаемой зоны. Это наиболее точный на сегодняшний день метод подсчета посетителей, основанный на видеоанализе. Существуют алгоритмы как встроенные в камеру, так и на базе программных продуктов видеонаблюдения для PC-based платформ. Камера, установленная над зоной контроля, способна различать отдельных людей и фиксировать направление прохода.
С помощью результатов работы этого детектора можно оценить эффективность работы розничного магазина. Оценкой может служить показатель конверсии. Это базовый показатель эффективности торговой точки, показывающий отношение количества посетителей торговой точки к числу транзакций. Иными словами - сколько посетителей стали покупателями. Сравнивая полученные точные данные между магазинами, можно определить, где менеджмент работает эффективно, а где требуется анализ и вмешательство.
Тепловая карта, или карта активности покупателей, на основе треков движения посетителей позволяет определить наиболее эффективную планировку магазина и расположения товаров. Оценить популярность той или иной витрины. Понять, равномерно ли распределены потоки покупателей по площади магазина.
Конечно, можно провести исследования, проанализировав видеоархив с камер системы видеонаблюдения, но это займет слишком много времени и очень субъективно. Если у вас 20 магазинов в сети, то можно за 15 минут провести полный анализ и выявить проблемные зоны.
С помощью совместной работы пары этих модулей можно провести оценку эффективности и качества проведения рекламной акции. Системы видеоанализа могут помочь и предоставить объективную картину об изменении количества посетителей магазина с начала рекламной компании, и помочь оценить заинтересованность витриной с рекламируемым товаром.
Многие наверно видели объявления на кассах: «Если вы 4-ый в очереди, позвоните по указанному телефону!» Об эффективности такой системы полагаю, говорить не стоит. Ни разу не видел такого заботливого покупателя. Все молча, терпят нерасторопную продавщицу. Видеокамеры для подсчета длины очереди с автоматическим уведомлением о превышении нормы количества людей в очереди позволяют оперативно решить проблему и повысить лояльность покупателей.
Помимо уведомлений, данные с видеокамеры позволяют получить статистику о длине очереди по отдельным кассам, по часам, дням неделям, месяцам. Все это позволяет оптимизировать и спланировать работу касс.
Интеграция данных от счетчика посетителей и детектора длинны очереди позволит прогнозировать наплыв покупателей на кассы и заранее открывать дополнительные кассы.
В завершение несколько слов о перспективах развития видеоаналитики.
Активно ведутся работы в области распознавания лиц. В частности, развиваются алгоритмы на основе построения 3D моделей. Это позволит более качественно производить идентификацию и решать задачи, которые на данный момент кажутся фантастичными.
Распознавание половых и возрастных признаков. Это функционал необходимый для бизнес-аналитики в ритэйле. Он позволит распознавать лица покупателей в магазинах для оценки их возрастной категории и распределять по гендерному типу. С помощью такой статистики можно будет формировать стратегии продаж, ориентировать рекламные кампании на определенный круг потребителей и даже адаптировать отдельные магазины под конкретную группу потребителей.
Мы очень надеемся, что детекторы нетривиального поведения будут совершенствоваться. Это позволит повысить эффективность и оперативность работы операторов наблюдения. Наши партнеры ведут постоянную работу над увеличением достоверности получаемых с таких детекторов данных.
К нам поступает большое количество задач от партнеров, которые им ставят заказчики. И порой возникают настоящие курьезные ситуации. Например: Владельцу сети магазинов требовалось оповещать охранников, когда посетитель берет с полки товар, и прячет его под одеждой. Человеку, видящему в камеру подобное, все сразу понятно – кража. А вот как понять это системе? Может он просто полез за бумажником. Не существует функционала, который мог бы разбираться в подобных происходящих ситуациях! Видеоаналитика не всемогущая, у нее есть множество ограничений и требований при использовании, которые нельзя не принимать во внимание.
Не стоит ожидать, что видеоаналитика заменит оператора, будет способна функционировать в полностью автоматическом режиме, позволит детектировать и распознавать с вероятностью 100%. Вся работа программистов и математиков нацелена на повышение достоверности, но 100% не возможно достигнуть. Всегда останется доля процентов, которая будет означать неверно распознанный номер, пропуск злоумышленника, незаписанный важный фрагмент архива. Видеоаналитика позволяет помогать в работе оператора и автоматизации его работы, но ни в коем случае его не заменяет.
Грамотное применение систем видеоанализа может быть выгодно с коммерческой точки зрения, но нужно понимать, что все эти результаты не даются даром! На это тратятся очень серьезные серверные ресурсы, и какие они, нужно знать заранее, чтобы заложить их в видеосервер. Мы проводим тестирование видеоаналитики, и знаем какая видеоаналитика, с каких камер, как загружает оборудование. Мы знаем какая аналитика и как может помочь в той или иной ситуации и решении поставленной заказчиком задаче. Вы всегда можете обратиться за консультацией, и мы поможем найти наилучшее решение и подобрать оборудование, необходимое для реализации поставленной перед вами задачи.
Семинар на стенде компании Видеомакс с международного форума All-over-IP 2014. Семинар посвящен использованию видеоаналитики на практике. Ведущий - менеджер отдела продаж, Денис Любин
Мы собираем статистику о посещениях сайта, cookie, данные об IP-адресе и местоположении. Если Вы не хотите, чтобы эти данные обрабатывались нами, Вы должны покинуть сайт. СОГЛАСЕН
Возможности современной видеоаналитики | ООО «Видеомакс»
Видеоаналитика (термины, сферы применения, технологии)
Как устроена видеоаналитика / Хабр
Области применения видеоаналитики
Интеллектуальная видеоаналитика — БЕСПЛАТНО, обзор...
Все Темы Рефератов По Информатике 11 Класс
Историческое Сочинение Мономах
Мой Любимый Писатель Маяковский Сочинение
Сочинение Чему Учит Сказка Спящая Царевна
Титульный Лист Конкурсного Сочинения Образец