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 ещё нужно? 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 технологиях видеоаналитики можно найти много рекламной информации. Мы видим, как производители программного обеспечения активно продвигают свои решения, наделяя модули видеоаналитики почти фантастическими способностями: якобы они позволяют распознавать все вокруг, выявлять в толпе преступников, распознавать факты мошенничества и неприемлемого поведения.Тем самым у заказчика формируют ошибочное представление о работе системы аналитики. Инсталлятор не всегда чётко понимает, какие задачи та или иная технология видеоанализа способна решать, где её выгодно применять, а где это будет не эффективно или необоснованно дорого.
В рамках этой статьи мы рассмотрим реальные возможности современной видеоаналитики, разбёремся с заблуждениями, главное, определим, какой реальный экономический эффект можно получить от внедрения таких систем.
Технологии видеоанализа. Направления развития видеоаналитики
Видеоаналитика — это интеллектуальный анализ потока видеоданных от камеры (последовательно поступающих видеоизображений) и автоматическое выявление различного рода данных и детектирование заранее запрограммированных ситуаций. Аналитика ведётся как в режиме реального времени, так и при работе с архивом. Результатами работы технологии видеоаналитики являются события, которые могут быть переданы оператору системы видеонаблюдения в виде сообщения или записаны в архив для последующего поиска по ним и составления отчётов.
Давайте определимся, в каких направлениях сейчас развиваются алгоритмы видеоаналитики, какие технологии там используются. И на примерах рассмотрим выгоду применения.
Можно разделить аналитику на несколько самостоятельных направлений:
- базовые и сервисные детекторы;
- анализ треков;
- распознавание образов;
- детекторы нетривиального поведения;
- детекторы пожара и дыма;
- бизнес-аналитика.
Стандартный функционал. Сервисные детекторы
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.
-
Детектор движения предназначен для обнаружения наличия движущихся объектов в кадре. За счёт записи по детекции движения мы можем существенно сократить объём архива и соответственно требуемое на это дисковое пространство. Это позволяет сэкономить на оборудовании. В архиве мы фактически получае только важную для нас информацию, и не тратим ресурс оборудования и операторов на те моменты, когда в кадре ничего не происходит.
Обратить внимание
Более подробно о детекции движения рассказывается в нашей статье «Детекция движения в ПО видеонаблюдения».
- Детектор оставленных/исчезнувших предметов оповещает о появлении или исчезновении предмета из кадра. Позволяет обращать внимание оператора на тревожные ситуации на таких объектах как аэропорты, вокзалы, картинные галереи и т.п.
-
Детектор лиц определяет появление в кадре лица человека, отличая его от любого другого объекта. Позволяет выделять лица в архиве и производить поиск нужного нам человека в большом объёме записанного архива.
Сервисные детекторы:
- детектор закрытия объектива;
- детектор засветки;
- детектор сдвига камеры;
- детектор изменения фона;
- детектор расфокусировки.
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.
Видеоаналитика в помощь оператору
Появление и развитие систем 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 — оператор освобождается от непрерывного контроля за видеорядом, благодаря выявлению только значимых событий и оповещению о них. Это позволяет сконцентрироваться на принятии решений и сократить штат до одного человека. К тому же скорость реакции на тревожные события значительно увеличивается, а риск пропустить что-то важное — снижается. Выгода налицо, 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 и совершенствуются механизмы обработки. В последнее время качество и надёжность работы данной функции видеоаналитики значительно повысились и она находит всё большее практическое применение.
Первое практическое применение - ситуационные видеодетекторы
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 — программное обеспечение, а не охранная сигнализация. И она вам не заменит охранных датчиков на периметре. Это система, которая должна помогать оператору, а не заменять его.
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:
- детектор пересечения объектом линии в выбранном направлении;
- детектор движения в заданной зоне;
- детектор входа/выхода объекта из зоны;
- детектор появления/исчезновения объекта в зоне;
- детектор остановки или пребывания объекта в зоне.
Любой из детекторов можно настроить на работу с определённым типом объектов (человек или автомобиль), с определёнными свойствами и параметрами (цвет, размер, скорость перемещения). Этот функционал доступен у каждого серьёзного производителя ПО видеонаблюдения.
Второе практическое применение анализа «треков» - поиск в архиве
Это те же самые видеодетекторы, только используются не в режиме реального времени, а при работе с записанным архивом. Когда полезна эта функция? 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, чтобы найти этот момент. Даже в ускоренном режиме это займёт 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 характеристики объектов и их движения — метаданные. При поиске задаются параметры, которые нужно найти — например, пересечение линии или нахождения объекта в определённой зоне, цвет объекта или размер. Благодаря этому, мы можем за считаные 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. С результатами нашего тестирования этого программного продукта вы можете ознакомиться в нашем видеоролике на YouTube канале: https://vk.com/video-139963801_456239185
Технологии распознавания образов. Автоматизация и тотальный контроль
Многое из того, что мы видим на экране из голливудских блокбастеров, становится реальностью. Распознавание образов по видеоизображению стало реальным с ростом возможностей аппаратных платформ по обработке значительных объёмов информации и проведения сложнейших математических вычислений. Основных коммерчески применимых направлений здесь два: распознавание номеров и лиц. Давайте рассмотрим, какие задачи можно решить и какие выгоды получить при внедрении распознавания.
Распознавание автомобильных номеров: автоматизация парковок
Система выискивает попавший номер автомобиля в поле зрения камеры, распознаёт его и сравнивает с заранее созданной базой номеров на предмет совпадения, либо просто ведёт 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: они применяются на парковках, скоростных трассах, используются на въездах на территорию складов, дачных посёлков, а также реализуют контроль доступа на территорию или фиксируют проезжающие автомобили.
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 того, 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. Заказчик полностью контролирует объект, прибыль останется в его кармане.
Стоит отметить, что при реализации подобных систем, 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 повышения надёжности применяются специальные программные алгоритмы. Как достигнуть фиксации 100% въезжающих автомобилей — рассказывается в нашем справочном пособии.
Существует также аналитика распознавания номеров ж/д вагонов, которая, по сути, является аналогом распознавания автомобильных номеров, с отличиями в требованиях по установке и формату номера.
Распознавание лиц
Алгоритм похож на предыдущий, но значительно сложнее в программной реализации. Система определяет наличие лиц в кадре, распознаёт их и сравнивает с похожими в базе. Результат выводится в виде процента совпадения.
Много заблуждений существует в отношении этой технологии видеоаналитики. 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 занёсенной в базу старой фотографии.
Работает это далеко не так! И здесь есть серьёзные ограничения. Для корректного распознавания лиц необходимо соблюдение множества условий: ориентации камеры относительно лица, направления взгляда человека, освещения лица, особых настроек камер и иных нюансов. Какие точно нужны условия для того, чтобы алгоритмы видеоаналитики сработали как надо и как настроить систему распознавания лиц — рассказывается в наших справочных пособиях.
Чем больше отступлений от этих условий, тем ниже процент распознавания и выше количество ложных срабатываний. Исходя из данных условий, выходит, что описанная ранее ситуация фактически невыполнима, и лучше заранее отговорить заказчика от попыток реализации подобных систем.
Правильно встанет, посмотрит в камеру, снимет шляпу или очки. Только в этом случае требуемая функция будет работать. Важно понимать, что даже в таких условиях система является вспомогательной, позволяя упрощать идентификацию. Должны быть предусмотрены случаи, когда система не сработает, и решение должен будет принимать оператор.
Тем не менее примеров успешного коммерческого использования технологий распознавания лиц всё больше и больше. Мы можем вспомнить пример, в котором сервер видеоаналитики был применён в ресторане, где заказчику нужно было выявлять желательных и нежелательных посетителей. Желательные (VIP): постоянные клиенты и известные люди. Нежелательные: злоумышленники, неплательщики и скандалисты, преступники. Идентификация позволила повысить качество обслуживания лояльной аудитории и предотвратить потери от нежелательных посетителей, тем самым повысить доходы ресторана.
Развитие ситуационных детекторов - детекторы нетривиального поведения
Бывают случаи, когда необходимо идентифицировать конкретные ситуации или поведение людей. Для этого используют так называемые детекторы нетривиального поведения. Принцип действия модулей видеоаналитики на базе таких детекторов построен на более сложном сопоставлении записанных треков с заранее заданными всевозможными шаблонами, имитирующими поведение.
Такие детекторы — мечта службы безопасности многих объектов. Но давайте разберёмся 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 невысока, 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 эффективными. Хотя, возможно, в будущем ситуация изменится, и подобная аналитика станет более совершенной. Уже сейчас неплохо работают такие сценарии, как обнаружение нестандартного направления движения (человек, идущий поперёк потока толпы, вход через выход), бегущего человека и т.п.
Нет дыма без огня. Обнаружение задымления и огня с использованием видеоаналитики
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 основе машинного зрения позволяет в большинстве случаев фиксировать задымление раньше пожарных датчиков, а интеллектуальная видеоаналитика 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, лесные массивы. Раннее обнаружение и локализация возгорания может сэкономить огромные средства на борьбу с бушующим пожаром и ущербом с ним связанным.
Умное видеонаблюдение как инструмент для роста бизнеса
До этого о технологиях и функциях видеоаналитики мы говорили исключительно как о способе увеличения эффективности охраны или снижения стоимости владения. Однако те же инструменты могут быть использованы для бизнес-анализа и непосредственного увеличения прибыли.
С их помощью руководство торговых точек может повышать качество обслуживания и оценивать эффективность работы менеджмента, маркетологи — определять успешность рекламных кампаний, а мерчендайзеры — выстраивать маршруты между полками так, чтобы увеличивался средний чек. 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 ритейле, и какими они бывают.
Детектор подсчёта посетителей. Точные данные о конверсии
Он предназначен для подсчёта входящих и выходящих людей на торговом объекте или в рамках выделенной наблюдаемой зоны. Это наиболее точный на сегодняшний день метод подсчёта 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 этого программного решения для видеоаналитики можно оценить эффективность работы розничного магазина. Оценкой может служить показатель конверсии. Это базовый показатель эффективности торговой точки, демонстрирующий 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.
Тепловые зоны. Эффективное планирование расположения товара
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 же, можно провести исследования, проанализировав архив системы видеонаблюдения, но это займёт слишком много времени и будет 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 модулей видеоаналитики можно выполнить оценку эффективности и качества проведения рекламной акции. Системы видеоанализа могут предоставить объективную картину об изменении количества посетителей магазина с начала рекламной кампании и помочь оценить заинтересованность витриной с рекламируемым товаром.
Детектор определения длины очереди. Довольный покупатель - ваш друг!
Вы наверняка видели объявления на кассах: «Если вы 4-й 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. Интеллектуальная видеоаналитика для подсчёта длины очереди с автоматическим уведомлением о превышении допустимого количества людей в очереди позволяют оперативно решить проблему и повысить лояльность покупателей.
Помимо уведомлений ПО подобного плана позволяет получить статистику о длине очереди по отдельным кассам, по часам, дням, неделям, месяцам. Всё это позволяет оптимизировать работу касс.
Интеграция данных от счётчика посетителей и детектора длины очереди позволит прогнозировать наплыв покупателей на кассы и заранее открывать дополнительные кассы.
Чего ещё ждать?
В завершение несколько слов о перспективах развития программного обеспечения видеоаналитики.
Активно развиваются технологии в области распознавания лиц. В частности, эволюционируют нейросети и алгоритмы, основанные на построении 3D-моделей и . В ближайшем будущем это позволит более качественно проводить идентификацию и решать задачи, которые на данный момент кажутся фантастическими.
Распознавание половых и возрастных признаков — это функции видеоаналитики, необходимые для бизнес-процессов в ритейле. Они позволяют оценивать возрастную и гендерную принадлежность покупателей, с помощью чего появляется возможность формировать стратегии продаж, ориентировать рекламные кампании на определённый круг потребителей и даже адаптировать отдельные магазины под конкретную публику.
Мы очень надеемся, что в ближайшие годы будут совершенствоваться и детекторы нетривиального поведения. Это позволит повысить эффективность и оперативность работы операторов наблюдения. Наши партнёры ведут постоянную работу над увеличением достоверности получаемых с таких детекторов данных.
Чего в ближайшее время ждать не стоит?
Партнёры часто адресуют нам задачи, которые перед ними ставят заказчики. И порой запросы бывают до курьёзного нереалистичны. Например, владельцу сети магазинов требовалось оповещать охранников, когда посетитель берёт с полки товар и прячет его под одеждой. Человеку, видящему в камеру подобное, всё сразу понятно — кража. Но как это понять системе? Может, он просто полез за бумажником. Не существует функционала, который мог бы разбираться в подобных ситуациях! Видеоаналитика — даже самая что ни на есть интеллектуальная и продвинутая — вовсе не всемогуща, у неё есть множество ограничений и требований при использовании, которые необходимо принимать во внимание.
Обратить внимание
Сегодня наиболее перспективными принято считать технологии видеоаналитики, использующие для анализа изображения нейросети. Какие задачи может выполнять сервер видеоаналитики на базе нейросетей, какие возможности получает и пользователь и что при этом важно знать — рассказывается в нашем видео «Нейросетевая видеоаналитика. Как это работает. Возможности и ограничения».
Не стоит ожидать, что сервер видеоаналитики заменит оператора и будет способен функционировать в полностью автоматическом режиме, распознавая всё с вероятностью 100%. Вся работа программистов и математиков нацелена на повышение достоверности, но 100% невозможно достигнуть. Всегда останется доля процентов, которая будет означать неверно распознанный номер, пропуск злоумышленника, незаписанный важный фрагмент архива. Системы видеоаналитики позволяют помочь оператору и автоматизировать часть его работы, но не призваны его заменить.
Резюме
Грамотное применение видеоанализа может быть выгодно с коммерческой точки зрения, но нужно понимать, что все эти результаты не даются даром! На это тратятся очень серьёзные серверные ресурсы, и какие они, нужно знать заранее, чтобы выбирать видеосервер с их учётом. Мы проводим тестирование систем видеоаналитики и знаем, какие функции, с каких камер, как нагружают оборудование. Мы знаем, какое программное обеспечение и как может помочь в той или иной ситуации и воплощения желаний заказчика. Вы всегда можете обратиться за консультацией, а мы поможем с подбором оборудования (в т.ч. и решений на основе видеоаналитики) 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
Подпишитесь, чтобы быть в курсе новых технологий видеонаблюдения.Подпишись на канал