Интеллектуальная система видеонаблюдения реферат

Обновлено: 08.07.2024

Интеллектуальные системы видеонаблюдения, в современном мире, активно внедряются в комплексы охраны живых и неживых объектов. Интеллектуальный аппаратно-программный комплекс (АПК) видеонаблюдения интересует частных заказчиков, коммерческие и общественные организации, а, также, целые государственные системы.

Проект цифровизации "Умный город"

На государственном уровне интеллектуальные системы видеонаблюдения реализуются в различных федеральных программах. Одной из развивающихся программ является проект цифровизации городского хозяйства "Умный город" .

Проект "Умный город" направлен на повышение конкурентоспособности российских городов , формирование эффективной системы управления городским хозяйством, создание безопасных и комфортных условий для жизни горожан и базируется на 5 ключевых принципах :

Основной инструмент реализации этих принципов - широкое внедрение передовых цифровых и инженерных решений в городской и коммунальной инфраструктуре.

Основными ответственными исполнителями проекта являются:

Департамент городской среды Минстроя России ;
Минсвязи РФ ;
ПАО "Ростелеком" ;
ГК "Росатом" ;
ГК "Ростех"
Центр компетенций "Умный город" ;
другие организации.

Узнать подробнее о главных направлениях проекта "Умный город" и мерах по их реализации можно в паспорте проекта, утверждённом приказом Минстроя России №695/пр от 31.10.2018 г .

Аппаратно-программный комплекс "Безопасный город"

Для обеспечения безопасности городской инфраструктуры МЧС России внедряется и эксплуатируется АПК "Безопасный город" .

В " Стратегии национальной безопасности Российской Федерации до 2020 года " подчеркнуто, что решение задач обеспечения национальной безопасности в чрезвычайных ситуациях должно достигаться на основе: "…повышения эффективности реализации полномочий органов местного самоуправления в области обеспечения безопасности жизнедеятельности населения…" .

МЧС России при взаимодействии с федеральными органами исполнительной власти и экспертным сообществом разработана Концепция построения и АПК "Безопасный город" , которые утверждены распоряжением Правительства Российской Федерации №2446-р от 03.12.2014 г .

АПК "Безопасный город" и проект "Умный город" могут использовать новейшие технологии в области интеллектуальных систем видеонаблюдения. Одной из таких реализованных технологий является новая видеокамера от ГК "Ростех" .

"Умная" видеокамера от Ростеха

Холдинг "Швабе" Госкорпорации Ростех разработал всепогодную интеллектуальную видеокамеру наружного наблюдения . Встроенная система видеоаналитики позволяет в автоматическом режиме определять возникновение нештатных ситуаций и передавать информацию в ситуационный центр. Серийный выпуск запланирован на I квартал 2019 года.

Встроенная в прибор система анализирует обстановку и выявляет нехарактерные ситуации и объекты , требующие повышенного внимания. Программное обеспечение разработано на основе комплекса алгоритмов машинного зрения для мониторинга и анализа данных без прямого участия человека. Так, например, "умная" камера определяет, остановился ли автомобиль в неположенном месте или движется с превышением скорости. Устройство также может управлять светозвуковой сигнализацией , передавать информацию о срабатывании датчиков и отправлять тревожный сигнал .

В настоящее время аппаратное совершенствование техники происходит параллельно с разработкой программных систем видеоаналитики, в которых реализуются интеллектуальные механизмы распознавания графической информации и сложная системная настройка правил анализа данных.

Интеллектуальная система видеоаналитики

Поскольку многие сведения об интеллектуальных системах видеонаблюдения напрямую влияют на успешность реализации охранного комплекса, к ним ограничивают доступ посредством введения режима служебного пользования, коммерческой и государственной тайны .

В этой статье речь идёт о некоторых возможностях гражданского применения интеллектуальных систем видеонаблюдения. Многие заказчики при проектировании и внедрении на своих объектах недвижимости охранного комплекса, рассматривают эксплуатацию интеллектуальных систем, как улучшение качества защиты.

При разработке проекта охранного комплекса учитываются все необходимые вводные об охраняемых объектах, режимах их использования, возможных штатных и внештатных ситуациях. На основе полученных данных разрабатываются специальные алгоритмы, которые можно условно разделить на две основные части:

система обнаружения и распознавания объектов;
система аналитики данных об объектах.

В этих двух смысловых частях присутствует автоматический анализ интеллектуальной системы и ручная подстройка на основе правил, создаваемых инженером по настройке интеллектуальных систем видеонаблюдения.

Несмотря на то, что интеллектуальный уровень охранных систем достаточно высокий, эффективность адаптации системы к конкретным задачам во многом зависит от ручной настройки специалистом. При такой настройке максимально учитываются:

особенности процессов свойственных наблюдаемым объектам;
штатные сценарии поведения живых объектов;
штатные режимы использования неживых объектов;
процессы регистрации и ввода в систему наблюдения новых объектов;
сценарии оперативного реагирования при возникновении тревожных сигналов;
другие особенности.

Процессы аналитики данных видеонаблюдения учитывают большинство сведений о наблюдаемых объектах, включая изменение их свойств и регистрацию путей перемещения в пространстве.

Все эти данные обрабатываются и анализируются в целю выявления тревожных сигналов.

В интеллектуальных системах прошлых лет возможны были такие ситуации, когда злоумышленники могли свободно перемещаться в камуфляже, имитирующем неживые предметы, например, коробки или контейнеры, и охранная система не обнаруживала тревожных признаков. В таких системах не было анализа истории присутствия неживых объектов в пространстве.

Некоторые современные охранные комплексы при осуществлении видеонаблюдения за объектами, находящимися на охраняемой территории, получают подтверждения обработанных видео-данных из других неоптических систем определения объектов в пространстве.

На основе сверки данных из разных систем определения и контроля наблюдаемых объектов, интеллектуальный комплекс делает выводы о наличии или отсутствии угроз безопасности.

Если, при возникновении угрозы, аналитическая интеллектуальная система позволяет автоматически разработать и реализовать комплекс оперативных защитных мер, то на пульт оператора может приходить информация об осуществляемых в режиме реального времени действиях.

Интеллектуальные охранные системы могут использовать многоуровневую систему аналитики данных и адаптироваться для осуществления конкретных охранных функций специалистом, от компетентности которого во многом зависит эффективность всего охранного комплекса.

Дополнительно к статье:

Пример готовой курсовой работы по предмету: Информационные технологии

Содержание

1. Существующие технологии видеоаналитики……………..…………8

1.1. Основные типы видеоаналитики………………………………………….8

1.2. Архитектуры системы видеоаналитики.……………………..…………11

1.1. Способы определения тревожных ситуаций……………………..…… 13

1.1. Международные стандарты……………………………………………… 13

1.1. Области применения видеоаналитики……………………………..…… 14

2. Опыт внедрения многокамерной видеоаналитики для охраны периметра………………………………………………………….……………..17

2.1. Описание объекта потенциальные угрозы и задачи системы видеонаблюдения. ………….…….………………………………….…………. 17

2.2Аппаратное обеспечение и размещение камер.…………….…….……. 19

2.3. Приемная часть системы видеонаблюдения……………….……………24

2.1. Оценка качества изображения..………………………….……..……….29

2.1. Многокамерное сопровождение..………………………….…….……..34

3. Видеонаблюдение правовые акты и законы..…….………………..38

Список использованной литературы………………….………………………..48

Выдержка из текста

Видеоаналитика (video analytics)[1,7]

Видеоаналитика опирается на алгоритмы обработки изображения и распознавания образов, позволяющие анализировать видео без прямого участия человека. Видеоаналитика используется в составе интеллектуальных систем видеонаблюдения (CCTV, охранного телевидения), управления бизнесом (business intelligence, BI) и видеопоиска.

В зависимости от целей, видеоаналитика может реализовать как одну, так и несколько базовых функций:

• Обнаружение объектов (object detection).

Как правило, обнаружение объектов в поле зрения камеры производиться при помощи видеодетекторов движения. Основное отличие видеоаналитики от ИК-датчиков движения состоит в возможности локализации (выделении) и независимого анализа сразу нескольких объектов. Если движение не является достаточным признаком для локализации объекта в кадре, то обнаружение может производиться при помощи шаблонов. Например, обнаружение лиц людей, номерных знаков автомобилей или обнаружение малоподвижных морских целей может быть реализовано при помощи признаков Хаара.

• Слежение за объектами (object tracking).

• Классификация объектов (object classification).

Некоторые системы видеоаналитики классифицируют объекты для фильтрации оперативных уведомлений или результатов поиска. Например, типовой классификатор объектов, используя признаки формы и абсолютные размеры, распределяет объекты на группы: человек, группа людей, транспортное средство. Более сложные классификаторы в системах видеоаналитики для ритейла могут определить пол или возвратную группу человека.

• Идентификация объектов (object identification).

Идентификация объектов является наиболее сложным компонентом систем видеоаналитики. Современные системы позволяют идентифицировать людей по биометрическим признакам лица или транспортные средства – по номерным знакам. Идентификация может быть реализована при помощи дополнительных средств за рамками видеоаналитики: на основе отпечатков пальцев, банковской карты, билета, пропуска или идентификатора мобильного устройства.

Рис. 1 Идентификация объектов

• Обнаружение (распознавание) ситуаций. Видеоаналитика позволяет не только выделять объекты из потокового видео, но и распознавать тревожные ситуации на основе анализа поведения данного объекта, что не дает сделать обычная система видеонаблюдения. Также ситуационная видеоаналитика может автоматически детектировать пересечение сигнальной линии, падение людей, запрещенную парковку и возникновение пожара.

Рис. 2 Обнаружение (распознавание) ситуаций

Кроме этого, видеоаналитика формирует метаданные, то есть структуры данных, которые описывают содержание каждого кадра видеопоследовательности. Метаданные содержат такую информацию как местоположение и идентификаторы объектов (как правило, в виде тревожной рамки), траекторию и скорость движения объектов, данные о разделении или слиянии объектов, данные о возникновении и окончании тревожной ситуации. Метаданные записываются в видеоархив и воспроизводятся вместе с видео.

Видеоаналитика может иметь расширенные функции, такие как:

• Прогнозирование поведения объекта или возникновения ситуаций (например, образование очереди на кассе через

1. минут с учетом числа зашедших покупателей и числа работающих касс);

• Интеллектуальное сжатие видеоконтента с учетом интереса потребителя (например, система передает только видео, содержащие тревожные ситуации);

• Ранжирование (определение приоритета) событий видеоаналитики;

• Формирование производных видеоданных (интегральный кадр, таймплапс)

• Удаление персональных данных из видеоряда, например, при помощи детектора лиц и номерных знаков.

Целью данной работы является полное рассмотрение систем видеоаналитики, начиная от самого понятия функционала и возможностей заканчивая правовыми актами и законодательством. Чтоб процесс изучения данных систем был более понятен будут приведены различные примеры и реализации данной технологии.

Объект исследования – участки где используются системы видеоанализа для охраны периметра.

Список использованной литературы

1. Анализируем системы видеоаналитики. Часть 2. [Электронный ресурс].

2. Система видеонаблюдения для крупного объекта

Встроенная видеоаналитика. [Электронный ресурс].

3. Видеонаблюдение: юридические аспекты. [Электронный ресурс].

4. Применение видеоаналитики в комплексных системах безопасности. [Электронный ресурс].

5. Опыт внедрения многокамерной видеоаналитики для охраны периметра. [Электронный ресурс].

В последние годы видеонаблюдение стало неотъемлемой частью нашей жизни и одной из составляющих мер безопасности. Первые видеокамеры, предназначенные для его проведения, были аналоговыми. Они осуществляли прием оптического изображения, а затем формировали аналоговый видеосигнал, записываемый на магнитную ленту. С развитием технического прогресса появилась возможность вести видеонаблюдение с помощью новейшего оборудования, передающего цифровой сигнал, но при этом аналоговые камеры по-прежнему широко используются во многих системах видеонаблюдения. Их можно встретить в банках, торговых залах, подъездах жилых домов и в квартирах.

Прикрепленные файлы: 1 файл

Dimpom_na_pechat.doc

Введение

Аналоговые камеры видеонаблюдения устанавливаются в отдельно взятых помещениях и применяются для наблюдения за небольшим числом объектов. Они имеют простую конструкцию и невысокую стоимость, что является их неоспоримым достоинством. При этом аналоговая камера легко монтируется и обеспечивает хорошее качество записи даже в темное время суток. Все фиксируемые ими изображения автоматически записываются на видеокассеты.

Аналоговые камеры видеонаблюдения могут быть черно белыми и цветными, купольными, скрытыми, миниатюрными, могут быть вмонтированы в корпус, а могут устанавливаться без него. Миниатюрные камеры могут устанавливаться на поворотные кронштейны, движение которых позволяет делать полный обзор помещения. Их обычно используют для наблюдения за торговым залом. Скрытые камеры можно устанавливать незаметно и вести наблюдение, не оповещая о нем присутствующих. Купольные камеры, благодаря их быстрому вращению, позволяют вести наблюдение за большой территорией без установки дополнительного оборудования. При этом может фиксироваться огромное количество информации. По традиции их устанавливают в залах банков и офисов.

Такое многообразие аналоговых камер видеонаблюдения дает потребителю возможность выбрать подходящее ему устройство. Вероятно, именно по этой причине их популярность остается неизменно высокой. Нельзя оставить без внимания низкие цены на аналоговые камеры, что делает их особенно привлекательными в глазах потребителей. Все эти качества позволяют вести речь о том, что аналоговые камеры видеонаблюдения являются отличным вариантом при использовании их для охраны различных объектов и обеспечения их безопасности.

Рынок CCTV переживает период диверсификации - многие компании, которые начинали свою деятельность со сферы видеонаблюдения, стали сегодня многопрофильными и предлагают своим клиентам комплексные проекты. Этот процесс был вызван новыми рыночными условиями и, в частности, желанием клиента получать от одного поставщика максимальный спектр услуг в области безопасности

Комплексный подход естественным образом повлек за собой изменения в выборе оборудования. Теперь при разработке решения все чаще учитывают не только соотношение цена/качество, но и корректную работу оборудования различных производителей при его интеграции в общую систему, а также возможность наращивания функционала в связи с новыми задачами и требованиями клиента.

Данный процесс оказался актуальным не только для оконечного оборудования, но затронул также и подходы к выбору способов передачи видеосигнала.

Структура дипломной работы включает в себя введение, 4 главы, заключение и список использованной литературы.

1 Сведения о технологии

1.1.Видеокамеры: общие положения

Видеокамеры - это по сути глаза видеосистемы, они определяют ту визуальную информацию, которая в конечном итоге поступает к оператору. Однако, в отличие от глаз, использование видеокамер предоставляет оператору уникальную возможность одновременно видеть на экране видеомонитора изображения из многих, достаточно удаленных мест.

ПЗС-матрица состоит из большого числа фоточувствительных ячеек (пиксел - элементов изображения), которое нередко указывается в паспорте на видеокамеру (например, 752 х 582). Ясно, что чем больше элементов преобразования, тем менее заметной будет дискретность результирующего изображения. Для того, чтобы повысить световую чувствительность каждой ячейки, нередко формируют специальную структуру, которая создает микролинзу перед каждой ячейкой.

Для получения цветного изображения перед ячейками формируются микрофильтры основных цветов R, G, B (очевидно, что для цветных видеокамер количество результирующих ячеек будет в 3 раза меньше, чем у черно-белых видеокамер, а чувствительность ниже). Кстати, дискретная структура ПЗС-матрицы является предпосылкой для создания современных цифровых видеокамер, что позволяет их использовать, например, в компьютерных сетях; на выходе таких видеокамер формируется цифровой код (в отличие от большинства существующих в настоящее время видеокамер, на выходе которых имеется стандартный аналоговый видеосигнал размахом 1 В). Не следует путать цифровую видеокамеру и видеокамеру с цифровой обработкой сигнала (DSP).

Видеокамеры характеризуются специальным параметром, который называется формат ПЗС-матрицы (format)- это не что иное, как округленное значение длины диагонали ПЗС-матрицы, выраженное в дюймах. Например, наиболее популярная в настоящее время матрица 1/3 дюйма имеет размеры: (4,8 х 3,6) мм. Существуют также матрицы 1 - (12,8 х 9,6) мм, 2/3 - (8,8 х 6,6) мм, 1/2 - (6,4 х 4,8) мм, 1/4 - (3,6 х 2,7) мм, причем тенденция такова, что размеры матрицы у современных видеокамер становится все меньше (это экономически выгодно), а разрешающая способность и чувствительность видеокамер практически не ухудшаются.

Знание формата ПЗС-матрицы необходимо для выбора подходящего объектива - диаметр окружности, в которой отображается сфокусированное объективом изображение, по сути, является диагональю матрицы (так как матрица имеет форму прямоугольника, то на нее приходится только часть кругового изображения; если формат матрицы и объектива совпадают, прямоугольник матрицы точно вписывается в окружность). Отметим, что если видеокамера поставляется со своим объективом, то информация о формате ПЗС-матрицы в документации на видеокамеру является избыточной.

Все видеокамеры функционально устроены как показано на рисунке 1.

Рисунок 1 - Видеокамеры функционально выглядят так

При выборе видеокамеры следует в первую очередь определиться - видеокамера должна быть цветной или черно-белой, а это, в свою очередь, непосредственно вытекает из технического задания на видеосистему. Следует оговориться, что в одной и той же системе можно одновременно использовать и цветные, и черно-белые видеокамеры (если есть такая необходимость). Например, вся видеосистема цветная, и среди видеокамер есть так называемый видеоглазок (черно-белая видеокамера со сверхширокоугольной оптикой, устанавливаемая во входной двери) - при этом изображение на цветном видеомониторе (или телевизоре) от видеоглазка будет черно-белым. Или, к примеру, вся видеосистема (включая видеомонитор) черно-белая, а одна видеокамера цветная - все изображения будут черно-белыми.

Как уже говорилось, черно-белые видеокамеры более чувствительные (то есть могут работать при меньшей освещенности, почти в полной темноте) и имеют лучшую разрешающую способность, чем цветные видеокамеры (то есть они способны различать более мелкие детали и удаленные объекты); к тому же, что немаловажно, черно-белые видеокамеры существенно дешевле.

Цветные видеокамеры имеют всего одно, но очень существенное преимущество - высокую информативность. И это подчас является решающим аргументом, несмотря на их сравнительно высокую стоимость, а также зависимость качества изображения от типа источника света.

1.2. Разрешающая способность видеокамер

Разрешающая способность (Resolution) является одной из важнейших характеристик систем видеонаблюдения. Она характеризует способность видеосистемы различать мелкие детали и удаленные предметы. Разрешающая способность измеряется в так называемых телевизионных линиях (ТВЛ) - количестве различимых на экране видеомонитора черных и белых штрихов минимальной толщины. Чем больше это значение, тем мельче детали и более удаленные предметы можно наблюдать (что особенно важно вне помещений). Например, черно-белая видеокамера с 600 ТВЛ лучше, чем с 380 ТВЛ (первую относят к видеокамерам высокого разрешения, вторую - стандартного разрешения).[1]

Надо отметить, что к паспортным данным поставщиков видеокамер следует относиться очень осторожно. Так, результаты измерений ряда японских, корейских и тайваньских видеокамер показали, что в отдельных случаях их реальная разрешающая способность составляла 360 ТВЛ (против заявленных в паспортах 380 ТВЛ, 420 ТВЛ и даже 460 ТВЛ).

Следует подчеркнуть, что разрешающая способность видеокамеры в первую очередь определяется параметрами ПЗС-матрицы, поэтому разрешающая способность черно-белых видеокамер выше разрешающей способности цветных видеокамер. Кроме того, на разрешающую способность оказывает влияние ширина полосы пропускания тракта видеосигнала. Ориентировочное значение необходимой для передачи видеосигнала верхней граничной полосы тракта (МГц) может быть получено делением значения разрешающей способности (ТВЛ) на число 80. Например, если требуется разрешающая способность 420 ТВЛ, то полоса пропускания должна быть: 420 : 80 = 5,25 (МГц).

Для цветных видеосистем обязательным условием является передача спектра видеосигналов вблизи поднесущей цветности PAL (4,43 МГц). Отметим, что абсолютное большинство цветных охранных видеосистем, эксплуатирующихся в России, работает в стандарте PAL. Как правило, ширина полосы пропускания тракта видеосигнала в этих системах составляет около 5 МГц.

Что касается результирующей разрешающей способности всей видеосистемы, то на ее значение оказывают влияние параметры всех входящих в систему элементов: видеокамер, объективов, усилителей, устройств обработки видеосигналов, видеомониторов, устройств видеозаписи, кабелей. При этом общая разрешающая способность будет хуже худшей разрешающей способности входящих в видеосистему элементов. К примеру, если видеокамера, имеющая разрешающую способность 420 ТВЛ, кабелем соединена с видеомонитором, у которого разрешающая способность 800 ТВЛ, то результирующая разрешающая способность может быть, например, 390 ТВЛ или 350 ТВЛ, но никак не будет равна 420 ТВЛ.

К сожалению, в настоящее время отсутствует методика, позволяющая аналитически рассчитать результирующую разрешающую способность видеосистемы по значениям разрешающих способностей входящих в нее элементов. Более того, нет единого международного стандарта на измерение параметров видеосистем вообще, и видеокамер в частности; многие параметры измеряются в разных фирмах по-разному, при различных условиях. Поэтому еще раз подчеркнем, что следует быть весьма осторожным в отношении параметров, указываемых в рекламных буклетах, каталогах и даже технических инструкциях.

В этом отношении особенно ценными представляются телевизионные испытательные таблицы. Они позволяют:

выявить смакетировать всю видеосистему на рабочем столе (включая бухты используемого кабеля) и предъявить ее для согласования будущему заказчику;
элемент видеосистемы с наихудшей разрешающей способностью, проанализировать, что дает его замена;
использовать таблицы для разрешения конфликтных ситуаций с заказчиком;
осуществлять входной контроль оборудования;
производить сравнение оборудования различных производителей.

Искусственный интеллект и эффективность видеонаблюдения

По материалам Татьяны Дромашко

Видеоаналитика как основа интеллектуальных систем

Системы видеонаблюдения, в составе которых имеются камеры со встроенной видеоаналитикой, можно рассматривать как интеллектуальные системы безопасности. Эти камеры способны интерпретировать изображение, выделяя значимые данные, на основе анализа которых принимаются решения. Видеоаналитика или искусственный интеллект (ИИ) осуществляет автоматизированное обнаружение угроз безопасности с большей надежностью, чем оператор.

Интеллектуальные камеры со встроенной аналитикой автоматически предупреждают оператора о злоумышленниках, подозрительных объектах и опасном поведении людей. Таким образом, оператор службы безопасности может сосредоточиться на самом важном, поскольку в случае необходимости система автоматически предупредит его о внештатной ситуации на объекте. С другой стороны, видеоаналитика или алгоритмы ИИ, встроенные в камеры, собирают обширные метаданные, позволяющие предприятиям повысить безопасность, улучшить эффективность производственной деятельности, снизить затраты и создать новую, помимо безопасности, ценность. Метаданные с видеокамер одной сети можно консолидировать с помощью интеллектуальных программных решений, которые предлагают так называемые предопределенные виджеты для обеспечения бизнес-аналитики путем измерения уровней заполнения территорий, подсчета заполняемости зданий и обнаружения скоплений людей.

Камеры, видеорегистраторы и серверы Smartec с аппаратной аналитикой NEYRO II

Вандалозащищенная купольная 4K камера для наружного наблюдения

Уличная IP-камера Smartec STC-IPMА8526FRA (Level 3) линейки NEYRO II использует высокочувствительный сенсор размером 1/1.8” и моторизованный объектив с автодиафрагмой P-Iris, формирует видео с разрешением 4K Ultra HD, защищена от внешних воздействий и поддерживает современные алгоритмы видеоанализа на основе нейросетей.

STC-IPMА8526FRA способна распознавать лица людей и осуществлять их детекцию по полу и возрасту, снабжена встроенным сервером правил и реакций на события, и рассчитана на работу при температурах от -40 до +50 °С. Наличие аудиоканала, а также входа и выхода тревоги повышает эффективность использования IP-камеры в системе безопасности объекта.

Уличная 4K камера с моторизованным объективом

Цилиндрическая камера Smartec STC-IPMA8626FRA уровня Level 3 обладает широким современным функционалом: она поддерживает нейросетевую видеоаналитику, разрешение высокой четкости 4К на основе высокочувствительного сенсора Sony размером 1/1.8”, оснащена моторизованным объективом и имеет высокую степень защиты от внешних воздействий.

Реализованные в STC-IPMА8626A алгоритмы видеоаналитики NEYRO II на основе нейросетей обеспечивают функции детектора людей и автомобилей, и трекинга объектов по 8 Мп видеопотоку, а также распознавание лиц, пола и возраста людей.

16-канальный IP-видеорегистратор с функцией обработки метаданных видеоаналитики

Высокопроизводительный видеорегистратор Smartec STNR-A1630 имеет 16 IP-каналов, обеспечивает запись и отображение видео от камер с разрешением до 4K в реальном времени, а также поддерживает функции обработки метаданных видеоаналитики на основе нейросетей.

Возможность установки в STNR-A1630 до 5 жестких дисков позволяет создавать видеоархив большой емкости, а доступ к видеорегистратору возможен через удаленные ПК и мобильные устройства без использования “белого” IP адреса за счет поддержки технологии P2P.

Видеоанализаторы семейства NEYRO II на основе нейросетей

Сервер видеоаналитики (видеоанализатор) STI-A1640 базируется на нейросетевых алгоритмах, которые обеспечивают обработку видео от IP-камер различных производителей. STI-A1640 способен обслуживать до 16 IP-камер видеонаблюдения, выполняя детекцию и трекинг большого числа объектов, распознавание лиц, возраста и пола людей, отслеживание ношения масок в общественных местах и т.д.

Сервер видеоаналитики может работать автономно, интерпретируя результаты видеоанализа в виде тревожных реакций, или же как элемент сетевой системы видеонаблюдения, передавая метаданные на видеорегистраторы Smartec NEYRO II, ПО QVMS или сторонние VMS/CMS системы.

Демонстрация аналитики NEYRO II

Примеры использования интеллектуальных систем

Интеллектуальное видеонаблюдение на пляже в Иберии

Хорошим примером использования интеллектуальных камер видеонаблюдения является решение, реализованное на одном из пляжей в Иберии. Имеющаяся там инфраструктура системы безопасности, состоящая из интеллектуальных камер видеонаблюдения со встроенной функцией видеоаналитики, предоставляет ответственным лицам данные о плотности скопления людей и их общем количестве на пляже. При достижении заданных заранее пороговых значений оператору службы безопасности авто- матически направляется сигнал о необходимости принять соответствующие меры для соблюдения безопасной социальной дистанции.

Видеоаналитика для подсчета посетителей

Еще один пример использования интеллектуальных камер видеонаблюдения – решение для подсчета посетителей. Оно заключается в получении данных от камер со встроенной видеоаналитикой и использовании этих данных для регулирования количества людей в магазине, в аэропорту или в любом другом помещении для соблюдения безопасной социальной дистанции.

Видеонаблюдение: встроенный интеллект и адаптируемая аналитика

По материалам Алексея Новикова

Предпосылки внедрения интеллектуальных систем видеонаблюдения

Потребность в безопасности есть абсолютно везде: в школах, транспортной системе, медицинских центрах, различных общественных местах, заводах и фабриках, казино, аэропортах, финансовых и государственных учреждениях, предприятиях розничной торговли. Системы видеонаблюдения в современных условиях должны, прежде всего, упрощать работу специалистов и ускорять поиск критически важных для бизнеса моментов. Кроме того, система не должна перегружать сотрудников СБ ложными сигналами тревоги и максимально автономно принимать решения, минимизируя при этом влияние человеческого фактора.

Зачастую ложным сигналам тревоги наиболее подвержены периметры производственных и технологических объектов, где детекторы движения видеокамер реагируют на появление животных, на дождь или снег, качающиеся ветки деревьев. Операторы попросту перестают обращать внимание на такие сигналы и в самый важный момент пропускают реальную тревогу. Ускорение же поиска в архиве актуально, пожалуй, для любых объектов, найти что-то в рамках одной камеры – уже не простая задача, иногда на это тратятся часы, дни, а то и недели работы оператора. А ведь иногда нужно, например, отследить передвижение конкретного человека между сотней или тысячей камер, причем с разных ракурсов, и распознавание лиц в этом случае не поможет, так как человек не всегда находится близко к камере и смотрит в нее.

За искусственным интеллектом будущее?

Будущее направление развития систем видеонаблюдения, с моей точки зрения, формируется с помощью видеокамер со встроенным интеллектом и адаптируемой аналитикой и ПО, которое либо автономно принимает решение и запускает алгоритмы действий других систем безопасности, либо заставляет оператора гарантированно отреагировать, что в результате значительно повышает эффективность системы безопасности предприятий. Когда аналитика помогает определить закономерности, нарушения и необычные действия, у вас есть все для защиты бизнеса и планомерного развития.

Будущее видеонаблюдения состоит в том, чтобы превратить массу, по сути, бесполезных данных с видеокамер в мощное средство, обеспечивающее беспрецедентное понимание происходящих на охраняемом объекте событий и реагирования на них.

Стандартное видеонаблюдение vs Интеллектуальная видеоаналитика

Как работает 90% систем видеонаблюдения сейчас? Они записывают видеоданные с камер, иногда присутствует оператор, чаще – нет. Когда на объекте что-то случилось, мы начинаем искать в архиве точку отсчета и восстанавливаем хронологию. А что если мы не узнали о случившемся вообще, соответственно, просто не стали разбирать это событие. Для этого и нужна интерактивная система, которая сама подскажет и позволит минимизировать риски. Существующие же детекторы движения дают настолько много ложных сигналов, что проще отключить камеры, чем тратить время на реагирование. Детектор движения видеокамеры изжил себя, это скорее уже прошлое в наш век технологического развития, более актуальна идентификация человека или автомобиля, которая строится на обученной нейронной сети и интегрируется, например, в камеры.

Широкая линейка камер с аналитикой и программное обеспечение с поддержкой ИИ, превратит систему видеонаблюдения в надежного партнера пользователя. С камерами сверхвысокого разрешения от 16 до 61 Мп, которые непрерывно сканируют, анализируют и самообучаются, вы получаете безупречную детализацию изображения в сочетании с ситуационной информированностью. На исследования, которые когда-то занимали часы или дни, теперь требуются минуты, и это значительно снижает косвенные расходы, экономит время и упрощает работу специалистов службы безопасности. Видеонаблюдение и аналитика позволяют узнать, что происходит на предприятии, предвидеть, что будет дальше, и работать с технологией, которая фокусирует ваше внимание на самых важных моментах.

Преимущества интеллектуальных систем видеонаблюдения

Концепция заключается в том, чтобы не просто бесцельно смотреть в мониторы ситуационного центра, а сделать систему общественной безопасности более эффективной, обеспечивая полную осведомленность операторов о важных событиях по мере их возникновения. Таким образом, можно предотвратить больше преступлений и аварий на предприятиях, упростить их расследование и улучшить рабочий процесс.

Появление новейших алгоритмов, предназначенных для быстрой идентификации и классификации человека и автомобиля, обеспечивает обнаружение событий в реальном времени, а также более быстрый поиск и идентификацию людей и транспортных средств, представляющих интерес. Эти средства аналитики повышают эффективность, предупреждая о присутствии нарушителя в отслеживаемой зоне, помогают быстро найти пропавшего ребенка или отследить подозрительное транспортное средство за считанные минуты.

Аналитика нового поколения – не просто инструмент в работе, а настоящий помощник и надежный партнер.

С точки зрения пользователя системы есть запрос на межкамерный поиск конкретного человека и автомобиля, что является надежной аналитической технологией, способной распознавать людей, транспортные средства, лица и номерные знаки, а также конкретные атрибуты, присущие классу объектов. Для человека, например, такие как математическая модель лица, цвет волос или головного убора, цвет одежды, гендерная принадлежность, возраст и др. Задав дискретные правила для определенных событий, для которых требуется оповещение, включая девять различных типов обнаружения движения, можно установить контрольные списки для отображения определенного лица или номерного знака. Когда инцидент требует поиска и просмотра записей, встроенная аналитика позволяет быстро проводить его, будь то транспортное средство, номерной знак или лицо человека на основе эталонного кадра в видео или описании.

Читайте также: