Inteligentna analiza obrazu

Inteligentna analiza obrazu umożliwia wykrycie podejrzanego zachowania...

Istniejące, kosztowne inwestycje w standardowe kamery hamują wprowadzanie kamer sieciowych do powszechnego użycia. Oczekuje się, że w ciągu kilku następnych lat kamery sieciowe będą sprzedawały się szybciej ze względu na lepsze zrozumienie technologii przez użytkowników końcowych, co spowoduje w rezultacie większą świadomość rynku. Sam rynek jest ciągle zdominowany przez kamery analogowe. Rynek kamer sieciowych może rozwijać się w szybszym tempie niż rynek kamer analogowych, jednakże jest praktycznie mało prawdopodobne, aby kamery analogowe stały się zbędne w najbliższej przyszłości z powodu następujących przyczyn: koszt przystosowania istniejących systemów dozorowych do instalacji kamer sieciowych, liczba aktualnie używanych kamer analogowych, obecność na rynku nadajników konwertujących analogowy sygnał wizyjny na sygnał cyfrowy oraz możliwość zastosowania w przyszłości układów inteligencji w kamerach.

Analiza obrazu jest udoskonalana, jednak?
Istnieje zapotrzebowanie na większą liczbę punktów obrazu w kamerach sieciowych oraz szersze wykorzystanie algorytmów analizy obrazu. Podczas, gdy układy analizy obrazu są aktualnie instalowane w kamerach, wykorzystywane są tylko niektóre algorytmy, natomiast pozostałe ciągle zaimplementowane są w serwerach oraz cyfrowych lub sieciowych rejestratorach wizyjnych. Upłynie co najmniej kilka lat zanim wszystkie dostępne algorytmy analizy zostaną wbudowane w kamery, co uczyni je rzeczywiście inteligentnymi urządzeniami.

Istnieją pewne wzorce zachowań, które mogą być zinterpretowane jako potencjalnie podejrzane, na przykład: ludzie poruszający się w kierunku odwrotnym do normalnego przepływu ruchu podczas zbliżania się do bramki kontrolnej na lotnisku lub ciągłe powracanie do tego samego miejsca bez konkretnego powodu. Zaawansowane algorytmy analizy zawartości obrazu (VCA) mogą być skonfigurowane do uruchomienia w przypadku takich zachowań. Nadchodzące wersje obecnych algorytmów inteligentnej, wizyjnej detekcji ruchu (IVMD) będą zdolne do odróżnienia podejrzanych zachowań, bazując na trajektorii poruszającego się w obrębie obrazu obiektu nawet, jeśli został chwilowo zasłonięty przez inne obiekty. Jeśli osoba porusza się w pobliżu określonego obszaru, utworzy nieprzerwaną trajektorię i taki przypadek może być skonfigurowany do zaalarmowania personelu ochrony.

Dzisiejsze zaawansowane systemy VCA są nawet zdolne odróżnić ludzi od pojazdów lub innych obiektów. Może być to realizowane w oparciu o wielkość względną, jednak perspektywa może powodować błędy. Nadchodzące algorytmy VCA będą podejmowały takie decyzje, bazując na innych parametrach takich jak proporcje obrazu, co jest bardziej niezawodną metodą rozróżniania typu obiektów niewymagającą kalibracji perspektywy. Cecha ta jest ważna w przypadku wykrywania nie tylko ludzi nielegalnie przechadzających się po autostradach, ale także tych leżących na ziemi. Ostatni przypadek może zostać zinterpretowany jako zachowanie podejrzane lub przedstawiać osobę, która wywróciła się. Każdy z tych przypadków wymaga szybkiej reakcji.

Algorytmy VCA używane aktualnie polegają na identyfikacji obiektów realizowanej za pomocą zdefiniowanych wokół nich ramek. W przyszłości nowe, zaawansowane funkcje klasyfikacji umożliwią dokładniejszą identyfikację obiektów przez przypisanie im zestawu parametrów klasyfikujących takich jak precyzyjny kształt obiektu, wielkość, kolor, sposób poruszania się i inne, podobne kryteria. Nowe algorytmy pozwolą także na bardziej precyzyjne śledzenie poruszających się obiektów. Na przykład, jeśli Policja poszukuje uciekającego, niebieskiego samochodu, będzie możliwe skonfigurowanie parametrów wyszukiwania w algorytmie do zaalarmowania personelu ochrony w przypadku pojawienia się na ekranie szybko poruszającego się niebieskiego samochodu.

Rozwój zarządzania obrazem
Aby ułatwić wyszukiwanie zapisanego obrazu, bardziej zaawansowane algorytmy VCA pełnią funkcje zarządzania obrazem. Generują one metadane, które są przesyłane z obrazem na nośnik zapisu. Metadane są ciągiem tekstowym składającym się zwykle z kilku słów kluczowych opisujących określone scenariusze wraz z informacjami takimi jak wzorce zachowań. Z tego powodu pliki metadanych są mniejsze oraz łatwiejsze do wyszukiwania niż pliki zawierające obraz i dźwięk.

Przeniesienie analizy zawartości obrazu do kamery
Wykorzystując dużą moc przetwarzania dostępną obecnie w sieciowych nadajnikach wizyjnych dołączonych do kamer w celu uruchamiania algorytmów VCA, funkcje VCA można przenieść do kamery. Co więcej, w przypadku kamery sieciowej funkcje te można zintegrować bezpośrednio w samej kamerze. W takim przypadku zawartość obrazu jest analizowana oraz porównywana ze znanymi regułami, a zdarzenia są generowane przez kamerę. Do centrum sterowania są przesyłane wyłącznie interesujące obrazy (zawierające odbiegające od normy zdarzenia). Takie podejście pozwala zredukować ruch w sieci oraz eliminuje konieczność używania osobnych komputerów z uruchomionym oprogramowaniem VCA.
Ten typ inteligencji w urządzeniach końcowych stał się rozwiązaniem powszechnym w świecie technologii informatycznych.
Oprócz redukcji ruchu w sieci, rzeczą oczywistą jest, że im bliżej urządzeń końcowych znajdują się układy inteligencji, tym, bardziej niezawodna staje się sieć, ponieważ, jeśli jedno urządzenie ulegnie awarii, nie jest tracona cała sieć. Firma Bosch zapoczątkowała ten trend w celu uzyskania inteligentnego dozoru, a obecnie jest on stosowany przez innych, wiodących producentów systemów bezpieczeństwa i oczekuje się, że w przyszłości stanie się w zasadzie standardową architekturą inteligentnych systemów dozorowych.