Можливості сучасної відеоаналітики

1. Технології відеоаналізу. Напрямки розвитку відеоаналітики
2. Стандартний функціонал. Сервісні детектори
3. Відеоаналітіка в допомогу оператору
4. Перше практичне застосування - ситуаційні відеодетектори.
5. Друге практичне застосування аналізу «треків» - пошук в архіві
6. Технології розпізнавання образів. Автоматизація і тотальний контроль!
7. Розпізнавання автомобільних номерів - автоматизація парковок
8. розпізнавання облич
9. Розвиток ситуаційних детекторів - детектори нетривіального поведінки
10. Нема диму без вогню. Виявлення задимлення і вогню з використанням відеоаналітики
11. Відеоспостереження, як спосіб збільшення прибутку торгового об'єкта
12. Детектор підрахунку відвідувачів. Точні дані про конверсії
13. Теплові зони. Ефективне планування розташування товару
14. Детектор визначення довжини черги. Задоволений покупець - ваш друг!
15. Чого ще чекати?
16. Чого найближчим часом чекати не варто?
17. резюме

Відеоспостереженням зараз нікого не здивуєш. Їм оснащують об'єкти від великих підприємств до приватних котеджів і невеликих магазинчиків. Стандартний функціонал прекрасно справляється зі своїми завданнями. Здавалося б, що ще потрібно? Дивись і записуй. Але виробники ПЗ відеоспостереження не стоять на місці.

Вони пропонують додаткові можливості, що дозволяють зробити відеоспостереження більш ефективним, швидше вирішувати поставлені завдання і автоматизувати рутинні процеси. А також застосовувати відеоспостереження не тільки в охоронних цілях, але і в комерційних, дозволяючи приносити прибуток. Ми, звичайно ж, говоримо про застосування відеоаналітики.

Сьогодні про відеоаналітіка можна знайти багато рекламної інформації. Ми бачимо як виробники програмного забезпечення активно просувають свої рішення наділяючи аналітику майже фантастичними здібностями, що дозволяють розпізнавати всі навколо, виявляти в натовпі злочинців, розпізнавати факти шахрайства і неприйнятної поведінки. Тим самим формують у замовника хибне уявлення про роботу аналітики. Інсталятор не завжди чітко розуміє які завдання та чи інша технологія відеоаналізу здатна вирішувати, де її вигідно застосовувати, а де це буде неефективно або необґрунтовано дорого.

В рамках цієї статті ми розглянемо реальні можливості сучасної відеоаналітики. Розберемося з помилками. А головне, визначимо який реальний економічний ефект можна отримати від впровадження таких систем.

Технології відеоаналізу. Напрямки розвитку відеоаналітики

Відеоаналітіка - це інтелектуальний аналіз потоку відеоданих від камери (послідовно надходять відеозображень) і автоматичне виявлення різного роду даних і детектування заздалегідь запрограмованих ситуацій. Аналітика ведеться як в режимі реального часу, так і при роботі з архівом. Результатами роботи відеоаналітики є події, які можуть бути передані оператору системи відеоспостереження у вигляді повідомлення або записані в архів для подальшого пошуку по ним і складання звітів.

Давайте визначимося, в яких напрямках зараз розвивається відеоаналітіка, які технології там використовуються. І на прикладах розглянемо вигоду застосування.

Можна розділити аналітику на кілька самостійних напрямків:

• базові та сервісні детектори
• аналіз «треків»
• розпізнавання образів
• детектори нетривіального поведінки
• детектори пожежі і диму
• бізнес-аналітика

Стандартний функціонал. Сервісні детектори

Базові та сервісні детектори відомі досить давно і з успіхом застосовуються на більшості монтованих сьогодні систем.Це найпростіші і відмінно працюють детектори руху, засвічення, расфокусировки, закриття камери та інші. Вони присутні практично в кожному програмному забезпеченні відеоспостереження, або можуть бути вбудовані в функціонал камери.

Базові детектори:

• детектор руху - призначений для виявлення наявності рухомих об'єктів в кадрі. За рахунок записи по детекції руху ми можемо істотно скоротити обсяг цього архіву і відповідно необхідний на це дисковий простір. Це дозволить заощадити на обладнанні. В архіві ми фактично отримаємо тільки важливу для нас інформацію, а ті моменти, коли в кадрі нічого не відбувалося, нам не знадобляться.
• детектор залишених / зниклих предметів - оповіщає про появу або зникнення предмета з кадру. Дозволяє звертати увагу оператора на тривожні ситуації на таких об'єктах як аеропорти, вокзали, картинні галереї і т.п.
• детектор осіб - детектирует поява в кадрі обличчя людини, відрізняючи його від будь-якого іншого об'єкта. Дозволяє виділяти особи в архіві і здійснювати пошук потрібного нам людини в великому обсязі записаного архіву

Сервісні детектори:

• детектор закриття об'єктива
• детектор засвічення
• детектор зсуву камери
• детектор зміни фону
• детектор расфокусировки

Назви говорять самі за себе. Сервісні детектори подають сигнал у разі збоїв в роботі відеокамери. Вони дозволяють не тільки ідентифікувати спроби виведення камер з ладу, а й детектируют різні перешкоди, що заважають якісній реєстрації подій.

Відеоаналітіка в допомогу оператору

Поява і розвиток відеоаналітики частково обумовлено тенденціями збільшення кількості камер на об'єктах на одиницю площі. Це ускладнює завдання роботи оператора, а часом вона стає нездійсненним. З контролем сотень камер, наприклад, одному оператору не впоратися, необхідний цілий штат напарників відважно скануючих монітори. Допомога аналітики очевидна - звільнити оператора від безперервного контролю над відеорядом. Виявляючи тільки потрібні події і сповіщаючи про них, тим самим дозволяє сконцентруватися на прийнятті рішень. З таким завданням впорається і один оператор. До того ж швидкість реакції на тривожні події значно збільшується, а ризик пропустити щось важливе - знижується. Вигода на обличчя, чи не так?

Давайте розглянемо аналітику для оператора, принципи роботи якої ґрунтуються на інтелектуальному аналізі «треків» - іншими словами параметрів всіх рухомих в кадрі об'єктів і характеристик їх руху.

Варто сказати, що в цьому напрямку зараз активно ведуться дослідження, вдосконалюються механізми обробки. Останнім часом якість і надійність роботи даного функціоналу значно підвищилися. Саме ця аналітика і знаходить найбільше практичне застосування.

Перше практичне застосування - ситуаційні відеодетектори.

Ситуаційні детектори - це запрограмовані тривожні ситуації, які можуть виникнути в кадрі і за якими потрібно зробити будь яку дію - видати вікно оператору, вивести камеру в повний екран, записати відеоролик, створити запис в протоколі подій.

При цьому необхідно розуміти, що відеоаналітіка - це не охоронна сигналізація. І вона вам не замінить охоронних датчиків на периметрі. Це система, яка повинна допомагати оператору, але ні в якому разі його не замінює.

Візуально, при роботі з цією групою детекторів, користувач може задавати лінії, багатокутні зони і тимчасові інтервали прямо в зоні видимості камери, а система детектирует відповідають заданим критеріям події.

Приклади найбільш затребуваних ситуаційних відеодетектора:

• детектор перетину об'єктом лінії в обраному напрямку
• детектор руху в заданій зоні
• детектор входу / виходу об'єкта із зони
• детектор появи / зникнення об'єкта в зоні
• детектор зупинки або перебування об'єкта в зоні

Будь-який з детекторів можна налаштувати на роботу з певним типом об'єктів - людина або автомобіль, з певними властивостями і параметрами - колір, розмір, швидкість переміщення. Цей функціонал доступний у кожного серйозного виробника ПО відеоспостереження.

Друге практичне застосування аналізу «треків» - пошук в архіві

Це ті ж самі відеодетектори, тільки використовуються не в режимі реального часу, а при роботі з записаним архівом.Когда корисний цей функціонал? Уявімо собі ситуацію - на складі пропала коробка з продукцією. Ми не знаємо, коли точно це сталося. Стандартний варіант розвитку подій, коли є система відеоспостереження, переглянути величезний шматок відеоданих, що б знайти цей момент. Навіть в прискореному режимі це займе багато часу. Якщо подібні випадки на об'єкті часто повторюються, можна уявити скільки часу витрачається на пошуки. Для вирішення таких завдань аналітика пошуку в архіві просто необхідна.

Основна мета застосування - швидке знаходження в відеоархіву цікавить користувача події, якщо точний час події невідомо. Це більш якісний рівень аналізу архіву за заданими критеріями.

Принцип заснований на тому, що синхронно з відеоархівом в окрему базу даних записуються параметри всіх рухомих в кадрі об'єктів і характеристики їх руху - метадані. При пошуку задаються параметри, які потрібно знайти - наприклад, перетин лінії або знаходження об'єкта в певній зоні. Колір об'єкта або розмір. Завдяки цьому ми можемо за лічені секунди за заданими довільним критеріям отримувати вибірку в архіві. Це дозволить вашому клієнтові значно скоротити час на пошук потрібної інформації.

Досить якісно це реалізовано в ПЗ відеоспостереження AxxonNext компанії ITV. Ми проводили тестування роботи цього функціоналу, з результатами якого ви можете ознайомитися в нашому відеоролику на каналі в YouTube: https://youtu.be/ZLuHrsp32BY

Технології розпізнавання образів. Автоматизація і тотальний контроль!

Багато що з того, що ми бачимо на екрані з Голлівудських блокбастерів стає реальністю. Розпізнавання образів по відеозображення стало можливим зі зростанням можливостей апаратних платформ з обробки значних обсягів інформації та проведення найскладніших математичних обчислень. Основні комерційно застосовні напрямки тут два: розпізнавання номерів та осіб. Давайте розглянемо - які завдання можна вирішити і які вигоди отримати при впровадженні розпізнавання.

Розпізнавання автомобільних номерів - автоматизація парковок

Система вишукує потрапив номер автомобіля в поле зору камери, розпізнає його і порівнює із заздалегідь створеної базою номерів на предмет збігу. Або просто веде реєстр розпізнаних номерів з можливістю подальшого пошуку по ньому.

Можна з упевненістю сказати, що дана технологія ефективно застосовується на реальних об'єктах і давно відома на ринку. Варіантів реалізації та алгоритмів роботи систем із застосуванням розпізнавання номерів безліч. Обладнають парковки, швидкісні траси, використовують на в'їздах на територію складів, дачних селищ і т.д. А також для контролю доступу на територію або фіксації проїжджаючих автомобілів.

Яка економічна вигода може бути від використання подібної системи?

Давайте уявимо таку ситуацію. Є виробнича територія, в'їзд на яку обмежений або платний. Коли контроль здійснюється оператором, завжди існує ймовірність, що з ним можна буде домовитися і за винагороду потрапити на територію. Людський фактор, безсумнівно, має місце. Установка системи розпізнавання номерів та реалізація автоматичного контролю проїзду дозволяє виключити такі випадки. Тим самим замовник буде впевнений в контролі, а прибуток залишиться в його кишені.

При реалізації подібних систем варто відзначити, що якість розпізнавання залежить від того, як встановлена ​​камера, яка це камера і якого дозволу. Потрібно розуміти, що оглядова камера цю задачу, швидше за все не вирішить. Знадобиться додаткова камера, спеціальним чином налаштована для цього завдання. За умови грамотної установки і настройки камери можна домогтися 95% розпізнавання. Але 100% ви ніколи не досягнете. У деяких випадках це критично, і для цього застосовуються спеціальні програмні алгоритми. Як досягти реалізувати фіксацію 100% в'їжджають автомобілів в нашому довідковому посібнику.

Існує також аналітика розпізнавання номерів ж / д вагонів, яка, по суті, є аналогом розпізнавання автомобільних номерів, з відзнакою у вимогах по установці і форматом номера.

розпізнавання облич

Алгоритм схожий на попередній, але значно складніше в програмній реалізації. Система визначає наявність осіб в кадрі, розпізнає їх і порівнює зі схожими в базі. Результат виводиться у вигляді відсотка збігу.

Багато помилок існує відносно цього функціоналу. Проста і зрозуміла на перший погляд технологія, підкріплена фантастичними фільмами. Як це виглядає в уявленні багатьох? Камера, встановлена ​​на вулиці, високо на стовпі сканує проходять повз людей і знаходить в натовпі злочинця по занесеної до бази старої фотографії.

Працює це далеко не так! І тут є серйозні обмеження. Для коректного розпізнавання осіб необхідне дотримання безлічі умов: орієнтацію камери щодо особи, напрям погляду людини, висвітлення особи, особливі настройки камер і інші. Які точно потрібні умови для роботи алгоритму і як налаштувати систему розпізнавання осіб в наших довідкових посібниках.

Чим більше відступів від цих умов, тим нижче відсоток розпізнавання і вище кількість помилкових спрацьовувань. Виходячи з цих умов виходить, що описана раніше ситуація фактично нездійсненна. І краще заздалегідь відмовити замовника від спроб реалізації подібних систем.

Єдина сфера застосування, де система може працювати коректно - це контроль доступу, коли людина сама зробить все, для того щоб його впустили.

Правильно встане, подивиться в камеру, зніме капелюх або окуляри. Тільки в цьому випадку система буде працювати. Важливо розуміти, що навіть в таких умовах система є додатковою, дозволяючи спрощувати ідентифікацію. Повинні бути передбачені випадки, коли система не спрацює, і рішення повинен буде приймати оператор.

На даний момент про економічну вигоду тут говорити складно. Швидше це додатковий механізм, що дозволяє на більш високому рівні вести ідентифікацію відвідувачів на особливо відповідальних об'єктах.

Спроби комерційного використання розпізнавання осіб все ж здійснюються. Варто згадати приклад успішного комерційного використання системи на об'єкті нашого партнера. Це ресторан, де замовнику потрібно було виявляти бажаних і небажаних відвідувачів. Бажані (VIP) - постійні клієнти, відомі люди, представники місцевих органів влади. Небажані - зловмисники, неплатники і скандалісти, злочинці. Ідентифікація дозволила підвищити якість обслуговування постійних клієнтів і запобігти втратам від небажаних відвідувачів, тим самим підвищити доходи ресторану.

Розвиток ситуаційних детекторів - детектори нетривіального поведінки

Існує такий напрямок відеоаналітики, завдання якого ідентифікувати конкретні ситуації або поведінку людей. Це так звані детектори нетривіального поведінки. Принцип дії побудований на більш складному зіставленні записаних треків з наперед заданими всілякими шаблонами, що імітують поведінку.

Такі детектори - мрія служби безпеки багатьох об'єктів. Але давайте розберемося на прикладі бійки. Відбувається вона в торговому центрі або вагоні метро. Об'єктивно тривожна подія, на яке необхідно оперативно зреагувати. Але давайте подумаємо, наскільки в дійсності виявлення такої ситуації може бути достовірним. Ймовірність збігу з шаблонами не висока, а також ситуація може бути невірно розпізнано. Наприклад, обійми друзів теж можна порахувати початком бійки. Велика кількість помилкових спрацьовувань і ймовірність пропуску реальної бійки не дозволяє вважати подібні системи комерційно застосовними. Хоча, можливо, в майбутньому ситуація зміниться, і подібна аналітика стане більш досконалою і ефективною. Уже зараз непогано працюють алгоритми визначення порушень напрямку руху (людина йде поперек напрямку руху натовпу, вхід через вихід), біжить і т.п.

Нема диму без вогню. Виявлення задимлення і вогню з використанням відеоаналітики

Будь-який будинок обов'язково оснащується системою пожежної сигналізації яка отримує повідомлення про загорання з використанням спеціальних сенсорів (датчиків різного типу). Розвиток в цій області не припиняється і з'являються все більш досконалі пристрої. В період розвитку відеоаналітики не змусили себе чекати і цифрові варіанти для вирішення цього завдання.

Детектор диму, на підставі унікального алгоритму аналізу зображення, дозволяє в більшості випадків фіксувати задимлення раніше пожежних датчиків. А унікальна математика дозволяє виявляти в поле зору камери відкритий вогонь.

Детектування загоряння з використанням спеціальної відеоаналітики може бути затребуване там, де використання датчиків важко або неможливо. Як правило - це відкриті майданчики, автостоянки, внутрішня територія підприємств, контроль протипожежної обстановки лісових масивів. Раннє виявлення і локалізація загоряння може заощадити величезні кошти на боротьбу з бурхливим пожежею і збитком з ним пов'язаним.

Відеоспостереження, як спосіб збільшення прибутку торгового об'єкта

Давайте тепер перейдемо до бізнес-аналітиці. Вона застосовується в багатьох сферах, але найбільшого поширення на даний момент отримала в ритейлі. Насправді, технологія тут застосовується та ж сама, що і при обробці треків, тільки оптимізована для вирішення вузькоспеціалізованих завдань.

До цього про відеоаналітіка ми говорили, як про спосіб збільшення ефективності системи охоронного відеоспостереження або зниженні вартості володіння. Бізнес аналітика призначена для безпосереднього збільшення прибутку.

Це зручні інструменти для ОЦІНКИ ефектівності роботи менеджменту магазину. Для маркетологів - це інструменти оцінки ефективності рекламних компаній. Вже зараз менеджери магазинів активно використовують системи відеоспостереження для контролю роботи персоналу і можуть здійснювати управління мережею магазинів без особистої присутності.

Розглянемо докладніше, ніж саме сучасні технології відеоаналізу можуть допомогти в Рітейл, і якими вони бувають.

Детектор підрахунку відвідувачів. Точні дані про конверсії

Він призначений для підрахунку вхідних і вихідних людей на торговому об'єкті або в рамках виділеної спостерігається зони. Це найбільш точний на сьогоднішній день метод підрахунку відвідувачів, заснований на відеоаналіз. Існують алгоритми як вбудовані в камеру, так і на базі програмних продуктів відеоспостереження для PC-based платформ. Камера, встановлена ​​над зоною контролю, здатна розрізняти окремих людей і фіксувати напрямок проходу.

За допомогою результатів роботи цього детектора можна оцінити ефективність роботи роздрібного магазину. Оцінкою може служити показник конверсії. Це базовий показник ефективності торгової точки, що показує відношення кількості відвідувачів торгової точки до числа транзакцій. Іншими словами - скільки відвідувачів стали покупцями. Порівнюючи отримані точні дані між магазинами, можна визначити, де менеджмент працює ефективно, а де потрібен аналіз і втручання.

Теплові зони. Ефективне планування розташування товару

Теплова карта, або карта активності покупців, на основі треків руху відвідувачів дозволяє визначити найбільш ефективну планування магазина і розташування товарів. Оцінити популярність тієї чи іншої вітрини. Зрозуміти, чи рівномірно розподілені потоки покупців по площі магазину.

Звичайно, можна провести дослідження, проаналізувавши відеоархів з камер системи відеоспостереження, але це займе дуже багато часу і дуже суб'єктивно. Якщо у вас 20 магазинів в мережі, то можна за 15 хвилин провести повний аналіз і виявити проблемні зони.

За допомогою спільної роботи пари цих модулів можна провести оцінку ефективності та якості проведення рекламної акції. Системи відеоаналізу можуть допомогти і надати об'єктивну картину про зміну кількості відвідувачів магазину з початку рекламної компанії, і допомогти оцінити зацікавленість вітриною з рекламованим товаром.

Детектор визначення довжини черги. Задоволений покупець - ваш друг!

Багато напевно бачили оголошення на касах: «Якщо ви 4-ий в черзі, зателефонуйте за вказаним телефоном!» Про ефективність такої системи вважаю, говорити не варто. Жодного разу не бачив такого дбайливого покупця. Всі мовчки, терплять нерозторопність продавщицю. Відеокамери для підрахунку довжини черги з автоматичним повідомленням про перевищення норми кількості людей в черзі дозволяють оперативно вирішити проблему і підвищити лояльність покупців.

Крім повідомлень, дані з відеокамери дозволяють отримати статистику про довжину черги по окремим кас, по годинах, днях тижнях, місяцях. Все це дозволяє оптимізувати і спланувати роботу кас.

Інтеграція даних від лічильника відвідувачів і детектора довжини черги дозволить прогнозувати наплив покупців на каси і заздалегідь відкривати додаткові каси.

Чого ще чекати?

На завершення кілька слів про перспективи розвитку відеоаналітики.

Активно ведуться роботи в області розпізнавання осіб. Зокрема, розвиваються алгоритми на основі побудови 3D моделей. Це дозволить більш якісно проводити ідентифікацію і вирішувати завдання, які на даний момент здаються фантастичними.

Розпізнавання статевих і вікових ознак. Це функціонал необхідний для бізнес-аналітики в Рітейл. Він дозволить розпізнавати обличчя покупців в магазинах для оцінки їх вікової категорії і розподіляти за гендерною типу. За допомогою такої статистики можна буде формувати стратегії продажів, орієнтувати рекламні кампанії на певне коло споживачів і навіть адаптувати окремі магазини під конкретну групу споживачів.

Ми дуже сподіваємося, що детектори нетривіального поведінки будуть удосконалюватися. Це дозволить підвищити ефективність і оперативність роботи операторів спостереження. Наші партнери ведуть постійну роботу над збільшенням вірогідності одержуваних з таких детекторів даних.

Чого найближчим часом чекати не варто?

До нас надходить велика кількість завдань від партнерів, які їм ставлять замовники. І деколи виникають справжні курйозні ситуації. Наприклад: Власнику мережі магазинів потрібно сповіщати охоронців, коли відвідувач бере з полиці товар, і ховає його під одягом. Людині, що бачить в камеру подібне, все відразу зрозуміло - крадіжка. А ось як зрозуміти це системі? Може він просто поліз за гаманцем. Не існує функціоналу, який міг би розбиратися в подібних відбуваються ситуаціях! Відеоаналітіка не всемогутній, у неї є безліч обмежень і вимог при використанні, які не можна не брати до уваги.

Не варто очікувати, що відеоналітіка замінить оператора, буде здатна функціонувати в повністю автоматичному режимі, дозволить детектувати і розпізнавати з імовірністю 100%. Вся робота програмістів і математиків націлена на підвищення достовірності, але 100% не можливо досягти. Завжди залишиться частка відсотків, яка буде означати невірно розпізнаний номер, пропуск зловмисника, незаписана важливий фрагмент архіву. Відеоаналітіка дозволяє допомагати в роботі оператора і автоматизації його роботи, але ні в якому разі його не замінює.

резюме

Грамотне застосування систем відеоаналізу може бути вигідно з комерційної точки зору, але потрібно розуміти, що всі ці результати не даються даром! На це витрачаються дуже серйозні серверні ресурси, і які вони, потрібно знати заздалегідь, щоб закласти їх в відеосервер. Ми проводимо тестування відеоаналітики, і знаємо яка відеоаналітіка, з яких камер, як завантажує обладнання. Ми знаємо яка аналітика і як може допомогти в тій чи іншій ситуації і вирішенні поставленого замовником завдання. Ви завжди можете звернутися за консультацією, і ми допоможемо знайти оптимальне рішення і підібрати обладнання, необхідне для реалізації поставленої перед вами завдання.

Семінар на стенді компанії Відеомакс з міжнародного форуму All-over-IP 2014. Семінар присвячений використанню відеоаналітики на практиці. Ведучий - менеджер відділу продажів, Денис Любін

">