Раздел: Инсталляция Тема: Автор: Олег КИЯШКО, технический директор компании DSSL
Системы противопожарной видеоаналитики
Что же это такое – «противопожарная видеоаналитика»? Алгоритмы компьютерного зрения, от которых берет начало сам термин «видеоанализ», применяются давно: распознавание номерных знаков, лиц, детекция прохода через границу, выделение и сопровождение движущихся объектов – все это если уже не прошлое, то как минимум настоящее. Но прогресс не стоит на месте, и в последние несколько лет были созданы алгоритмы для определения признаков дыма и огня по изображению. Именно о них и пойдет речь в этой статье. «Классические» системы пожарной безопасности существуют давно, и в России их применение закреплено федеральным законом. Но давайте обратим свой взгляд на то, как можно повысить эффективность их работы с помощью средств видеонаблюдения и, в частности, средств противопожарной видеоаналитики. Для начала обратимся к фактам и статистике. ПРОБЛЕМА По данным пожарной администрации США (U.S. Fire Administration, FEMA), хотя количество пожаров за последнее время в коммерческих помещениях снижается до 3% в год (но смертность растет до 8,5% в год), это количество исчисляется сотнями тысяч, а убытки – сотнями миллионов долларов США. Самое интересное, что, несмотря на относительно высокий процент оснащения зданий автоматическими системами пожаротушения (до 60% в образовательных учреждениях), они не срабатывают в 8% случаев. Давайте задумаемся: а что было там, где ее не было вообще? Процент же оснащения системами пожаротушения складов, офисных знаний не превышает 20%, а у некоторых классов помещений (таких, как гаражи) близок к нулю. В 2000 г. более 70% таких зданий вообще не были оснащены системами пожарной безопасности. А что в России? За 2010 год произошло 179 098 пожаров, что на 4,5% меньше, чем в прошлом году, при которых погибло свыше 12 983 человек (уменьшение по сравнению с прошлым годом составило 6,9%). На пожарах получили травмы 13 067 человек. Подразделениями ГПС спасено 84 548 человек и материальных ценностей на сумму более 44,6 млрд руб. Что же видно? Судя по статистике, даже в США проникновение «классических» систем пожарной безопасности далеко от 100%, что уж тут говорить про видеонаблюдение (на базе которого могла бы работать противопожарная видеоаналитика). Здесь, как и везде, работает правило: каждый платит за свой уровень безопасности. Кто-то не делает ничего, кто-то начинает и останавливается на пожарной системе, кто-то устанавливает вдобавок охранную сигнализацию и СКУД, а кто-то ставит и видеонаблюдение. Однако везде, где видеонаблюдение уже установлено, как правило, есть и классическая противопожарная система на базе датчиков, и тут-то видеоанализ и может нам помочь. Будем исходить из того, что человек уже имеет установленные пожарные датчики и систему видеонаблюдения. Отдельно стоит отметить случаи, когда установить противопожарную систему на базе датчиков невозможно в принципе – например, открытый паркинг, внутренний двор, открытый склад и прочие открытые пространства. Именно в таких случаях видеоанализ проявляет свои уникальные преимущества. Другой пример – обнаружение пожаров в лесных массивах. Еще один существенный плюс системы с противопожарной видеоаналитикой – потенциально более быстрое время срабатывания по сравнению с датчиком. Если не брать в расчет дорогие мультикритериальные датчики возгорания, то, например, в случае сквозняка в помещении либо просто большого его объема «классическая» противопожарка может или не сработать вовсе, или сработать уже тогда, когда концентрация дыма такова, что даже сквозняк ей не помеха, – поздно! А камера может увидеть белесый туман в помещении гораздо раньше. КАК ЭТО РАБОТАЕТ, ИЛИ НЕ ВСЕ ДЕТЕКТОРЫ ОДИНАКОВО ПОЛЕЗНЫ Как же работает алгоритм детекции дыма и/или огня? Система пытается увидеть характерные признаки возгорания в помещении. Подходы бывают самые разные: например, примитивные детекторы дыма/огня просто фиксируют движение в кадре, где его быть не должно (например, днем на складе, как правило, есть люди, они и так определят пожар, если он произойдет, но какое может быть движение ночью?). Конечно, подобный подход неприемлем. Вы не получите ничего, кроме кучи ложных срабатываний и невозможности отличить тень от опасных признаков огня. Хороший детектор отличается от плохого именно количеством ложных срабатываний. Совершенно ясно, что детектор, который постоянно дает «ложняки», не будут воспринимать всерьез и просто отключат через пару дней. Из-за того что обычно дыма без огня не бывает, разработчики объединяют в одно целое детекторы дыма и огня. Но есть большая разница в принципах их детекции. Прежде всего обратим внимание на то, что дым, как и огонь, бывает разным. Есть так называемый быстрый дым, характерный для открытых пространств, где он относительно быстро рассеивается и перемещается, а также медленный дым, характерный для закрытых помещений. Важно понимать, что два этих явления совершенно по-разному воспринимаются компьютерным алгоритмом, который пытается их увидеть. Система, которая хорошо видит дым в помещениях, скорее всего, будет хуже работать на открытых пространствах, и наоборот. Общий критерий задымленности – это обычно снижение контрастности в какой-то локальной области пространства, которая при этом меняет свою форму. Обратите внимание на рис. 1 – здесь недостаточно дыма для срабатывания датчиков, тем не менее система уже видит явные признаки дыма (примерно так же, как увидел бы их человек) и дает тревогу.
<Рис. 1 Задымление> Огонь, например, может быть детектирован как мерцающая область с изменениями интенсивности яркости. Конечно, можно представить примеры сцен, где типичный детектор будет давать ложные срабатывания при совпадении факторов. Например, мерцающий монитор с ЭЛТ, колышущиеся шторы на ветру и т. п. Но все эти факторы можно свести к нулю, например, замаскировав эти участки изображения.
<Рис. 2 огонь> Каким же образом детектор с определением возгорания по изображению способен дать дополнительный уровень безопасности объекту? ПЕРСПЕКТИВЫ Существует любопытный закон: «какой-нибудь детектор» способен написать даже слабый программист за пару дней, а вот сделать «хороший детектор» иногда бывает по силам только большой команде с хорошими мозгами и за внушительный срок. И вся разница между ними будет именно в количестве ложных срабатываний. К сожалению, сложно говорить о том, когда компьютерное око будет способно заменить старого, доброго оператора. Я бы не стал делать ставку на компьютер в сложных алгоритмах видеоанализа, но, с другой стороны, очевидно, что там, где начинается система от 16 камер, «заканчивается» и человеческое внимание.
Вердикт: будущее за симбиозом человек – машина. Только таким образом сложные системы будут способны приносить пользу и не требовать при этом десятков операторов. Будущее (точнее, уже почти настоящее) в том, что компьютер с помощью средств видеоанализа будет выдавать человеку (оператору) тревожные инциденты, требующие действий, а человек не будет рассеивать свое внимание между мультикартинкой из 16 камер, а будет действовать по конкретным тревогам, которые отобрал ему компьютер. Например, система дает тревогу оператору: «в камере 13 был обнаружен дым» или «в камере 37 обнаружен огонь», при этом пожарная тревога может быть заведена именно на классический датчик, а оператор может отреагировать на раннее срабатывание или отклонить ее в том случае, если сочтет ее ложной. Вердикт: будущее за симбиозом человек – машина. Только таким образом сложные системы будут способны приносить пользу и не требовать при этом десятков операторов. Будущее (точнее, уже почти настоящее) в том, что компьютер с помощью средств видеоанализа будет выдавать человеку (оператору) тревожные инциденты, требующие действий, а человек не будет рассеивать свое внимание между мультикартинкой из 16 камер, а будет действовать по конкретным тревогам, которые отобрал ему компьютер. Например, система дает тревогу оператору: «в камере 13 был обнаружен дым» или «в камере 37 обнаружен огонь», при этом пожарная тревога может быть заведена именно на классический датчик, а оператор может отреагировать на раннее срабатывание или отклонить ее в том случае, если сочтет ее ложной. В случае, когда вы уверены в своих датчиках, эта система может работать даже в отложенном режиме без оператора вообще, т. е. присылать SMS/MMS с просьбой «глянуть, что там творится». И все равно она будет полезна, потому что вы знаете о том, что «классические» датчики сработают при пожаре, но при наличии времени и желания можете их опередить и оценить ситуацию по видеоизображению. С одной стороны, в закрытых помещениях системы с противопожарной видеоаналитикой явно не способны (и не должны) заменить «классические» противопожарные системы на базе датчиков. Здесь их функция – это дублирование системы и потенциально более раннее время срабатывания. Это не будет лишним с учетом того, что даже согласно статистике США в одном случае из 12 (это те самые 8% случаев) «классическая» система не срабатывает вообще. У нас в России ситуация скорее всего еще хуже. Но, с другой стороны, при работе на открытых пространствах алгоритмы компьютерного зрения могут здорово помочь в спасении имущества и жизни наших сограждан. И здесь у них мало конкурентов.
Внимание! Копирование материалов, размещенных на данном сайте допускается только со ссылкой на ресурс http://www.tzmagazine.ru Рады сообщить нашим читателям, что теперь нашем сайте работает модуль обратной связи. Нам важна ваша оценка наших публикаций! Также вы можете задавать свои вопросы.Наши авторы обязательно ответят на них. Ждем ваших оценок, вопросов и комментариев!

Добавить комментарий или задать вопрос

Правила комментирования статей

Версия для печати

Средняя оценка этой статьи: 0  (голосов: 0)
Ваша оценка: