когда безопасность зависит от устранения нежелательных тревог и обнаружения реальных угроз
Постоянно стремясь копировать аналитические навыки человеческого мозга при распознавании действий и образов, разработчики всегда не устают искать новые способы, позволяющие улучшить надежность и точность обнаружения видеосистемами несанкционированных вторжений. Одна из новых стратегий состоит в том, чтобы применить известный алгоритм видеодетектора (VMD) в сочетании с появившимся программным обеспечением – технологией видеоаналитики. Результат – новый класс детектора, который объединяет результаты, полученные от двух разных анализаторов, производит идентификации угроз более точно и устраняет большое количество нежелательных тревог.
Видеодетекторы движения существуют много лет. У качественных детекторов есть большой послужной список, доказывающий надежность применения этого класса детекторов для обеспечения высокой степени безопасности: тюрьмы, электростанции, аэропорты, банки, оборонные учреждения и т. п. Они чрезвычайно эффективны при обнаружении движения в указанных зонах и очень хороши при устранении эффектов глобальных изменений в кадре, таких как погода или изменения, вызванные движением мачты или кронштейна с видеокамерой. С другой стороны, видеоаналитика – относительно новая технология, полученная за счет увеличения производительности компьютеров по обработке данных. Это позволяет распознавать и классифицировать различные виды объектов, появляющихся на видеоизображении. Чтобы понять, почему имеет смысл использовать две технологии вместе, сосредоточим свое внимание на различиях между этими двумя технологиями.
VMD (видеодетектор движения)
обнаруживают движение в предопределенных областях изображения камеры и выдают тревожные сообщения. Они работают, анализируя аналоговый видеосигнал от камеры охранного телевидения, или, если быть более точным, анализируют электрическое представление серых оттенков на картинке и контролируют эти изменения в яркости или контрастности. На картинке от неподвижной камеры в окружающей среде с постоянным освещением это изменение может быть логически выведено, чтобы стать результатом обнаружения движения. Однако VMD спроектирован для наружных ситуаций, где уровни освещенности и другие условия изменяются в широких пределах. Чтобы устранить мягкие изменения освещенности, позволив осуществить обнаружение потенциальных угроз, требуется выполнение некоторых условий.
Во-первых, его чувствительность должна быть очень высокой, чтобы позволить обнаружить низко контрастный объект перед одинаково низко контрастным фоном, и в то же время детектор должен быть в состоянии проанализировать каждую индивидуальную зону обнаружения в сцене для тонких различий, вызванных плавными изменениями освещенности. Сравнение результатов через целое изображение – то, что позволяет VMD проанализировать, какие изменения глобальны и поэтому не представляют угрозы, а какие локализованы и наиболее вероятно представляют опасность.
Во-вторых, VMD должен сравнивать и хранить информацию о последовательности кадров от той же самой камеры достаточно быстро, чтобы гарантировать, что стремительная цель захвачена в пределах операционного цикла, в то время как она проходит через сцену.
И, в-третьих, VMD должен позволить пользователю настроить маленькие зоны обнаружения в дальней зоне наблюдения, которые должны быть намного более чувствительны, чем те, что расположены близко. Это должно уравновесить тот факт, что любая цель, естественно, кажется большей и вызывает большие изменения в сигнале, если она близко от камеры, чем тогда, когда цель находится в дальней зоне наблюдения.
Видеоаналитика
Видеоаналитика – технология использования интеллектуального программного обеспечения, чтобы фильтровать и управлять видеоизображением охранного телевидения в реальном времени. В данном случае это пикселы на видеоизображении, которые должны быть проанализированы. Программное обеспечение непрерывно анализирует сцену и создает для себя основную базовую модель, постоянно обновляя ее для обнаружения глобальных изменений, таких как погода и освещение. Текущие изображения непрерывны по сравнению с обновляемой моделью фонового изображения, и любые неестественные изменения по сравнению с моделью являются для пользователя специфической целью обнаружения. Пользователь может определить целевые объекты их вероятным размером, скоростью, направлением движения и положением, а также он может связать эти свойства. Система видеоаналитики может распознать такие объекты, как «человек» и «автомобиль», «появление объекта» и «исчезновение объекта», перемещения: «быстро», «медленно», «неправильное направление движения», отдельно или, только когда логически связано друг с другом. Это позволяет системе подать сигнал тревоги, когда человек двигается быстро или автомобиль двигается в неправильном направлении, но проигнорировать автомобиль, едущий быстро, или человека, идущего в неправильном направлении. Пользователь может также определить различные области интереса на изображении и связать их с различными целевыми особенностями и вызвать тревогу в ответ на данное действие.
По этому алгоритму происходит создание и непрерывное обновление в режиме самообучения, фоновой модели сцены по пиксельному содержанию всего изображения. В этой модели фиксируются глобальные изменения в кадре. В настройках алгоритма предусматривается задание размеров, скорости и направления движения распознаваемых объектов. Если в текущем кадре при сравнении с фоновой моделью сцены обнаруживаются изменения в какой-либо группе пикселей, система производит анализ этой группы на предмет обнаружения признаков соответствия параметрам предопределенных распознаваемых объектов и генерирует сигнал тревоги согласно настройкам тревог в этой зоне.
Отдельно, но вместе
Когда обе системы обнаружения работают независимо друг от друга, чтобы контролировать одно и то же изображение, их деятельность может быть логически объединена так, чтобы тревога была передана оператору только тогда, когда точно предопределенные критерии для обеих систем совпали в одно и то же время. Это означает, например, что птица, которая могла бы вызвать тревогу VMD, потому что она соответствует критериям движения и местоположения для тревоги VMD, не соответствует определенным критериям размера угрозы для VA, и тревога, таким образом, не будет сформирована при совместной работе двух систем. С другой стороны, когда ветер отклоняет листья в кустарнике и обманывает VA в отношении обнаружения движения человека или автомобиля, VMD не реагирует, и тревога не формируется.
|
Совместная работа двух систем при эксплуатации значительно увеличивает их возможности. Функционируя по отдельности, каждая система может произвести большое число нежелательных (ложных) тревог. При совместной эксплуатации двух точно настроенных систем можно добиться результатов, очень близких к идеальной ситуации, и сокращению нежелательных тревог.