Вы находитесь в разделе Типовых решений систем безопасности

Распределенный аппаратный интеллект -- следующая ступень в эволюции систем видеонаблюдения

Часть процессора переходит в телекамеру, и видеонаблюдение поднимается на качественно новый уровень, а интеллектуальный анализ видеоизображения становится ключевой технологией безопасности -- так в двух словах можно выразить суть того новаторского шага, который совершила компания Sony. Шага в эволюции систем видеонаблюдения, которого все давно ждали. Sony разработала и воплотила на практике архитектуру, получившую название DEPA. Телекамеры, входящие в состав системы видеонаблюдения, снабжены собственными процессорами, в которые перенесены задачи по обработке изображения. Это изменение радикально повышает эффективность видеонаблюдения.

Что не в порядке в традиционных системах безопасности?

Сортировать поток обыденных событий, чтобы выделить те, которые представляют опасность, и своевременно привлечь к ним внимание персонала, -- вот фундаментальная задача всех охранных систем. Эта фильтрация традиционно велась вручную. Сотрудники охранной службы следили за ходом событий на мониторах, просматривая живое видеоизображение или запись. Главным фактором, определявшим успешность либо неуспешность такого подхода, стала ограниченная способность человека концентрировать свое внимание.

Чаще всего длительные периоды отсутствия каких бы то ни было тревожных событий в охранной системе перемежаются случайными ложными тревогами. В этих условиях способность оператора четко выполнять свои обязанности быстро сходит на нет. Даже у наиболее тренированных профессионалов концентрация внимания существенно падает в первый же час работы. Поэтому претендующие на эффективность охранные системы должны обеспечивать автоматизированные решения, способные помочь этому процессу просеивания событий, чтобы драгоценный человеческий ресурс использовался наиболее рациональным образом.

Появление цифровых IP-систем позволяет сделать существенный скачок в развитии техники видеозаписи, основанной на анализе событий, который выполняется с помощью машинного интеллекта. Однако внедрение подобных решений тормозится вследствие неэффективной организации рабочего процесса, диктуемой той архитектурой систем безопасности, которая досталась нам в наследство от периода безраздельного господства аналоговой техники. Такая архитектура имитирует структуру мало изменившихся с давних времен служб персонифицированной охраны: весь интеллект сосредоточен в последнем звене -- там, где располагается процессор. В результате в системе безопасности возникают узкие места. Они ограничивают возможности системы и повышают затраты на ее создание и эксплуатацию. Большая роль в этих системах по-прежнему отводится рутинной работе человека, внимание которого сильно перегружено.

Архитектура усовершенствованной распределенной обработки данных DEPA (Distributed Enhanced Processing Architecture), предложенная корпорацией Sony, является принципиальным шагом вперед в развитии систем безопасности. Она позволяет оснастить сетевые камеры первого поколения аналитическими функциями и разделить задачи по обработке данных между телекамерами и оконечным звеном системы. Этот новаторский способ организации рабочего процесса открывает простор для создания нового поколения систем безопасности, по определению более эффективных и лучше соответствующих ограничениям, связанным с человеческим фактором. Появление архитектуры DEPA знаменует собой новый этап в развитии систем безопасности -- этот шаг подобен произошедшему в свое время переходу от корпоративных вычислительных систем, основанных на одном центральном компьютере, к ставшей в наши дни обычной децентрализованной конфигурации локальных вычислительных сетей.

Анализ событий в системе безопасности Развитие средств видеозаписи, основанных на анализе событий

Для того чтобы системы безопасности, основанные на получении и обработке видеоизображения, работали эффективно, в них используется целый ряд способов выделения тревожных событий из общего потока событий. Все они сводятся к тому, чтобы определить, когда и где произвести запись либо просмотреть живое изображение и как затем отыскать критические события. На сегодняшний день вся история разработки этих стратегий может быть условно разделена на три этапа.

Технология первого поколения основана на записи изображения на видеомагнитофоны большой емкости, запускаемые по сигналу от физических датчиков движения. Ее успех строится на максимальном увеличении объема записи и предельно тщательном просмотре живого видеоизображения. При этом оператору доступен лишь простейший способ фильтрации событий: просматривать колоссальные объемы видеоматериала, изредка прерываясь для того, чтобы отреагировать на тревоги, большинство из которых при этом оказываются ложными. А ведь ручной поиск событий на большом количестве видеозаписей, хранимых на пленке, -- это титанический труд.

Переход от линейной записи на магнитную ленту к жесткому диску цифрового видеорегистратора существенно улучшает возможности оператора по доступу к записанному видеоизображению. Мгновенный переход к любому участку записи и быстрый поиск видеофрагментов -- например, по определенным событиям, -- снижают затраты времени и сил на выявление тревожных событий. Есть у таких систем и дополнительные преимущества. Например, записываемый видеопоток может быть сжат по алгоритму, основанному на анализе движения. Однако бич этих систем все тот же -- неприемлемо высокий процент ложных тревог.

С появлением компонентов, основанных на применении Интернет-протокола (IP), все сигнальные блоки и элементы управления систем видеонаблюдения стали исключительно цифровыми. Возникли сетевые системы видеомониторинга. Процесс оцифровки видеоизображения переместился от устройств видеозаписи к телекамерам, в которых теперь можно устанавливать высокопроизводительные процессоры. За видеорегистраторами остаются функции управления и фильтрация цифровых данных.

Изображение с телекамеры становится датчиком

В системах видеонаблюдения реализованы различные технологии, позволяющие сравнительно успешно реализовать стратегию видеозаписи, основанной на анализе событий, и добиться снижения процента ложных тревог.

Одно из традиционных физических средств обнаружения таких событий -- это датчики всевозможного типа, например, инфракрасные детекторы. Другой способ сортировки событий -- вручную, силами операторов, ведущих видеомониторинг всего, что попадает в поле зрения телекамер. Еще один путь -- интеграция систем охранного телевидения с системами контроля доступа, при которой открывание двери и тому подобные события могут управлять выводом изображения с определенных телекамер на экран либо включением записи транслируемого ими сигнала.

Прогресс в развитии процессорной техники приводит к росту ее быстродействия и уменьшению стоимости. Это -- выводит на первый план иной, более перспективный способ обнаружения важных для системы безопасности событий -- видеодетекторы движения.

Если каждый физический датчик имеет узкую сферу действия, определяемую принципом его работы, то видеообнаружение движения ограничено лишь границами кадра. Кроме того, видеодетектирование открывает более богатые возможности по предварительной сортировке и анализу событий, по более точной их классификации. Таким образом, оно является наиболее перспективным способом сортировки событий в системах безопасности. Видеозапись, основанная на анализе событий, продолжает совершенствоваться по мере развития алгоритмов видеодетектирования и повышения их надежности.

Преимущества интеллектуального автоматизированного анализа видеоизображенияОсвобождение операторов от рутинной и неэффективной работы

Несмотря на появление систем, основанных на применении IP-протокола, ошибочное игнорирование тревожных событий оператором было и остается важнейшей проблемой охранной сферы. Причина этого -- непомерно высокий уровень требований, предъявляемых системами безопасности к внимательности оператора. Поток ложных тревог и необходимость беспрерывно следить одновременно за множеством мониторов -- в таких условиях даже самый тренированный профессионал службы безопасности может просто не справиться с возлагаемыми на него задачами. Согласно результатам научных исследований, у хорошо подготовленного оператора эффективность работы по распознаванию событий уменьшается вдвое, если он переходит к слежению за изображением с 9 телекамер вместо одной.

Неправильный учет пределов человеческих возможностей может привести к поистине парадоксальным результатам. Увеличение количества телекамер с целью повышения безопасности нередко дает обратный эффект!

Существующие средства обнаружения движения в состоянии лишь более-менее вовремя предупреждать операторов о том, на какие участки объекта следовало бы обратить внимание, но понять, что делает объект наблюдения, классифицировать его поступки и оценить степень их важности для системы безопасности им не под силу. С развитием автоматических средств интеллектуального анализа видеоизображения систему можно преобразовать таким образом, что тревожные сигналы будут генерироваться при строго определенных условиях, соответствующих роли каждой телекамеры в работе всей системы. Разработчики смогут создавать узкоспециализированные системы, в которых каждой телекамере присвоен свой набор возможностей по генерированию тревог на основе самостоятельного анализа формируемого ею видеоизображения. Операторы этих систем смогут адекватно реагировать на каждое из зарегистрированных событий.

Такая система -- тонко настроенная, с тщательной фильтрацией событий -- способна эффективно использовать человеческий ресурс. Охранникам более не придется одновременно вглядываться во множество экранов, их внимательному взору будут представать лишь специально отобранные и соответствующим образом прокомментированные сцены. Автоматический интеллектуальный анализ видеоизображения позволяет эффективнее использовать силы оператора, вести более тщательный мониторинг и быстрее принимать решения по реагированию на ситуацию. При сохранении той же численности операторов общая эффективность такой системы значительно возрастает.

Быстрый поиск

Просмотр видеозаписи для обнаружения в ней определенного рода событий остается главным поводом для обращения к информации, записываемой системами безопасности. Эта задача по-прежнему трудна и отнимает много времени. Для нахождения нужных кадров операторам приходится затрачивать невероятно много усилий и времени. Интеллектуальный анализ видеоизображений позволяет фильтровать видеоматериалы автоматически по заданным факторам и их комбинации -- по расположению и размерам объектов, а также по их скоростям и направлению движения. Это позволяет коренным образом рационализировать рабочий процесс и одновременно повысить общие показатели эффективности системы безопасности. Снижение времени, затрачиваемого системой на поиск нужных событий, освобождает человеческие ресурсы, которые могут быть переброшены на усиление наблюдения в реальном времени.

Более эффективное использование дискового пространства

Существующие методы видеозаписи, основанные на обнаружении движения в кадре, малоэффективны с точки зрения расходования емкости дискового пространства для хранения данных. В видеоизображении, записанном и сохраненном системой, важная информация составляет лишь небольшой процент. В большинстве цифровых видеорегистраторов приходится принудительно снижать качество видеоизображения, чтобы высвободить дополнительное дисковое пространство и хоть как-то справиться с постоянным дефицитом гигабайтов.

Применение интеллектуального анализа видеоизображения для управления процессом видеорегистрации позволит оператору сосредоточиться лишь на важной информации. При этом можно значительно сократить холостое использование жестких дисков и одновременно повысить качество хранимого изображения по сравнению с сегодняшними системами цифровой видеорегистрации.

Современное состояние средств интеллектуального анализа видеоизображенияНедостатки централизованных схем анализа видеоизображения

Использование оцифрованного видеосигнала в качестве детектора, по команде которого можно начинать просмотр или запись видеоизображения, получает все большее распространение. Компании, находящиеся на переднем крае этого направления, непрерывно совершенствуют алгоритмы работы видеодетекторов. Однако эти алгоритмы по-прежнему основаны на централизованной обработке данных выделенными вычислительными ресурсами, сосредоточенными в серверной части системы. Расположение средств обработки сигнала между аналоговой телекамерой и цифровым видеорегистратором делает систему неуравновешенной, что создает множество проблем и узких мест, проявляющихся в процессе ее эксплуатации.

Недостатки централизованных систем обработки видеоизображения

Использование выделенных процессоров для анализа видеоизображения -- это заведомо затратный подход. Централизованная обработка данных требует применения самых высокопроизводительных и дорогих процессоров, способных удовлетворить высоким требованиям, предъявляемым к аппаратной части системы со стороны сложных алгоритмов анализа изображения. Типичные затраты на единицу техники, осуществляющей видеообработку, относительно высоки -- обычно они попадают в диапазон от 800 до 1500 евро. Кроме того, ограничения, накладываемые на вычислительные возможности каждого отдельного процессора, приводят к необходимости увеличения их общего количества по мере роста системы. Высокая стоимость централизованных систем обработки изображения -- их ключевой недостаток.

Большинство продуктов для интеллектуального анализа видеоизображения предназначены для использования при просмотре живого видеоизображения. Те же самые алгоритмы обработки в реальном времени, реализованные путем применения высокопроизводительных централизованных процессоров, используются и для поиска видеофрагментов в архивах. Как правило, это означает, что автоматизированный поиск в архиве, основанный на обнаружении движения в кадре, производится со скоростью, сопоставимой со скоростью просмотра того же самого видеоизображения в режиме реального времени. Выигрыша в затратах времени на архивный поиск по сравнению с просмотром живого видеоизображения -- никакого. Это не позволяет достичь настоящей цели поиска в архивах -- прочесать множество записей с телекамер за как можно меньшее время. Неэффективный поиск в архиве -- слабое место централизованных систем.

Sony предлагает архитектуру DEPA

Новый принцип построения сетевых систем видеонаблюдения, предлагаемый компанией Sony, означает кардинальный отказ от сегодняшних процессорных систем, основанных на интенсивной обработке данных централизованными серверами. Архитектура DEPA -- Distributed Enhanced Processing Architecture, архитектура распределенной улучшенной обработки изображения -- предусматривает, как видно из ее названия, распределение вычислительных мощностей по всей системе видеонаблюдения, что позволяет избежать перебоев в обработке информации, которыми славятся системы предыдущих поколений.

В системе, построенной на основе архитектуры DEPA, каждому отдельному компоненту назначен ряд специализированных задач по обработке данных, а вычислительные ресурсы распределены между всеми компонентами одного и того же типа. Это открывает перед такими системами новые возможности с точки зрения гибкости и масштабируемости.

Телекамеры от компании Sony, поддерживающие архитектуру DEPA, обрабатывают изображение и генерируют метаданные, то есть данные о данных, точнее говоря, информацию, содержащую результаты обработки изображения. Предварительный анализ изображения производится одновременно во всех телекамерах. Процессы анализа данных и генерирования метаданных в телекамерах тесно интегрированы с последующей серверной обработкой данных и метаданных в сетевых видеорегистраторах. Все это значительно снижает стоимость системы и увеличивает ее потенциал по обеспечению безопасности объектов.

Что такое DEPA?

Согласно принципу распределенной видеоаналитики, воплощенному компанией Sony в архитектуре DEPA, традиционная обработка видеосигнала разделяется на две группы задач. Предварительная обработка распределяется по периферии системы -- между телекамерами, а окончательная происходит уже на серверах видеорегистраторов.

Узел предварительной обработки:

• отделяет объекты от шумового фона;
• разделяет объекты на статичные и движущиеся;
• преобразует информацию об объектах в метаданные и передает ее в сеть отдельно от цифрового видеопотока.

Узел окончательной обработки:

• принимает предварительно обработанные данные, поступающие с телекамер, и записывает их на носители информации;
• выделяет объекты, поведение которых соответствует условиям фильтрации, задаваемым на уровне сервера;
• отображает необходимую информацию на мониторах;
• при совпадении определенных условий автоматически отдает команды реагирования.

Преимущества архитектуры DEPA

Перевод системы видеонаблюдения на платформу, основанную на архитектуре DEPA, радикально повышает производительность системы одновременно со снижением затрат на ее создание, увеличивает точность анализа видеоизображения, расширяет набор операций по анализу данных, снижает требования к пропускной способности сети.

Высокая производительность при минимальных затратах. В отличие от стандартных систем, использующих интенсивную обработку данных на уровне сервера, платформа DEPA разделяет задачи анализа информации и распределяет их между телекамерами и видеорегистраторами. Имея множество недорогих процессоров, каждый из которых рассчитан на исполнение достаточно узкого круга задач, можно избежать крупных затрат на высокопроизводительные средства обработки данных. Системы, построенные на архитектуре DEPA, более производительны, имеют повышенную способность к масштабированию и, в то же время, лишены традиционных узких мест. При этом они требуют меньших инвестиций в аппаратную часть.

Анализ видеоизображения до его сжатия яляется более точным. Артефакты компрессии изображения, создающие цифровой шум и приводящие к ложным тревогам, -- неизбежные спутники цифровых систем безопасности, в которых обработка данных построена по централизованному принципу. Рабочая схема платформы DEPA исключает этот конструктивный недостаток, поскольку предварительная обработка видеосигнала производится в ней на уровне телекамер, а значит -- до того, как видеопоток обрабатывается кодеком сжатия для последующей передачи его по сети. В результате получаемые данные об объекте свободны от воздействия цифрового шума вне зависимости от того, каким кодеком с какой степенью сжатия видеопоток будет обработан впоследствии.

Пригодность к широкому набору операций анализа и поиска в архиве. В оконечной, серверной части системы DEPA выполняется лишь анализ данных, описывающих объекты. Какой-либо обработки изображения на этом этапе уже не происходит, поскольку вся она сосредоточена в процессорах, встроенных в телекамеры. Это делает систему DEPA в высшей степени пригодной к выполнению столь ресурсоемкой операции, как одновременный поиск фрагмента по многим видеоканалам.

Кроме того, поскольку запись данных об объектах производится отдельно от формирования видеопотоков, эти данные могут подвергаться разного рода фильтрации, ускоряющей поиск видеофрагментов в массивах записанного материала. В централизованной архитектуре анализ и фильтрация производятся параллельно. Поэтому изменение критериев фильтрации после того, как поиск уже произведен, чаще всего приводит к необходимости осуществления всего процесса поиска заново. А поскольку производится это фактически в режиме реального времени, процесс этот кропотлив и долог.

Снижение требований к пропускной способности сетевой инфраструктуры. Снижение требований к пропускной способности сетевой инфраструктуры и оптимизация процесса слежения за удаленными объектами -- вот два момента, волнующие владельцев и пользователей сетевых систем безопасности. С появлением платформы DEPA информация об объектах уже не занимает значительной доли полосы пропускания сети. Эта информация теперь представлена потоком метаданных и нужна лишь для того, чтобы сообщить системе окончательной обработки данных о том, какую видеоинформацию следует запросить с периферии.

Из-за столь утилитарного и рационального подхода количество видеоданных, передаваемых телекамерой в сеть, падает до минимума. Вот где возникает резкий контраст с централизованными системами консолидированной обработки данных: интенсивная обработка данных на уровне сервера требует постоянной передачи на него видеоданных. Более того, для повышения точности анализа в централизованной системе приходится использовать частоту кадров, избыточную по отношению к тем, которые применяются для записи и наблюдения вживую.

Внутренняя инфраструктура технологииАрхитектура

Интеллектуальный анализ изображения в системах безопасности можно рассматривать как состоящий из двух стадий. На первой производится предварительная обработка изображения, его преобразование, выделение из него информации о присутствующих в сцене объектах. На второй стадии эта информация используется для реализации аналитических функций, таких, как принятие решений и генерация оповещений по тревоге.

Поскольку эти процессы заметно отличаются друг от друга, различны и предъявляемые ими системные требования. Предварительная обработка для извлечения из видеоизображения данных об объектах интенсивно нагружает и процессор, и память, а генерируемые в ходе нее данные могут быть распределены между множеством приложений. Окончательная обработка не предъявляет столь высоких требований к аппаратной части, однако требует значительной гибкости в отборе информации об объектах, запрашиваемой каждым из конкретных приложений.

В системах с большим количеством точек ввода информации архитектура, позволяющая разделить эти столь непохожие друг на друга задачи и представить их как две стадии одного и того же процесса, обладает ключевыми преимуществами. Делегирование предварительной обработки данных периферийным устройствам при том, что окончательная их обработка выполняется на уровне сервера, представляется вполне логичным. Понимая это, компания Sony обозначает свое лидерство в придании импульса развитию сетевых систем безопасности, пересмотрев роль телекамер и видеорегистраторов в видеонаблюдении.

Платформа DEPA создает новое пространство возможностей, тесно интегрируя друг с другом обладающие собственными интеллектуальными возможностями телекамеры и видеорегистраторы. Так достигается то, что было немыслимо в условиях господства принципа централизованной обработки данных, доставшегося нам в наследство от предыдущих лет. Системы, спроектированные на базе архитектуры DEPA, более эффективны, масштабируемы и экономичны.

Предварительная обработка данных

Предварительная обработка данных, производимая в системах с DEPA-архитектурой, позволяет выделять на изображении неподвижные и перемещающиеся объекты.

Обнаружение движущихся объектов. Главная проблема для любой системы обнаружения движения -- как избежать ложных срабатываний. Первопричиной ложных срабатываний является нестабильность окружающего фона, вызванная осадками, дрожанием листьев и крон деревьев на ветру, волнами на воде, вибрацией самой телекамеры. При входе объектов в тень и выходе из нее такое же действие на систему оказывает шум в автоматической системе регулировки усиления сигнала, вызванный колебаниями яркости всей наблюдаемой сцены.

Есть и другие причины сбоев в обнаружении объектов. Более крупный и удаленный объект может иметь на изображении тот же размер, что и мелкий, расположенный ближе. Предметы, имеющие близкую окраску, нередко визуально сливаются друг с другом. Автоматизированная система не всегда способна различить два тела, имеющие одинаковую угловую скорость относительно точки, в которой расположена телекамера.

Чтобы повысить точность обнаружения объектов, разработчики систем автоматизированного анализа изображения постоянно совершенствуют алгоритмы распознавания объектов. Все популярнее становится технология отслеживания векторов перемещения точек на изображении, хотя многие системы опираются всего лишь на сопоставление двух последовательно отснятых кадров. Перспективным считается совмещение в одной сложной процедуре нескольких разных алгоритмов обнаружения движения.

Интеллектуальные IP-телекамеры производства компании Sony -- модели SNC-RX550P, SNC-RZ50P и SNC-CS50P -- используют улучшенную технологию расчета векторов перемещения, при которой анализу подвергаются целых 15 последовательных кадров. Новый алгоритм существенно снижает степень влияния окружающего фона. Для этого определяется характер изменений между последовательными кадрами, что позволяет отделить тени от предметов, а также исключить из рассмотрения избыточные, перекрывающие друг друга части изображения и признаки движения. В итоге мы имеем значительно более устойчивую систему обнаружения.

Обнаружение оставленных предметов. В дополнение к перечисленным выше возможностям интеллектуальные IP-телекамеры производства Sony могут обнаруживать и предметы, появляющиеся в пределах кадра обозреваемой сцены или исчезающие из них. При этом информация о таких предметах немедленно передается на процессор, который ведет окончательную обработку данных и формирует инструкции по реагированию на выявленное событие.

Проблема состоит в том, что даже близкие к идентичным изображения фона содержат микроизменения. К примеру, любой кадр, зафиксированный при дневном освещении -- даже в непрямых солнечных лучах -- будет постоянно изменяться в силу изменений освещенности, связанных с перемещением Солнца и облаков по небосклону, а также прочих процессов подобного характера. Необходимо, чтобы система не реагировала на эти изменения, лишь тогда обнаружение фактов появления предметов в кадре или их исчезновения может быть безупречным.

В телекамерах производства компании Sony, поддерживающих архитектуру DEPA, эта возможность обеспечивается непрерывным анализом обозреваемой сцены и извлечением из получаемого изображения множества образцов фона.

В новом алгоритме, разработанном компанией Sony, характер изменений фона сцены сравнивается с несколькими базовыми моделями динамики фона. Так за счет минимизации влияния изменений окружающего фона достигается высокая точность обнаружения оставленных и исчезнувших предметов.

В зависимости от конкретных задач пользователи могут по своему выбору устанавливать чувствительность системы и время, в течение которого объект считается неподвижным, в диапазоне от 40 секунд до 12 часов.

Окончательная обработка данных

Окончательная обработка информации в системе DEPA заключается в анализе исключительно данных логического характера. Это в значительно меньшей мере нагружает процессор, чем собственно интеллектуальный анализ видеоизображения. Простые задачи окончательной обработки -- такие, как фильтрация данных об объектах -- могут производиться сервером записи без необходимости их перепоручения специально выделенному процессору.

В процессе окончательной обработки информации в системах на базе архитектуры DEPA используются шесть фильтров движения, которые могут сочетаться между собой и накладываться друг на друга в целях задания особых критериев обнаружения тревожной ситуации.

1. Появление объекта. Тревожный сигнал генерируется при появлении объекта в выбранной зоне
2. Исчезновение объекта. Тревожный сигнал генерируется при исчезновении объекта из выбранной зоны
3. Наличие объекта. Тревожный сигнал генерируется, если объект остается в пределах выбранной зоны в течение интервала времени, превышающего заданный.
4. Пересечение линии объектом. Тревожный сигнал генерируется при пересечении объектом виртуальной линии, заданной в пределах сцены.
5. Количество объектов. Тревожный сигнал генерируется в случае превышения количества объектов, находящихся в выбранной зоне, известного предела.
6. Объекты, оставленные без присмотра/изъятые. Тревожный сигнал генерируется, когда в выбранной зоне исчезают либо появляются объекты.

Варьируя составляющие пакетов данных, которыми описывается объект, -- включая его размеры и скорость -- можно рассчитать и иные параметры движения, такие, как направление. Комбинируя исходные данные с полученными в результате расчетов, мы получаем возможность дополнительного анализа, который позволяет задать объектам новые свойства.

Примеры подобного анализа:

• Наложение нескольких пообъектных фильтров на одну и ту же сцену для сужения номенклатуры анализируемых объектов.
• Запись изображений всех, кто выходит из подъезда, с игнорированием тех, кто входит в него.
• Подсчет количества покупателей в различных отделах предприятия розничной торговли для оптимизации распределения продавцов по отделам. Такие операции можно проводить в разное время дня и в разные дни, чтобы найти варианты типичного распределения покупателей, характерные для сезонных событий или мероприятий по продвижению товаров.

Перспективы

Согласно исследованиям, проведенным компанией IMS, средства анализа в обозримом будущем останутся наиболее быстро растущим сегментом отрасли безопасности. На этот расширяющийся рынок будут приходить все новые программные и аппаратные продукты.

Однако степень прибыльности этого сегмента оказалась весьма эфемерной вследствие наложения технологических ограничений на проблемы, связанные с производительностью систем безопасности и их стоимостью. Насколько широко средства столь тонкого анализа будут восприняты рынком, зависит от того, насколько системы безопасности будут просты в обращении и доступны по цене.

Платформа DEPA, разработанная компанией Sony, создала инфраструктурный базис для экономически обоснованного внедрения передовых методов анализа видеоизображения. Появление архитектуры DEPA дает всем профессионалам в области безопасности возможность пересмотреть существующую стратегию и приступить к планированию практического внедрения рабочих процессов принципиально нового типа, обеспеченных возможностями новой архитектуры.

Архитектура DEPA представляет собой открытую для разработчиков платформу. Продукты, поддерживающие архитектуру DEPA, выпускаются не только компанией Sony, но и другими ведущими разработчиками средств видеонаблюдения и поставщиками решений по анализу видеоизображения. Растет перечень представленных на рынке приложений, поддерживающих платформу DEPA, -- от узкоспециализированных программных пакетов анализа данных до многоцелевых комплексных систем безопасности.

Архитектура DEPA обеспечивает рост рынка, позволяя внедрить интеллектуальный анализ видеоизображения в самые разнообразные приложения во всевозможных системах безопасности. Этот скачок качества и функциональности охранных IP-систем в ближайшее время определит новые стандарты для систем обеспечения безопасности, охраны и видеонаблюдения.

Читайте далее:
Видеонаблюдение: рынок для тех, кому дано видеть
Безопасность автостоянок
Защита активов бизнеса
Биометрическая идентификация по рисунку лица в вопросах и ответах
Система видеонаблюдения в аэропорту Борисполь
Десять причин купить сетевую камеру или О чем не станет говорить поставщик аналоговой телекамеры
Охват охранной системы видеонаблюдения. Принцип одеяла или специфический подход?
Демонстрационный автомобиль Cisco подключен к беспроводной системе видеонаблюдения Milestone
Тенденции развития видеорегистрации
Frost & Sullivan: Мировые рынки оборудования для видеонаблюдения
Беспроводные камеры охранного телевидения уязвимы при нападении
Контроль доступа в колодцы линейно-кабельного хозяйства: проблемы и решения
Безопасность вслепую, или О Господи, кому же придется смотреть все эти камеры!
Китайцы в безопасности и под колпаком
Могут ли камеры видеонаблюдения остановить правонарушителей?