Алексей Осипов: эффективную систему видеоаналитики использует CVizi

Видеоаналитика или видеонаблюдение?
 
Видеоаналитика – интеллектуальный анализ видеопотока с камер при помощи методов компьютерного зрения и автоматическое распознавание разного рода данных и событий.
 
Технологическая возможность видеоанализа в режиме реального времени существует давно, но главным ограничением до сих пор остаётся начальная стоимость системы из-за стоимости оборудования.
 
За последние 5 лет технологическая база в области видеонаблюдения сделала качественный рывок, а цены на видеокамеры стали доступными. Даже в городских квартирах легко встретить камеры, которые предназначены для наблюдения за детьми, нянями, сейфами и т.п. Пользователь может не просто online просматривать изображение с них, но и удаленно управлять ими.
 
Динамика снижения цен на камеры радует. Но другая сторона медали – непрерывный рост массива видеоданных. Чем больше данных, тем сложнее их обработать. А главное – обработать вовремя! Если на поиск нужного события оператор будет тратить много времени, просматривая видеофрагменты один за другим, пусть и в ускоренном темпе, ценность таких данных не велика. Т.е. тенденция последних лет такова, что потребителю не нужен исходный массив видеоданных. Ему нужны только события, которые его интересуют и которые он желает отслеживать. Остальное – фон.
 
В решении некоторых задач человек не может добиться эффективности в силу своих физических возможностей и ограничений. Это либо задачи, когда событие происходит очень быстро, и человек не успевает глазами, либо наоборот – рутинные операции по поиску и наблюдению за слабо изменяющимся фоном, когда внимание снижается. Поэтому задача видеоаналитики – замена человека в типовых операциях принятия решения. Речь не идет о полной замене оператора. Ни одна автоматизированная система пока не может функционировать полностью автономно, обучаться самостоятельно и распознавать события лучше человека со 100% достоверностью. Например, задачи определения факта воровства в магазине остаются до сих пор только в видении человеческого глаза. Научить машину отличать хотя бы с достоверностью 60-70% факт того, что человек кладет в карман свой телефон, а не коробочку с витрины, пока слабо реализуемо.
 
Тем не менее, видеоаналитика способна на многое, и с ее помощью возможно осуществлять событийный контроль очень большого спектра событий: от подсчета людей или машин до распознавания лиц и дефектов на оборудовании. А это уже не просто способ увеличения эффективности охранного видеонаблюдения, а способ увеличения дохода предприятия. Видеоаналитика становится бизнес-аналитикой.
 
 SMART-камеры – это реальность
 
Основная доля в ценнике системы видеоанализа – это оборудование и ПО. Причем, чем не тривиальнее задача видеоанализа, тем мощнее и дороже будет серверное оборудование, а значит, и порог входа в технологию видеоанализа.
 
Почему так происходит? Вроде бы очевидно, но от этого не становится легче.
 
Проведем параллель между человеческим глазом и камерой. Как только картинка в глазу изменилась, человеческий мозг моментально принимает решение. Почему бы и камере не поступать также? Тогда это была бы SMART-камера. Но у камеры нет вычислительных мощностей, достаточных для обработки видеопотока в режиме реального времени, и которые были бы легко программируемыми. Скорее всего, прототипы таких камер существуют, но это штучный товар, спроектированный для каких-то узких задач, а значит не массовый и не дешевый.
 
Как получить доступную аналитику с низким стоимостным порогом входа?
 
В компании CVizi отказались от централизованной архитектуры с одним или несколькими мощными серверами и используют в своих решениях горизонтально-распределенную систему. Ключевая идея – разделить весь массив камер на небольшие группы (1 – 6 шт.) и наделить каждую интеллектом, сделав из обычных камер SMART-камеры. Для этого CVizi использует микрокомпьютеры, которые аккумулируют видеопоток с камер, выделяют из него метаданные (события в оцифрованном виде, например, количество людей в зоне в чч:мм плюс фотоподтверждение), согласно запрограммированной логике, и уже метаданные отправляют на конечную обработку и хранение в облачное хранилище. Такой подход к архитектуре позволяет очень легко программировать отдельные участки системы, легко масштабировать ее и обеспечить высокую отказоустойчивость. Не нужно покупать,а потом и обслуживать дорогостоящие сервера. Такой симбиоз из камеры и микрокомпьютеров обеспечивает гарантированное выполнение отдельных специализированных задач и не будет бутылочным горлышком при увеличении нагрузки на систему.
 
А главное – стоимость. Стоимость использования такого решения на одну камеру в месяц будет соизмерима со стоимостью использования сотовой связи на один телефонный номер. Поэтому эффект от его внедрения будет гораздо выше затрат на его внедрение.
 
Более подробно о технологии мы расскажем в следующих статьях.
 
Алексей Осипов, директор по маркетингу

© planet-today.ru