Периферийная видеоаналитика, расширяющая возможности видеонаблюдения

Андрес Вигрен (Andres Vigren), менеджер по глобальным продуктам AXIS Communications

Одним из главных преимуществ периферийных вычислений в видеонаблюдении становится возможность самих камер анализировать видеоданные с помощью встроенного непосредственно в них искусственного интеллекта и алгоритмов глубокого обучения.

Что такое аналитика «на периферии»

Растет количество устройств, находящихся на периферии сетей систем безопасности, и чем ближе вычислительные мощности будут расположены к самому источнику информации, тем лучше. Периферийная аналитика – наделение камер дополнительными возможностями по обработке информации.

Роль искусственного интеллекта и глубокого обучения в том, чтобы камеры могли выполнять как можно больше действий, и это роль постоянно растет. Благодаря этим алгоритмам можно научить камеры более глубоко понимать ту информацию, которую они снимают и анализируют в реальном времени. К примеру, камера может понять, какой тип автомобиля она наблюдает на дороге – грузовик или автобус, человек или животное, тень или сам объект.

Такой уровень понимания снимает нагрузку с человека, ускорит время отклика оператора, что может спасти жизнь, и, в конечном итоге, предоставит ценную информацию, которая может сформировать будущее зданий, транспортных систем и городов в целом.

Как перевести систему видеонаблюдения на периферию

На данный момент большинство камер видеонаблюдения может просто давать информацию о том, что кто то или нечто в кадре движется. После анализа события системой управления видеонаблюдением (VMS), установленной на сервере, нужен человек, чтобы оценить риск.

Чтобы получать информацию о том, что именно за объект находится в кадре, необходимо обучить камеру самостоятельно обнаруживать и классифицировать объект, что может привести к пониманию камерой неограниченного числа классов объектов или ситуаций.

Обычная аналитика просто обнаружит, что тревогу вызвало транспортное средство, а интеллектуальный уровень глубокого обучения поможет продвинутся дальше, и понять – что именно это за автомобиль, расположен ли он в проблемной зоне или же он на обочине и вне опасности, сломался ли автобус и есть ли проблемы с выходом из него людей.

Преимущества периферийной аналитики

Чем более высока точность периферийной аналитики и ее способность классифицировать большее количество классов объектов, тем меньше ложных срабатываний, что высвобождает время и снижает затрату ресурсов на изучение данных инцидентов. Чем система более проактивна, тем своевременнее и точнее будет ее ответ.

Польза от этого очевидна – периферийная видеоаналитика на автомагистрали может идентифицировать транспортные средства и предупреждать водителей. Полученная в результате глубокого обучения способность различать человека или автомобиль увеличивает ценность предупреждения для водителей. Например, обнаружив объект, находящийся в опасности на дороге, камеры могут активировать знаки, чтобы водители замедлили движение и не сбили человека или не врезались в транспортное средство.

Разработчики видеоаналитики уже видят тенденции для применения периферийной видеоаналитики не только в области дорожного движения, но и в других сферах.

Превращение «грязных» данных в актуальную аналитическую информацию

Первое ключевое преимущество периферийной видеоаналитики – анализ происходит на основе видеоматериалов самого высокого качества, максимально приближенного к оригиналу. В традиционной же модели видео передается на сервер чаще в уже сжатом состоянии, где аналитика выполняется на основе материалов уже худшего качества, в особенности если видео передается с камеры видеонаблюдения высокого разрешения.

Второе – в случае с традиционной аналитикой на сервере, она производится централизованно. Это предполагает обработку данных часто с большого числа камер, а значит на сервер поступает большое количество данных, что вынуждает организацию увеличивать количество серверов. Мощная же периферийная видеоаналитика предоставляет на сервер только важную информацию, что снижает требования к пропускной способности и к хранилищу информации.

Одним из ярких примеров устройства, оснащенного передовой периферийной аналитикой, является модель камеры видеонаблюдения AXIS Q1615-LE Mk III с мощными встроенными алгоритмами глубокого обучения на основе AI, поддерживающая классификацию объектов и установку интеллектуальных аналитических приложений сторонних производителей.

Перейти к списку статей