Облачное видеонаблюдение, когда запись видео с камер наблюдения ведется не на жесткий диск видеорегистратора или компьютера, а на специальный облачный сервис, находящийся в сети Интернет, уже давно не является новинкой.
Однако с переходом большого количества пользователей к облачному видеонаблюдению, появилась необходимость и в осуществлении одной из важных функций видеонаблюдения — видеоаналитики.
Благодаря облачным технологиям появилась возможность вести непрерывный видеоанализ информации, поступающей с камер видеонаблюдения. При этом сервис видеоаналитики может быть либо интегрирован в облачную систему видеонаблюдения, либо предоставляться отдельно.
Использование облачной видеоаналитики позволяет сделать систему видеонаблюдения мощнейшим инструментом обеспечения безопасности.
Облачная видеоаналитика способна решать множество задач, которые стоят перед системой видеонаблюдения. В первую очередь, видеоаналитика способна контролировать качество видеопотока, вести отбор объектов по заданным параметрам, контролировать ситуацию на заданном объекте, сообщать о тревожных событиях и т.д.
К слову сказать тренд на использование аппаратной аналитики в видеокамерах по причине появления облачной аналитики замедлился. Уже в 2018 году не наблюдалось сильного роста предложений камер с продвинутой видеоаналитикой. В 2019 году это снижение продолжилось. Причем, вендоров, предлагающих возможности технологии Face Recognition (распознавание лиц) непосредственно в видеокамере, немного, правда в представленных решениях увеличился доступный объем базы лиц людей.
В свою очередь, производители видеокамер исследуют возможность интеграции видеоаналитики, встроенной в камеру, облачные сервисы.
Какие задачи решает сегодня облачная видеоаналитика? Попытаемся ответить на этот вопрос.
В первую очередь — это контроль качества видеопотока, поступающего с камер видеонаблюдения. Пользователям систем видеонаблюдения важно оперативно определять нарушения работы каналов связи, осветительного оборудования, камер и серверов.
При этом скорость передачи данных высок не за счет снижения качества видеоряда как при использовании регистраторов, а благодаря выборочному подходу к сохранению и передаче данных.
Также для потребителя важна гарантированная запись и обнаружение несанкционированных проникновений на охраняемый объект, попыток краж товаров, различных нарушений, в том числе и трудовой дисциплины и т.д.
Не менее важен аспект, связанный с поиском видео в архиве для расследования происшествий. В облачных сервисах интеллектуальные инструменты поиска позволят быстро находить в архиве видеоданные с возможностью их фильтрации по типу объекта — человек, лицо , транспортное средство, регистрационный знак и по типу движения объекта.
Такой инструментарий нужен для того, чтоб сократить время поиска событий. При этом облачные сервисы могут предоставить возможность поиска без настройки правил, пользователь может задать их после после того, как событие уже произошло. К примеру, пользователь может выделить место в магазине и мгновенно найти момент времени, когда украли товар или когда воришка подошел к кассе.
Собранные в облачном сервисе данные, могут быть использованы для решения широкого круга задач от розыска подозреваемых лиц до маркетинговых исследований в масштабах целой страны.
Немаловажен и тот факт, что с появлением облачной видеоналитики отпала необходимость содержать диспетческий центр на охраняемом объекте и штат операторов.
К услугам облачного сервиса клиент также обращается, если не хочет платить за оборудование и программное обеспечение (видеорегистраторы, системы управления видео). В облачном сервисе можно оплатить конкретную услугу, например, записи и хранения видео в определенный промежуток времени, сбор данных и подготовка отчетов, анализ посетителей, наиболее популярных товаров и т.д.
То есть, по сути, использование облачной инфраструктуры рационализирует функцию хранения видео- и метаданных, реализовывает новые функции при анализе метаданных и осуществлении поиска в архиве.
Инструменты, которыми пользуется видеоаналитика, позволяют выделить важную информацию и сохранить только ее, исходя из тех параметров, который задал пользователь. От того, насколько важны данные для пользователя, может определятся срок их хранения на облачном сервере.
В обычном режиме видео записывается в архив облачного сервиса без декодирования и без анализа. Если возникает необходимость провести расследование или другие действия, то пользователь указывает интервал для анализа, и кластер обрабатывает массивы видеоданных, выделяя объекты, траектории и ситуации на заданном интервале времени заданной камеры.
Полученный индекс кешируется в базе данных, таким образом, повторные поисковые запросы по фрагменту видео выполняются одень быстро. Например время выполнения одного запроса индексирования видео продолжительностью 1 час может составить всего 7–12 секунд.
Подобный сервис видеоаналитики по запросу может быть либо интегрирован в облачную систему видеонаблюдения, либо предоставляться независимо. В последнем случае пользователь должен предварительно загрузить видео на сайт провайдера услуги, что занимает дополнительное время.
Облачное видеонаблюдение, невзирая на растущую популярность, все еще не получило широкого распространения из-за неготовности многих служб отказаться от методов прежней работы, а также от незнания преимуществ данной системы.
Тем не менее за использованием облачной видеоаналитики будущее. Она позволяет сбалансировать нагрузки между серверами кластера, дает полную виртуализацию и по-настоящему кроссплатформенный клиент. Так что благодаря доступности сервиса всем категориям пользователей и простой интеграции со внешними приложениями, облачная видеоаналитика может превратить систему видеонаблюдения в инструмент обеспечения безопасности и управления бизнесом нового поколения.
