Детекторы движения уже достаточно давно используются в системах охранного видеонаблюдения, но лишь в последнее время они стали достаточно надежны для использования их в ночных и всепогодных условиях.

Как же работают системы наблюдения, оборудованные датчиками движения? Когда датчик срабатывает на движение, в идеале система должна представить оператору изображение с камеры, контролирующей область, в которой обнаружено движение, для подтверждения реальности нарушения охраняемого объекта.

Установление соответствия между сигналом тревоги датчика и конкретной камерой не всегда просто. Поэтому используются системы видео детектирования движения, которые автоматически привязывают источник тревоги к конкретной камере.

Системы видео детектирования движения различного уровня сложности и совершенства существовали довольно давно. Простейшая ВДД состояла из светочувствительного датчика, прикрепленного к экрану видеомонитора. Если яркость экрана в области датчика, изменилась — включался сигнал тревоги.

Простые датчики-наклейки вскоре сменили электронные приборы, контролирующие средний уровень видеосигнала, а по сути яркость, на заданных участках изображения. Такие системы детектирования движения все еще производятся и доказали свою эффективность внутри помещений. Однако они совершенно не подхлдят для уличных условий.

Эволюция систем видео детектирования движения шла за счет усложнения алгоритмов обработки изображений и увеличения вычислительной мощности микропроцессоров.

Сегодня действия таких систем можно разделить на два этапа:

Измерения — видеосигнал от камеры периодически измеряется с целью определить изменения интенсивности по полю зрения.

Вычисления — результаты измерений обрабатываются с целью определить наличие тревожного события.

Все системы видео детектирования движения полагаются на измерения изменений интенсивности за указанное время по всему полю зрения или указанной области.

Обычно используются три способа измерений: измерения в элементарной точке, в малой ячейке, в большой ячейке. В первом случае — элементарной точки — изображение разбивается на большое количество очень маленьких элементов, их количество может доходить до нескольких сотен тысяч. Интенсивность видеосигнала измеряется в каждой такой точке и полученное значение сохраняется для сравнения с прежним значением.

Измерения в малой ячейке аналогичны, все изображение разбивается на тысячу или более одинаковых областей, интенсивность в каждой из них измеряется и сравнивается со старым значением. При измерениях в больших ячейках, изображение разбивается на несколько сотен или тысяч областей разной формы и размера.

Первые два способа обычно позволяют осуществлять детектирование как по всему полю зрения, так и по части его, в то время как измерения в больших ячейках обычно не предоставляют возможности покрыть весь экран.

Чтобы на этапе вычислений поднять тревогу при срабатывании джатчика движения, необходимо отличить локальные изменения видеосигнала, вызванные движением от глобальных изменений освещенности сцены или вызванных действием диафрагмы камеры.

Простейшее решение — игнорировать изменения, если они зарегистрированы более, чем в определенном заранее количестве ячеек. Однако, это помешает обнаружению реальных целей в реальных условиях, когда общая освещенность объекта наблюдения постоянно меняется.

Более эффективная альтернатива — определить опорную область изображения, в которой, предположительно, никогда не будет никакого движения и использовать измеренные изменения сигнала для компенсации изменений освещенности по всему полю зрения. Такой подход работает достаточно хорошо, но требует особой настройки системы.

Более сложные системы способны производить постоянные измерения активности по всему полю зрения и использовать сложные математические методы для компенсации глобальных изменений, продолжая обнаруживать локальные изменения. Такие системы, чаще всего, способны работать без настройки, но все же на начальном этапе следует провести тонкую настройку высококвалифицированным специалистом, разбирающимся в особенностях реализованных в системе алгоритмов.

Чаще всего наружная область объекта охраны освещена не идеально, интенсивность освещенности существенно разнится. Это означает, что нарушитель, движущийся в темной области, производит меньше изменений в локальной яркости, чем на более освещенных участках.

Чтобы избежать этого, следует запрограммировать чувствительность отдельно в различных областях для ночного времени суток, в дневное сделать это невозможно из-за движещихся в течение дня теней.  Поэтому лучше всего вычислять изменения контраста и использовать их для определения движения нарушителя. На однородном фоне изменения контрастности, вызванные нарушителем относительно независимы от локальной освещенности.

Важно и то, что измерения контраста легко могут быть применимы к системам на основе больших ячеек, поскольку количество вычислений невелико. Но для систем, основанных на минимальных точках, такой подход стал реален лишь в последнее время.

Следует также помнить, что в уличных условиях освещенность может быть достаточно однородной при легкой облачности, но могут появятся и резкие перепады освещенности. В тяжелых условиях простые системы видео детектирования движения будут периодично генерировать тревогу в различных областях экрана.

Системы с измерениями в элементарных точках требуют большого количества вычислений для сбора статистики, необходимой для адаптации порога чувствительности. Им присуща повышенная чувствительность к высокочастотному шуму (мелким изменениям картины, как, например, трава на ветру).

Системы, основанные на малых ячейках, требуют меньшей вычислительной работы, и менее чувствительны к высокочастотному шуму. Системы с большими ячейками потенциально относительно нечувствительны к мелкомасштабным вариациям.

Наиболее сложные системы адаптируют критерий обнаружения в соответствии с общей изменчивостью всего изображения, чтобы дать наилучшую вероятность обнаружения вторжения без утомительных ложных тревог.

Градация по размеру движущегося объекта может уменьшить количество ложных тревог, вызванных мелкими животными и шевелящимися на ветру зарослями. Системы, основанные на элементарных точках равно чувствительны и к большим и к маленьким объектам, если не применен какой-либо механизм подсчета точек. Простейшая система считает количество точек, в которых произошло заметное изменение сигнала и включает тревогу, если это количество достигает заранее установленного. Если на экране только один движущийся объект, такой метод определения размера объекта вполне работоспособен.

Эта методика может быть улучшена посредством разбиения изображения на несколько областей и подсчета изменившихся точек в каждой области. Действительно надежное определение размера может быть осуществлено лишь если изменившиеся точки расположены в непосредственном контакте друг с другом, образуя контур цели. Такое определение занимает немалую вычислительную мощность, и в настоящее время не применяется в коммерческих продуктах.

Системы с большими и маленькими ячейками равно подвержены тому недостатку, что если объект меньше одной ячейки, определение его размера невозможно. Если же объект больше одной ячейки, то применяется метод подсчета ячеек, подобный методу счета точек. При этом вполне реально и применение методики определения непрерывности объекта. Системы с большими ячейками неспособны различить маленький яркий объект и большой блеклый, если оба они меньше размера ячейки.

Нужно также помнить, что большинство внешних систем видео детектирования движения применяются с камерами, смотрящими вдоль периметра охраняемого объекта. В этом случае, нарушитель в нижней части экрана кажется значительно больше, чем в верхней. Поэтому хорошая система должна уметь корректировать порог срабатывания по размеру в зависимости от расстояния до цели.

Для выяснения, имело место движение или это все же игра света и тени, необходимо анализировать историю изменений во времени и пространстве. Простые системы требуют, чтобы в течение заданного времени произошло несколько событий. Такие системы, к примеру, не среагируют на случайную вспышку, но несомненно дадут ложную тревогу на мигающий возле перекрестка светофор.

Другие системы позволяют пользователю задать предварительную и тревожную зону. Если событие обнаружено в предварительной зоне, а вслед за этим, в течение заданного времени — в тревожной — это четкий признак движения. Однако, подобные системы очень непросты в программировании и могут оказаться совершенно неэффективными при плохой настройке.

Более общий, но вычислительно сложный подход — алгоритм слежения, подтверждающий непрерывность траектории движущегося объекта и, дополнительно, постоянство его размера. Таким образом отличаются случайные события от регулярного движения.

К сожалению, не всегда можно закрепить камеры так, чтобы они не качались на ветру. А ведь с точки зрения системы видео детектирования движения, само движение камеры относительно сцены — тоже является движением.

Системы, контролирующие элементарные точки, наиболее чувствительны — малейшее движение камеры приводит к резким изменениям во многих (или даже всех) точках сразу. Это означает, что без сложной системы обработки изображений такие системы неприменимы для уличных камер.

Системы, основанные на ячейках, обычно менее чувствительны к незначительному смещению камеры (в пределах половины размера ячейки).

Качающиеся деревья также создают серьезные проблемы. Конечно, хорошая система слежения за многими целями, сможет отличить их периодичные колебания от настоящего движения. Например, достаточно установить ограничение снизу на размах движения (величину смещения цели).

Еще одна проблема — птицы. Компенсация перспективы при оценке размера цели основана на предположении, что камера находится над местностью и смотрит слегка вниз. Это хорошо работает за исключением единственного случая: Маленькая птичка, пролетающая вблизи камеры в верхней части поля зрения будет воспринята как большой объект. Способ исключить такие события основан на том, что скорость движения птицы обычно сравнительно велика (если она не движется прямо на камеру или от нее). Задание минимального времени между предварительной тревогой и тревогой в основной области позволяет реализовать этот способ. При наличии системы слежения за целью, ее скорость просто может быть определена.

Все системы видео детектирования движения также могут быть обмануты медленно движущимся нарушителем, поскольку всегда регистрируется изменение лишь за конечное время. Чем дольше этот период времени, тем легче обнаружить медленно движущиеся объекты, однако вероятность ложных тревог от движущихся теней или изменения условий освещенности также возрастает. Такие ложные тревоги, впрочем, частично могут быть устранены за счет оценки размеров движущейся цели — тени, как правило, довольно большие.

Чтобы ВДД мог считаться надежным датчиком он должен включать в себя методы самоконтроля и обнаружения попыток его вывода из строя — маскирования камеры, ослепления ее ярким светом или перерезания кабелей.

Так какую же ВДД нужно выбрать? Поскольку в реальных системах видео детектирования движениях применяются самые разнообразные решения и алгоритмы, их очень трудно сравнивать на основании характеристик, приводимых в спецификации.

Столь сложные системы могут по разному проявить себя в различных обстоятельствах, так что реальный выбор можно сделать лишь в реальных условиях что зачастую нереально, потому что поьтребуется несколько камер оборудованных датчиками движения и на их проверку уйдут месяцы.

Поэтому при выборе оборудования нужно знать главное, а именно, что хорошая система видео детектирования движения обязана иметь как минимум следующие свойства:

• определение размеров целей (с компенсацией перспективы)
• компенсация глобальных изменений освещенности,
• устранение тревог, вызванных птицами (различение целей по скорости),
• обнаружение выхода из строя камеры.

И разумеется, при установке ВДД обязательно следовать рекомендациям производителя, с тем чтобы размеры целей попадали в диапазон уверенно обнаруживаемых.