Детекция движения сегодня применяется в видеонаблюдении практически повсеместно. Она стала базовой функцией, без которой невозможно представить современную систему безопасности. Но есть и другие методы детекции, которые применяются реже, но также основаны на детекции движения.
- детекция пересечения линии;
- детекция очередей;
- детекциия лиц.
Обычный детектор движения используется для обнаружения посторонних лиц на охраняемом объекте. Однако он может также использоваться в видеоаналитике. Детектор работает на основе алгоритма, создающего фоновое изображение, а затем сравнивающего последующие кадры с этим фоном, что помогает избежать ложные срабатываний при незначительном изменении кадра.
Кроме сравнения кадров с фоном существуют и другие алгоритмы обнаружения движения, увеличивающие точность детектора.
Детектор пересечения линии позволяет с большой точностью определить посетителей даже в плотном потоке. Алгоритм получает изображение с двух графических сенсоров, вычисляет объемную картинку и преобразует ее в 3D-модель. Это позволяет отслеживать направление движения посетителей (вход и выход), исключая при этом ложные детекции теней, тележек, сумок и колясок.
Благодаря данному методу детекции владелец любого торгового предприятия получает подробную аналитику в едином интерфейсе для подсчета количества посетителей.
Что касается детекции очередей, то она работает на основе специального модуля видеоаналитики, который используется для обнаружения очереди на основе подсчёта количества людей в кадре.
Он позволяет контролировать появление очереди, собирать и анализировать статистику, отправлять всем заинтересованным лицам моментальные уведомления об очередях в магазине, на складе, перед кассовым терминалом, в любой зоне, выбранной для мониторинга.
Детектор очень полезен в магазинах, на складах, в кассах и других местах, где может образоваться очередь. При этом аналитический модуль может создавать отчеты о времени появлении очереди, количестве людей в них, причинах появления очереди, показывает отрезки видео с камер.
Данный тип детекции позволяет:
- Повысите эффективность работы персонала
- Привлекать больше лояльных клиентов
- Обеспечить рост продаж из-за лучшей проходимости касс
- Снизите количество конфликтных ситуаций
- Увеличить число возвращений клиентов за счет качественного сервиса.
При использовании детектора распознавания лиц система обнаруживает черты лица, игнорируя посторонние объекты, производит автоидентификацию новых лиц, а также занесённых ранее в базу данных, создает списки по персонам, производит поиск и делает отчеты по событиям и, наконец определяет демографию посетителей, формирует отчеты по целевой аудитории.
Такая детекция чаще всего необходима крупным компаниям, где существуют высокие требования к безопасности.
Как известно, для уверенного обнаружения людей в кадре требуется плотность не менее 40 мм/пиксель. Понятно, что распознавание людей — это достаточно сложная задача, поэтому требования к качеству изображения здесь предъявляются очень высокие.
Помимо качественной картинки самую важную роль в любой детекции играют используемые различные алгоритмы, которые делят детекцию на внешнюю и встроенную. Они зависят от того, где осуществляется детекция движения.
Сегодня программы, которые используеются в видеонаблюдении для детектирования движения, могут быть как встроены в камеру, так и располагаться на удаленном видео- или облачном сервере. У каждого вида детекции есть свои плюсы и минусы.
Так к достоинствам встроенной детекции можно отнести:
- готовый комплекс видеонаблюдения с детекцией. При этом не надо думать, как работает система и какой алгоритм детекции выбрать — все это уже заложено производителями камер видеонаблюдения;
- простоту установки и настройки оборудования.
К недостаткам же данного метода детекции относится увеличение стоимости оборудования, а также упрощенные алгоритмы детекции движения.
Качественные алгоритмы детекции требуют для своей работы мощные DSP, а чем мощнее процессор, тем дороже будет камера.
Для внешней детекции сегодня все чаще применяют облачные сервисы. При этом специальные алгоритмы анализируют отправленный на облачный или локальный сервер видеопоток и выдадут уже готовый результат.
При этом пользователь может делать удаленно с ПК или любого гаджета настройки детекции в облаке. Ему не надо думать, насколько эффективны алгоритмы детекции и как их обновить. Этими вопросами занимаются программисты облачного сервиса.
Задача любого детектора движения — дать уведомления о возникновении движения в наблюдаемой зоне. Как и где использовать полученное уведомление — определяется возможностями конкретного ПО. В базовый набор возможностей обычно входит:
- Фиксация уведомления в журнале событий.
- Включение видеозаписи по срабатыванию детектора.
- Вывод уведомления оператору на экран.
- Отправка уведомления по email.
- Вывод камеры, с которой пришло уведомление, на тревожный монитор.
- Включение видеозаписи с улучшенными параметрами изображения (скорость, разрешение и пр.).
- Замыкание тревожных выходов для управления внешними устройствами.
Методы детекции движения сегодня продолжают развиваться. Появились детекторы оставленных, унесенных предметов, межкамерный трекинг, распознавание номеров, подсчет количества самых разных объектов — всем этим аналитическим функциям в той или иной мере требуются сведения о факте перемещения объектов в кадре, которые предоставляют детекторы движения.
По этой причине нельзя построить видеосервер с аналитикой, но без функции детектирования изображения. Сегодняшние требования высокой производительности серверов для видеоаналитики вызваны и благодаря нагрузке от детекторов движения. Тем не менее, обойтись сегодня без детекции движения в системе видеонаблюдения невозможно.
При этом детекторы нельзя просто поделить на два разных типа следует учитывать принципы работы детекторов в каждом конкретном случае, чтобы в итоге получить систему, оптимально под ходящую для каждой конкретной задачи и конкретного объекта.
