2017/02/09 10:01:00

Видеоаналитика
Машинное зрение

Видеоаналитика — технология, использующая методы компьютерного зрения для автоматизированного получения различных данных на основании анализа последовательности изображений, поступающих с видеокамер в режиме реального времени или из архивных записей. Видеоаналитика представляет собой программное обеспечение (ПО) для работы с видеоконтентом. В основе программного обеспечения лежит комплекс алгоритмов машинного зрения, позволяющих вести видеомониторинг и производить анализ данных без прямого участия человека. Алгоритмы видеоаналитики могут быть интегрированы в различные бизнес-системы, чаще всего используются в видеонаблюдении и других сферах безопасности.

Содержание

Функциональные возможности видеоаналитики

Видеоаналитика автоматизирует четыре функции средств охраны:

  • обнаружение
  • слежение
  • распознавание
  • прогнозирование

Все четыре функции выполняются многократно, обеспечивая непрерывное уточнение гипотез о количестве, местоположении и типах объектов в контролируемой зоне, а также устранение избыточности в результатах. Периметральная видеоаналитика выполняет все четыре функции: непосредственно обнаружение, слежение (для исключения повторных срабатываний по одному объекту), распознавание (для минимизации ложных срабатываний, вызываемых животными и другим «шумом» окружающего мира) и прогнозирование (для слежения при временном пропадании объекта из поля). Под распознаванием можно понимать широкий спектр задач — от классификации объекта на цель/шум до идентификации или верификации объекта по биометрическим признакам[1].

Технология распознавание лиц на основе биометрии лица является «вершиной» видеоаналитики: она ставит наиболее сложные задачи и задействует широкий спектр математических инструментов. С одной стороны, биометрическая система реализует функцию распознавания, устанавливая вероятностную связь изображения с идентификаторами людей, зарегистрированных в базе данных. С другой стороны, биометрическая система требует безукоризненной работы функций обнаружения и слежения.

Примеры успешно решаемых задач с помощью функций видеоаналитики:

  • Распознавание с целью подсчёта людей и транспорта
  • Распознавание номеров (на транспорте, на денежных купюрах, документах и т. п.)
  • Детектирование событий (перемещения, движения, пересечение допустимых линий и границ, нахождение в зонах, перебрасывание предметов через ограждение и т. п.)
  • Обнаружение опасных ситуаций (скопления людей, оставленные предметы, возгорания и задымления и т. п.)
  • Распознавание человеческих лиц и поиск их в базах данных

Применение видеоаналитики

Использование видеоаналитики дает возможность в автоматическом режиме, без участия человека, в процессе видеонаблюдения решать задачи, которые обычно под силу только человеческому зрению. Данная технология используется как для обеспечения безопасности, так и для повышения эффективности бизнеса в торговле, финансовом секторе и на транспорте.

Функции и области применения

  • Распознавание объектов - Безопасность, подсчет объектов в торговле и на транспорте
  • Детектирование событий - Безопасность, контроль работы персонала
  • Анализ активности объектов - Повышение качества обслуживания

Коммерческое использование видеоаналитики

Видеоаналитика часто применяется для получения объективной оценки эффективности бизнеса, так как способна производить непрерывный и автоматизированный сбор данных, не зависящий от человеческого фактора, и формировать отчеты по запросу пользователя в любой момент времени. Технология видеоаналитики используется в розничной торговле, банках, торговых центрах, а также производителями CPG-товаров. Технологии видеоаналитики широко используются для решения комплексных задач по обеспечению безопасности и предоставлению статистических и маркетинговых данных. Видеоаналитика производит анализ следующих параметров:

  • Поток людей и транспорта
  • Количество объектов в очереди и время задержки людей в очереди
  • Активность людей в выбранной зоне

Подсчёт людей и транспорта

Для обеспечения безопасности на производстве успешно применяются не только классические системы видеонаблюдения, но и такие технологии, как системы распознавания лиц и автомобильных номеров. Первая система распознавания лиц была установлена в 1998 году в лондонском районе Ньюэм. В 2000-х годах системы распознавания лиц позволяли идентифицировать лицо человека с точностью не менее 80%. Сегодня же этот показатель превышает 95%. Таким образом, машины научились распознавать изображения лучше людей!

Системы распознавания автомобильных номеров могут применяться на КПП производственного предприятия. Камеры, установленные при въезде на парковку, не только распознают номера автомобилей, но и анализируют, сохраняют в архиве и передают на пульт диспетчера данные о транспортных средствах, а также сообщают сведения об обстановке на контролируемой территории.

До недавних пор алгоритмы видеоаналитики применялись в основном для детектирования событий, подсчета посетителей, распознавания опасных предметов и идентификации лиц с целью обеспечения безопасности на различных объектах. Современные разработки в области видеоаналитики способны решать большой спектр коммерческих задач. Алгоритмы могут осуществлять сбор и анализ важной маркетинговой информации в режиме реального времени (подсчет людей и транспорта, мониторинг активности людей в отдельных зонах и т.д.). По мере развития технологий анализа больших данных информация, поступающая от систем видеонаблюдения, становится все более ценной и начинает активно использоваться бизнесом[2].


Функции системы видеоаналитики в подсчете

  • Подсчет людей и транспорта, осуществляемый в режиме реального времени
  • Сбор и анализ количественных данных, собранных в результате работы алгоритмов по подсчету

Подсчет людей в коммерческих целях производится для расчета нескольких важных показателей эффективности бизнеса:

  • CPM (Cost Per Mile или Cost Per Thousand — объём продаж на тысячу посетителей)
  • SSF (Sales Per Square Foot или Sales Per Unit Area — число продаж на единицу площади)

Возможности для бизнеса

  • Прогнозирование продаж на основе данных о реальном потоке посетителей/покупателей
  • Оценка эффективности бизнеса, расчет коэффициента конверсии en:Conversion rate на основании статистических данных о посещаемости объекта
  • Привязка мотивационной системы сотрудников к коэффициенту конверсии en:Conversion rate
  • Анализ качества использования мощностей: торговой площади, работы персонала
  • Оценка эффективности рекламных компаний и вложений в PR и маркетинг на основании данных о посещаемости объекта
  • Снижение издержек на персонал, корректировка количества персонала в смене и графика работы объекта в соответствии интенсивностью потока посетителей

Автоматический анализ видеоизображения ограниченной зоны

Функции системы видеоаналитики в анализе периметра

  • Подсчет количества объектов в ограниченном периметре
  • Идентификация объектов, находящихся в периметре, по определенным признакам (определение персонала по униформе и т. п.)
  • Расчет времени задержки объектов в заданном периметре
  • Мониторинг активности объектов в заданном периметре (детектирование движения, фактов отсутствия в периметреи т. п.)

Возможности для бизнеса

  • Расчёт оптимального количества обслуживающего персонала на основании данных о поведении посетителей
  • Фиксация активности персонала для последующего поиска в видеоархиве при разборе конфликтных ситуаций
  • Оценка эффективности рекламных кампаний и их корректировка
  • Предоставление вендорам информации об эффективности промоакций
  • Профилактика хищений денежных средств и товаров (контроль кассовых зон, складских помещений, зон приемки товаров и т. п.)
  • Анализ активности посетителей/покупателей магазина по выбранным зонам
  • Расчет коэффициента конверсии по выбранным отделам.

Научные исследования в области видеоаналитики

Анализ видеоданных является подмножеством компьютерного зрения и искусственного интеллекта. Значительные научные исследования в этих областях ведутся в Университете Калгари , Университете Ватерлоо, Университете Кингстона, Технологическом институте Джорджии, Университете Карнеги-Меллона, Университете Западной Вирджинии и технологическом институте Британской Колумбии.

Системы видеонаблюдения

Развитие видеоаналитики в России

Научные исследования в области компьютерного зрения и искусственного интеллекта ведутся в России с 2000-х годов на базе исследовательских центров и нескольких крупных университетов.

В России до недавних пор алгоритмы видеоаналитики применялись в основном для детектирования событий, подсчёта посетителей, распознавания опасных предметов и идентификации лиц с целью обеспечения безопасности на различных объектах: охраняемых территориях, транспорте (аэропорты, железнодорожный транспорт, распознавание автомобильных номеров для ГИБДД), а также на государственных объектах.

Современные разработки в области видеоаналитики способны решать большой спектр коммерческих задач. Алгоритмы могут осуществлять сбор и анализ важной маркетинговой информации в режиме реального времени (подсчет людей и транспорта, анализ очередей, мониторинг активности людей в отдельных зонах). Высокая точность и достоверность данных, полученных в результате работы систем видеоаналитики, подтверждается широким использованием алгоритмов в бизнесе.

Кузнецов Виталий, Управляющий партнёр Office Anatomy: На рынке машинного зрения или видеоаналитики слишком много маркетинга от разработчиков, мало опыта у интеграторов и завышенные ожидания от новинки со стороны заказчика. В результате, разработчик нахваливает новоиспеченный, но еще далекий до идеала продукт, интегратор продает его клиенту, а заказчик, подогретый картинками из голливудских блокбастеров с эффектными сценами распознавания лиц и обнаружения преступников, получает в остатке одно разочарование. Все слишком заинтересованы получить революционный продукт, который бесповоротно изменит рынок систем безопасности.

Что такое компьютерное зрение?

Компьютерное зрение — это технология, с помощью которой машины могут находить, отслеживать, классифицировать и идентифицировать объекты, извлекая данные из изображений и анализируя полученную информацию[3].

Компьютерное зрение применяется для распознавания объектов, видеоаналитики, описания содержания изображений и видео, распознавания жестов и рукописного ввода, а также для интеллектуальной обработки изображений.

Мировой рынок компьютерного зрения

Чем машинное зрение отличается от компьютерного?

Машинное зрение использует анализ изображений для того, чтобы решать промышленные задачи. Машинное и компьютерное зрение — области связанные

Новичкам может показаться, что это разные названия одной и той же технологии, но это не так, так как компьютерное зрение — это общее название набора технологий, а машинное зрение — сфера применения.

Задачи машинного зрения

Машинное зрение позволяет отказаться от ручного труда, ведь контролировать сборку изделий, считать и измерять объекты, читать текст, цифры и идентифицировать объекты может робот.

Машинное зрение используется в различных областях. В медицине — для того, чтобы более точно ставить диагноз, в промышленности — для снижения себестоимости товаров за счёт автоматизации. В автомобильной индустрии — для навигации беспилотников, а в ритейле — для считывания штрихкодов или подсчёта посетителей.

Системы машинного зрения

Так как машинное зрение используется для решения различных промышленных задач, то в зависимости от того, какую именно задачу нужно решить, создаются специальные системы машинного зрения.

Типовые системы машинного зрения состоят из камер, ПО, процессоров, источников света, приложений программного обеспечения и различных датчиков.

Например, датчик определил, что деталь на конвейере нужно проверить, запустил камеру и сделал снимок этой детали. После этого изображение отправляется в компьютер, где программное обеспечение для машинного зрения обрабатывает полученную картинку.

После того, как изображение обработано, в зависимости от состояния детали программа пропускает или не пропускает деталь по конвейеру дальше. То есть, если деталь повреждена — программное обеспечение подаст сигнал устройству для её отклонения, остановит производство или предупредит человека о том, что есть деталь с дефектом.

Смотрите также

Робототехника



Примечания