Контакты
Подписка
МЕНЮ
Контакты
Подписка

ТЕСТ. Эпоха нейросетевых технологий в видеонаблюдении началась!

В рубрику "В центре внимания. Тесты " | К списку рубрик  |  К списку авторов  |  К списку публикаций

ТЕСТ
Эпоха нейросетевых технологийв видеонаблюдении началась!
Тестирование проведено и предоставлено компанией DSSL

Нейронные сети – это та инновация в области компьютерного зрения, которая имеет огромное значение для всего рынка систем безопасности. Ее значение для развития индустрии сложно переоценить. Использование решений, основанных на нейронных сетях, в видеонаблюдении открывает для отрасли поистине огромные перспективы! Область применения этой технологии практически неограниченна и охватывает широкий спектр задач: от розничной торговли до решений для "Безопасного города".

Для сферы систем безопасности применение нейросетевых решений позволяет совершить серьезный скачок в развитии ситуационной аналитики. Благодаря использованию нейронных сетей наконец становится возможным сделать переход от предположений, основанных на математическом анализе геометрии и цветовых характеристик наборов пикселей, к распознаванию образов.

Такой подход позволяет получить важный результат, а именно однозначный ответ на вопрос, что находится на видеоизображении: человек, машина, домашнее животное или велосипед, скопление людей или подъехавший к воротам самосвал.

Определение типа объекта с очень высокой точностью является одним из важных преимуществ использования технологии нейронных сетей в современной видеоаналитике. Дело в том, что в наше время "классическая" видеоаналитика в реальном времени, к сожалению, уже не справляется с поставленными задачами. Одной из основных проблем является то, что количество видеокамер, интегрированных в различные системы безопасности, постоянно растет, и этот процесс происходит в геометрической прогрессии. Количество поступающих от камер событий также многократно увеличивается, что приводит к большому количеству ложных срабатываний.

Как следствие, оператор оказывается физически не способен эффективно обрабатывать весь поток событий от камер в реальном времени. Для снижения количества ложных срабатываний жизненно необходимой становится возможность заранее настроить типы объектов, на которые должна реагировать система. Для этого нужно наделить систему видеонаблюдения функциями, присущими человеческому мозгу, и научить ее давать оценку происходящему и самостоятельно принимать решения.

Именно эту способность и обеспечивает применение нейронных сетей.

При грамотной реализации разработчиками это позволяет значительно сократить количество ложных срабатываний системы видеонаблюдения. А это, в свою очередь, значительно разгружает операторов и сотрудников службы безопасности, следящих за обеспечением порядка на объекте, и существенно повышает эффективность их работы. Ведь им больше не приходится отвлекаться на огромное количество уведомлений, которые на самом деле оказываются всего лишь ложными тревогами. Вместо этого они могут сфокусироваться на событиях, которые действительно требуют внимания.

Использование технологии нейронных сетей оказывается очень полезным и при решении задач по поиску и анализу информации при разборе инцидентов в архиве. Возможность сортировки по классам объектов заметно сократит время на поиск нужных данных и позволит получить более точный результат.

Помимо этого, преимущество нейросетевых методов анализа изображений заключается в том, что они могут решать некоторые сложные задачи, для которых создать классический алгоритм очень затратно или практически невозможно.

Для этих целей разработчиками используется особенность, характерная для технологии искусственного интеллекта, – возможность к обучению. Именно это обстоятельство делает использование нейроаналитики в видеонаблюдении таким привлекательным и перспективным.

Важным обстоятельством является тот факт, что обучение нейронных сетей можно осуществлять для работы в тех условиях, которые существуют на конкретном объекте. Здесь нужно понимать, что обученные на одной сцене нейросети при их использовании в другой ситуации и окружении могут выдавать совершенно не те результаты, которые от них ожидаются. Идеальные результаты нейросеть будет показывать, только если обучать ее непосредственно на видеоматериалах с конкретного объекта.

На рынке существуют разные производители, которые применяют различные подходы в своих решениях. В рамках нашего обзора мы рассмотрим реализацию технологий машинного обучения и нейронных сетей в видеоаналитике на примере решений от компаний DSSL и Hikvision.

TRASSIR NEUROSTATIONПредоставлен компанией DSSL


Начнем с того, что регистратор от компании DSSL построен на базе компьютерной материнской платы, а сама нейроаналитика задействует ресурсы карты памяти.

В регистраторы устанавливаются мощные карты, такие как Nvidia GeForce GTX.

В зависимости от требуемых объемов обработки видеопотока выбирается мощность карты: 1030, 1060, 1080 и т.д.

Вся аппаратная часть работает под управлением операционной системы TRASSIR. Самое важное, что программное обеспечение пишется под конкретное железо. Таким образом, не получится собрать сервер самому и использовать на нем операционную систему TRASSIR. Этот подход дает большую надежность по сравнению с серверами на операционных системах Windows. Теперь перейдем к самим нейросетям. Обучением системы занимаются программисты DSSL, которые "натаскивают" ее на распознавание нужных типов объектов, предоставляя десятки и сотни тысяч изображений, на которых присутствует интересующий объект. В результате получился уникальный продукт с расширенным функционалом и новыми возможностями видеоаналитики.


Основное преимущество TRASSIR NeuroStation, которое появилось благодаря нейросетевому модулю, – функция распознавания присутствия человека на видеоизображении. Ранее аналитика строилась только на определении лица, движения или появления объекта в кадре, но способа отделить человека от неодушевленного предмета или животного не существовало. Это, в свою очередь, приводило к частым ложным срабатываниям и, как следствие, снижению производительности.

Технология Human Detector в новом TRASSIR NeuroStation позволяет значительно снизить количество ложных сигналов. Например, камера установлена на охраняемой территории и имеет несколько тревожных зон, в которых может проезжать транспорт, но не должен находится человек. Видеорегистратор обрабатывает данные и уведомляет оператора о тревожном событии только в том случае, если в заданной области появился человек. При этом на птицу или автомобиль устройство не среагирует.

На базе Human Detector создана еще одна важная функция – Queue Detector. Эта технология отвечает за подсчет количества людей в очереди и при превышении допустимого количества людей на одной кассе сообщает оператору.

На базе нейроаналитики также уже работает распознавание автомобильных номеров, а в скором времени будет доступен и обновленный детектор лиц.

Еще одна важная новинка, присутствующая в этой модели, – это так называемая технология Offload. Данная функция позволяет подключать к TRASSIR NeuroStation любые видеорегистраторы и анализировать все поступающие видеопотоки. Раньше для этих целей приходилось использовать сложную и дорогую систему. Несколько камер на одной территории подключались к мощному видеорегистратору, который проводил всю видеоаналитику.


Если точек, в которых необходимо вести видеонаблюдение, было больше, в каждую требовалась установка отдельного устройства для обработки данных. Теперь же достаточно подключить камеры к самым простым видеорегистраторам (например, MiniNVR), которые имеют только функции записи и хранения информации. Более мощный TRASSIR NeuroStation примет всю информацию и видеоданные и проанализирует потоки со всех точек. При этом сам нейросетевой регистратор не нужно устанавливать в одной из них, он может находится в любом месте, подключаясь к сети через Интернет.

Несколько десятков видеорегистраторов с технологией аналитики может заменить одно устройство, что намного выгоднее и удобнее в обслуживании. Кроме того, для обновления всей системы до уровня нейросетевой и получения доступа ко всем возможностям нейроаналитики достаточно подключить сеть к TRASSIR NeuroStation. Таким образом, эта задача решается установкой всего одного мощного видеорегистратора, без необходимости замены всего оборудования.

Стоит сказать, что технология Offload является функцией операционной системы TRASSIR OS, но впервые появилась именно в модели Neuro-Station.

Существующие характеристики – не предел возможностей TRASSIR NeuroStation. В скором времени на базе нейросетевого модуля и технологии Human Detector будут реализованы функции распознавания велосипедистов, грузовых и легковых автомобилей, а также определение взрослого человека и ребенка.

Одним из критериев мощности видеорегистратора является количество каналов, которые устройство может принять. К стандартному прибору можно подключить от 4 до 32 камер для записи, хранения и обработки видеопотока. Если камер больше, пользователю придется приобрести несколько видеорегистраторов, это дорого и неудобно в использовании. TRASSIR NeuroStation позволяет подключить до 128 каналов, изображение с которых будет архивироваться, анализироваться и одновременно выводиться на монитор!

Следует отметить, что более сложная аналитика требует увеличения вычислительных мощностей. Например, при возможности записи и хранения до 32 каналов обработка данных с одной камеры займет не один, а несколько потоков. Однако даже при таких условиях TRASSIR NeuroStation предоставляет большие возможности для видеоаналитики: до 100 каналов Queue Detector и до 40 каналов Human Detector.

Hikvision Ids-7716nxi-i4/8sПредоставлен компанией Hikvision Russia


Регистратор от компании Hikvision имеет принципиально другую схему организации работы нейросетей. Но обо всем по порядку.

В отличие от TRASSIR тут мы видим nonPC-видеорегистратор с установленной видеокартой. Именно благодаря ей и становится возможна нейроаналитика на данном устройстве. И если регистратор TRASSIR использует стандартные игровые видеокарты, то Hikvision использует специально разработанные модели карт, предназначенные именно для использования с видеорегистраторами. Ядром этих плат также является процессор Nvidia.

В алгоритме нейросети заложено определение человека в кадре, и регистратор способен отличить человека от автомобиля. Нейросетевые технологии помогут и найти похожих людей в архиве, и проанализировать поведение человека. Здесь следует принимать во внимание тот факт, что на данный момент эта функция работает очень стабильно, пока все происходит на одном плане. Но если вдруг неожиданно происходит смена плана или просто изменяется угол наклона камеры, то найти похожего человека в архиве становится очень сложно, электронный "мозг" слабо справляется с этой задачей.

Что касается качества определения присутствия в кадре человека или автомобиля, то тут все на высоте. Человек определяется в 98% случаев, причем на качество определения не влияет установка камеры, если в кадре находится человек, автомобиль то регистратор его определит. Помимо этого, регистратор может определять пересечение линии, вторжение, вход в зону, выход из зоны. Больше никаких детекторов на борту устройства нет. И это еще один подход к организации системы умного видеонаблюдения.

Скорее всего, производитель таким образом полностью разгрузил вычислительные мощности регистратора, давая возможность для более качественной работы нейросети.

В регистраторе нет даже простейшего детектора движения. Но, несмотря на это, устройство имеет множество smart-функций, которые реализованы благодаря аналитике, встроенной в самих камерах. Hikvision имеет богатый ассортимент камер разных форм-факторов со встроенной аналитикой различного назначения, таких как детектор лиц, распознавание различных объектов и т.д. Именно этой аналитикой и способен пользоваться регистратор, обеспечивая выполнение любых поставленных задач.

Этот подход в реализации технологий видеоаналитики говорит о том, что мировые производители (в частности, Hikvision) делают большую ставку на аналитику, работающую на борту камеры. По одному из предположений, многие из них считают, что вычислительных способностей современных видеокамер более чем достаточно для выполнения большинства самых распространенных задач и что аналитика, работающая на камерах, ничуть не уступает аналогичной, работающей на сервере.

Что касается количества камер, с которых устройство может принимать видеосигнал, то данная модель позволяет подключить до 16 каналов. При этом на каждом видеоканале будет доступен функционал детектирования присутствия человека и машин в кадре.

Помимо всего прочего, регистратор обрабатывает видеопоток с камер, имеющих разрешение до 12 Мпкс с частотой 20 кадр/с. При разрешении 8 Мпкс и ниже частота кадров возрастает до 25 кадр/с.

Для ведения архива доступно четыре SATA-разъема, также поддерживаются два жестких диска объемом памяти до 6 Тбайт.

Данная модель является проектным оборудованием, стоимость видеорегистратора предоставляется менеджерами по запросу, в среднем она варьируется в районе 144 990 рублей.

Заключение

Преимущества использования технологий нейроаналитики в современных системах видеонаблюдения очевидны и не вызывают сомнений. Аналитика на базе нейронных сетей обеспечивает более высокую точность распознавания по сравнению с обычными детекторами, применяющимися в традиционных системах видеонаблюдения (VMS). При этом стоимость ее использования будет неуклонно снижаться вместе с наращиванием объема производства и сокращением себестоимости компонентов, необходимых для создания таких систем (прежде всего мощных графических ускорителей).

В нашем обзоре мы рассмотрели два возможных подхода к организации видеонаблюдения с использованием технологий машинного обучения и нейронных сетей. Ни один из них не обладает каким-либо явным преимуществом перед другим, у каждого есть свои плюсы и минусы, и выбор того или иного решения будет зависеть прежде всего от нужд конечного пользователя.

В одном случае наиболее предпочтительным вариантом станет заточенность программного обеспечения под конкретное железо. Такой подход позволяет раскрыть весь потенциал вычислительных мощностей имеющегося железа. Важным моментом при выборе подходящего решения также может стать технология Offload, позволяющая подключать к одному мощному серверу любые видеорегистраторы. Это позволит не устанавливать нейросетевой регистратор на каждом объекте, расположить его в любом удобном месте, добавив при этом всей системе возможности нейроаналитики и значительно сократив расходы на серверы.


Во втором варианте оптимальным выбором станет организация работы нейросетей таким образом, чтобы сервер не был оснащен никакими детекторами в принципе. В этом случае значительно разгружаются вычислительные мощности регистратора, что потенциально дает возможность для более качественной работы нейросети.


Еще одним фактором, влияющим на принятие решения о выборе наиболее подходящего устройства, является возможность дальнейшего обучения нейронной сети. В случае с Hikvision система представляет собой решение Stand Alone. Здесь возможности последующего обучения системы не предусмотрено в принципе, это законченный коробочный продукт. Пользователям предлагается опираться на функционал, который уже заложен в систему разработчиками, или искать более подходящий вариант.

Подход, реализуемый в интеллектуальной видеоаналитике TRASSIR, является принципиально иным. Здесь разработчиками изначально уделяется огромное внимание возможностям дальнейшего обучения искусственного интеллекта и настройки различных нюансов.

Исходя из требований заказчика, работа нейронной сети может быть скорректирована в нужную сторону. В алгоритмы работы могут быть внесены различные исправления и дополнения, которые позволят решению наилучшим образом учитывать обстановку на конкретном объекте. В расчет принимаются все факторы, от условий освещения до угла расположения видокамеры, что позволяет в конечном итоге создать решение, которое будет наиболее эффективно решать поставленные задачи.

Каждый из этих подходов имеет право на существование. А окончательный выбор в пользу того или иного решения может сделать только сам пользователь. При этом в настоящее время все больше и больше усиливается тенденция со стороны производителей оборудования для видеонаблюдения к переносу нейроаналитики непосредственно на борт видеокамер.

Как мы видим, конкуренция между различными подходами к организации работы видеоаналитики на основе нейронных сетей обещает быть весьма захватывающей! Мы, со своей стороны, будем самым внимательным образом следить за развитием ситуации и своевременно знакомить вас с самыми свежими трендами в этой области. И первым шагом в этом направлении станет наш обзор камер со встроенной аппаратной нейроаналитикой, который увидит свет в начале следующего года. Оставайтесь с нами, наступающий 2019 год обещает быть очень интересным!

Опубликовано: Журнал "Системы безопасности" #6, 2018
Посещений: 2890

В рубрику "В центре внимания. Тесты " | К списку рубрик  |  К списку авторов  |  К списку публикаций