В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик | К списку авторов | К списку публикаций
2012 год показал, что интерес участников российского рынка к видеоаналитике достиг абсолютного максимума за всю историю своего развития.
На международной арене компании также делают крупную ставку на видеоаналитику. Согласно опросу IPVM (рис. 1), около 40% экспертов видят наибольший потенциал развития отрасли CCTV именно в видеоаналитике.
Примечательно, что видеоаналитика представляется в два раза привлекательнее других перспективных направлений - локальной записи (Edge Storage) и облачного видеонаблюдения, каждое из которых отметили лишь по 20% экспертов. Согласно другому опросу IPVM (рис. 2), видеоаналитика используется в 13% проектов, где задействовано до 500 камер, и в 33% проектов - свыше 500 камер. Это подтверждает тезис о том, что внедрение видеоаналитики быстрее окупается на крупных проектах.
Рынок видеонаблюдения в целом, и видеоаналитики в частности, является сложным для исследования. Это обуславливается относительно молодым возрастом отрасли, непрозрачным ценообразованием, сильной фрагментацией и сложностью технологий. Так, стоимость видеоаналитики варьирует от нуля до нескольких тысяч долларов из расчета за один канал, что часто вводит в заблуждение конечного пользователя.
На рис. 3 показано место видеоаналитики в структуре рынка видеонаблюдения.
Схема представляет динамику роста каждого из сегментов рынка с 2012 по 2016 г. Глобальный рынок видеонаблюдения, включающий в себя поставку готового решения, системную интеграцию, проектирование, монтажные услуги, сегодня составляет около 25 млрд долларов и увеличится до 3 5 млрд долларов к 2016 г. (темп роста 10% в год). Глобальный рынок видеонаблюдения без услуг, то есть только оборудование и программное обеспечение к настоящему времени достиг 11 млрд долларов и вырастет до 16 млрд долларов к 2016 г. (темп роста тоже 10% в год). Более динамично развиваются отдельные его сегменты:
Таким образом, средства видеоаналитики показывают наибольшую динамику роста среди всех сегментов рынка видеонаблюдения. Ровно год назад ("Рынок и технологии 2011", СБ № 6/2012, www.secuteck.ru/imag/ss-6-2011/68) я существенно скромнее оценивал объем рынка средств видеоаналитики -160 млн долларов, но прогнозировал значительный рост - 40%.
Важно, что рынки VMS, средств видеоаналитики и VSaaS перекрываются и даже могут конкурировать друге другом. Доля их перекрытия, по моей субъективной оценке, составляет около 20%.
Для оценки российского рынка имеет смысл объединить VMS и средства видеоаналитики, поскольку продукты этих категорий раздельно у нас не продаются. Предположим, что рынки перекрываются на 20%. Будем считать, что доля рынка России составила 3-4% от мирового рынка систем видеонаблюдения в 2012 г. и достигнет 4-5% к 2016 г2.
Как показано в таблице, годовой рост российского рынка VMS и средств видеоаналитики составит 30%, что опережает общемировой рост (20% в год).
Российский рынок увеличится с 30-40 млн долларов в 2012 г. до 70-100 млн долларов к 2016 г.
Рассмотрим основные технологические тренды российского рынка.
Для некоторых сегментов рынка в 2012 г. наметился процесс перехода от классической модели бизнеса (продажа аппаратного и программного обеспечения конечному потребителю) к сервисной модели. Здесь, аналогично модели VSaaS, вместо стоимости аппаратно-программного решения без гарантий возврата инвестиций потребитель оплачивает конкретную услугу (автоматический вызов службы охраны, хранение архива событий, сбор данных и подготовка аналитических отчетов). Новая модель упрощает обоснование экономической эффективности от внедрения видеоаналитики и обеспечивает регулярную выручку поставщикам видеоаналитики.
Уже сегодня мы видим внедрение видеоаналитики как сервиса для сетей розничной торговли (например, в "М.Видео") и для автоматического выписывания штрафов за превышение скорости на дороге. Правительство Москвы покупает услугу видеонаблюдения у операторов связи.
Очень вероятно, что значительная часть российского рынка видеоаналитики трансформируется из поставки оборудования или ПО в предоставление услуги. В будущем мы ожидаем большое проникновение этой модели бизнеса в транспорт (например, на вокзалы), в социальную инфраструктуру (например, в школы), а также в другие государственные и коммерческие организации.
Поставщиками видеоаналитики как сервиса могут стать операторы связи, частные охранные предприятия и поставщики отраслевых решений.
На форуме All-over-IP 2012 я заметил смещение интереса от видеоаналитики для охраны и безопасности к видеоаналитике для бизнеса Например, на нашем стенде более половины запросов посетителей касались применения видеоаналитики для сбора статистических данных о пассажиропотоках и поведении покупателей в магазинах с целью последующего анализа и принятия управленческих решений.
Видеоаналитика для бизнеса позволяет оценить ключевые показатели эффективности (KPI) для принятия управленческих решений и анализа их результатов. Она дает количественную оценку эффективности маркетологов, консультантов, продавцов и кассиров. Видеоаналитика может стать частью сервиса по аналогии с Google Analytics и Яндекс.Метрика, но для оффлайн-бизнеса.
В обозримой перспективе размер рынка видеоаналитики для бизнеса должен превзойти размер рынка видеоаналитики для безопасности, особенно в странах со здоровой экономикой.
Интерес конечного потребителя к видео высокой четкости (HD) стал серьезным драйвером перехода с аналоговых на сетевые камеры, передающие сжатое видео с компрессией Н.264. Однако видеоаналитическая обработка такого сжатого видео на стороне сервера часто оказывается неэффективной.
Уличные условия видеонаблюдения обычно характеризуются неравномерной и/или низкой освещенностью, наличием осадков, быстрым движением объектов. Сжатие видео при помощи даже самых современных кодеров приводит к необратимой потере информации. Скажем, во время дождя или при зашумлении изображения из-за недостаточной освещенности кодер "замыливает" черты лица или номер автомобиля Относительно простая задача подсчета автотранспорта без распознавания номеров в условиях снегопада уже требует несжатого видео.
Если битрейт кодера не ограничен, то вероятна перегрузка каналов связи и видеорегистраторов. Таким образом, идентификация объекта и другие задачи профессиональной видеоаналитики требуют обработки несжатого видео.
В настоящее время на рынке появились камеры массового производства, позволяющие передавать несжатый поток высокой четкости (HD). Рассмотрим три наиболее популярных интерфейса:
1. Цифровой последовательный интерфейс высокой четкости (High Definition Serial Digita nterface, HD-SDI) - пришел в видеонаблюдение из профессионального телевидения. Как более знакомый HDMI, интерфейс HD-SDI позволяет передавать несжатое видео 1080р, но по коаксиальному или оптическому кабелю.
Платы захвата (фреймграбберы) с интерфейсом HD-SDI и аппаратным сжатием Н.264 позволяют строить видеосерверы на базе стандартных компьютеров по аналогии с платами захвата аналогового видео.
2. Альтернативный интерфейс GigE Vision - тоже обеспечивает передачу несжатого видео по медной паре или оптике на базе стандарта Gigabit Ethernet. Размер передаваемого кадра GigE Vision не ограничен 2 Мпкс, как в HD-SDI Обычно интерфейс GigE Vision используется в более профессиональных камерах машинного зрения, которые дороже сетевых камер и поэтому имеют ограниченное применение в CCTV.
3. Наиболее массовый интерфейс USB 2.0 и USB 3.0 сейчас используется больше для Web-конференций и в индустриальных системах машинного зрения. Тем не менее USB может быть использован в недорогих системах безопасности для дома, офиса или небольшого магазина.
Следовательно, возникают предпосылки создания сетевых видеосерверов для аналитики несжатого видео, которые будут работать через перечисленные интерфейсы и которые обеспечивают благодаря отсутствию артефактов сжатия тот же уровень точности, что и видеоаналитика, встроенная в камеру. При этом такая серверная видеоаналитика несжатого видео обладает большей гибкостью и позволит подключать более сложные алгоритмы, требующие мощных процессоров.
Одновременно сетевые видеосерверы HD-SD и GigE Vision могут выполнять функции интеллектуального кодирования видео на графических картах и платах видеозахвата (фрейм-грабберах), а затем передавать поточное видео вместе с результатами видеоаналитики через интерфейс ONVIF (тип устройства NVT).
Несмотря на то что видеоаналитика несжатого видео обеспечивает более высокую точность распознавания, видеоаналитика сжатого (сетевого) видео имеет широкую область применения, особенно при наблюдении в хороших условиях.
Термин "аналитика сетевого видео" (Network Video Analytics, NVA) введен форумом ONVIF как тип сетевого устройства, которое принимает, обрабатывает и передает потоковое сжатое видео. К устройству NVA можно подключить IP-камеру или IP-видеосервер. Устройство NVA добавляет в RTSP-видеопоток результаты работы видеоаналитики, а именно события и метаданные, которые потом могут быть использованы для отображения на рабочем месте оператора или для поиска в архиве. В 201 2 г на рынке появились первые коммерческие устройства типа NVA, с помощью которых можно интеллектуализировать существующие сетевые камеры без существенного изменения архитектуры системы видеонаблюдения.
Важным трендом является появление систем видеонаблюдения на виртуальных серверах, где обработка видео производится на виртуализированных вычислительных ресурсах, не ограниченных реализацией, физической конфигурацией или географическим положением аппаратного обеспечения. Виртуализированная система видеонаблюдения используется не только для предоставления услуги VSaaS, но и для построения закрытых корпоративных систем с высокими показателями отказоустойчивости.
В какой степени может быть виртуализирована видеоаналитика? По моему мнению, первичная обработка видео, особенно несжатого видео, должна производиться на выделенном аппаратном обеспечении из-за высокой вычислительной сложности. Виртуализация существенно ограничит возможность низкоуровневой оптимизации алгоритмов в части использования оперативной памяти, кэша и графического ядра (GPU).
С другой стороны, видеоаналитика верхнего уровня, например поиск в архиве и многокамерное слежение, могут работать на виртуальном сервере для повышения отказоустойчивости и масштабируемости.
Очень перспективной выглядит интеграция функций видеоаналитики в систему контроля доступа и управления. Рассмотрим примеры:
На форуме All-over-IP 2012 несколько разработчиков рассказывали о новых функциях видеоаналитики. Например, детектор очереди или детектор скопления людей формирует тревожный сигнал, если число людей в поле зрения камеры превышает заданный порог. Существенное отличие этого детектора от массовых модулей видеоаналитики состоит в том, что он работает в местах массового скопления с малоподвижными людьми. Обыкновенная видеоаналитика объединяет рядом стоящих людей в один объект и срывает слежение на малоподвижных объектах, которые "врастают" в фон Среди новых коммерческих модулей видеоаналитики также следует отметить детектор парного прохода (движение "в хвосте", "паровозиком") и детектор движения против потока К сожалению, эффективность работы новых детекторов в существенной степени зависит от ракурса наблюдения камеры.
Разработчики видеоаналитики работают и в направлении совершенствования процедуры калибровки. Автоматизируется настройка глубины сцены, правил и действий системы.
Ведущие разработчики систем распознавания лиц по биометрическим признакам, такие как "Техносерв" и 3VR, говорят о следующем этапе развития биометрии - биометрической аналитике. Если классическая биометрия предполагает, что идентифицируемое лицо уже зарегистрировано в системе (в черном и/или белом списке), то биометрическая аналитика позволяет работать с лицами без базы фотографий Можно выделить три перспективных направления развития биометрической аналитики:
Взросление видеоаналитики создает предпосылки для перехода от традиционной камероориентированной к новой событийно-ориентированной концепции организации систем видеонаблюдения.
В традиционной модели интерфейс пользователя оператора построен на "квадраторе", в котором отображается видео в реальном масштабе времени со всех доступных камер. В событийно-ориентированной модели видеонаблюдения оператор получает входящие уведомления о прошедших событиях, которые могут сопровождаться отображением живого видео от камеры-источника события.
Перед разработчиками стоит непростая задача создания нового графического интерфейса пользователя, в котором каналы видео переключались бы автоматически по мере поступления событий. По сути, это тревожный экран, рассчитанный на параллельную обработку большего числа входящих событий. Необходимо обеспечить комфортное и предсказуемое для оператора переключение каналов, а также согласовать это переключение с работой с архивом, картой и списком входящих событий.
В событийно-ориентированной системе видеонаблюдения возникает задача ранжирования событий по степени важности - как в реальном масштабе времени, так и при работе с архивом для сортировки результатов поиска.
Например, видеоаналитика "Синезис" автоматически определяет степень важности события на основе таких данных, кактип события, место возникновения события, точность распознавания и расстояние до охраняемого рубежа Кроме этого, степень важности может быть установлена пользователем вручную.
В оперативной работе, например, в ситуационном центре алгоритмы ранжирования позволяют сфокусировать внимание оператора на наиболее важных событиях. Это дает возможность сохранить работоспособность ситуационного центра в случае возникновения "шторма" событий, вызванного непогодой или большим скоплением людей. Здесь можно привести аналогию с функцией фильтрации приоритетных сообщений в почтовом сервисе Google: алгоритм автоматически выделяет наиболее важные сообщения в длинном списке входящей почты Сегодня большинство видеорегистраторов выдают результаты поиска в хронологическом порядке. По мере развития видеоаналитики результаты поиска будут ранжироваться по аналогии с поисковыми системами Яндекс и Google. Степень важности события и релевантности запроса являются ключевыми параметрами для сортировки результатов.
В заключение - прогнозы для российского рынка на 201 3 год:
Опубликовано: Журнал "Системы безопасности" #6, 2012
Посещений: 11549
Автор
| |||
В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик | К списку авторов | К списку публикаций
