IP камеры видеонаблюдения на основе аналитики искусственного интеллекта (AI) - одно из последних технологических достижений в индустрии видеонаблюдения. Алгоритмы машинного обучения помогают мгновенно обнаруживать людей, а также такие объекты, как автомобили и многие другие. Давайте посмотрим, как видеоаналитика развивалась с годами, от аналитики первого поколения, такой как обнаружение движения (VMD), до простых задач видеоаналитики, а теперь и ИИ.
Где все началось
В начале 1990-х был представлен VMD, новый способ обнаружения изменения пикселей в сцене. Вместо того, чтобы заставлять кого-то постоянно следить за вашим видеонаблюдением и ждать, пока что-то не произойдет, VMD может сказать вам, когда произошло движение. Пользователи будут определять области, на которых они хотят сосредоточиться, и при обнаружении каких-либо изменений в указанной сцене они будут уведомлены.
В то время как VMD считался переломным моментом, когда он был выпущен, со временем стало очевидно, что VMD недостаточно умен, чтобы знать, действительно ли то, что движется, является объектом интереса. Например, если вы хотите контролировать бэкдор своего розничного магазина после 23:00, чтобы убедиться, что нет подозрительной активности, сигнал тревоги все равно сработает, если в обозначенной зоне пройдет животное или взорвется дерево. VMD основывалось на любом изменении пикселей в выбранной области видео, что приводило к ложным тревогам. Для пользователей VMD это привело к дополнительным расходам, поскольку им пришлось бы подтверждать тревогу, отправив сотрудников службы безопасности или полиции для расследования.
Простая видеоаналитика, построенная на основе VMD, была представлена около 2000 года и включала соотношение высоты и ширины, скорость объекта и повторяющееся движение. Использование алгоритмов и фильтрации того, что вызвало тревогу, помогло уменьшить количество ложных тревог по VMD. Но хотя это усовершенствование сработало в определенных средах, все еще существовала потребность в лучшем решении для отслеживания человека на протяжении всей сцены. Ложные тревоги по-прежнему были обычным явлением, и потребность в разведке для распознавания и идентификации людей росла. В течение этого периода времени в отрасли происходили и другие изменения, и достижения в области CMOS-сенсоров дополнили аналитику, обеспечивая четкие изображения даже в условиях низкой освещенности и динамического освещения.
Видеоаналитика хорошо работала в сцене, где люди находились на белом фоне, но не так хорошо работала в сложных сценариях.
Где мы на сегодняшний день
На сегодняшний день отрасль систем видеонаблюдения и систем видеоаналитики продолжает стремительно расти и вступать в новую эру аналитики на основе искусственного интеллекта. Эта сложная технология обеспечивает значительно большую точность, нежели аналитика предыдущего поколения. Использование алгоритмов машинного обучения и глубокой нейронной сети (DNN) с видео позволяет камерам видеонаблюдения анализировать сцены для обнаружения конкретных объектов, обеспечивая самое большое преимущество, которое отрасль систем безопасности не видела до сих пор.
Данные алгоритмы специально обучены обнаруживать людей с помощью нейронных сетей. Современные модели DNN обладают повышенной универсальностью, так как их можно применять также для обнаружения автомобилей или велосипедов. Благодаря непрерывному обучению аналитики искусственного интеллекта точность и производительность могут со временем повыситься.
Результат - гораздо большая точность обнаружения. Например, теперь, когда вы отслеживаете активность вокруг своего черного хода, камеры видеонаблюдения на основе искусственного интеллекта могут различать человека и животное или же ветку дерева, поэтому сигнал тревоги будет срабатывать только в том случает, когда там находится человек.
Аналитика искусственного интеллекта способна отличить человека от животного. В таком случае сигнализация Tripwire срабатывает только в том случае, когда человек пересекает черту.
Кроме того, к камерам видеонаблюдения можно применить несколько аналитических средств искусственного интеллекта для обнаружения других вещей, например активности с участием транспортных средств. Например, если вы отслеживаете зону, где транспортные средства всегда должны двигаться в одном направлении, предупреждение или сигнал тревоги могут срабатывать, если автомобиль начинает движение в противоположном направлении, если транспортное средство остановлено дольше определенного периода или если кто-то входит в зону, которую вы определили как запрещенную.
Очевидно, что эволюция систем видеоаналитики упростила для многих предприятий использование их решений безопасности в полной мере. Камеры видеонаблюдения с системами аналитики на базе систем искусственного интеллекта могут значительно упростить ведение бизнеса - от уменьшения количества ложных тревог до уменьшения нагрузки на сотрудников .
Системы видеонаблюдения на нашем сайте смотрите по ссылке.