Видеоаналитика — технология обработки видеоданных с использованием компьютерных алгоритмов и искусственного интеллекта для автоматического анализа содержания. Она позволяет извлекать полезную информацию, идентифицировать объекты, действия и события в видео.
Функция видеоаналитики может быть встроена в камеры видеонаблюдения. Они называются интеллектуальными и передают информацию в режиме реального времени. Среди них, например, Nest Cam IQ для систем домашнего наблюдения, профессиональная серия Axis Communications Q-line и другие умные устройства.
Что дают системы видеонаблюдения с ИИ:
Функция видеоаналитики может быть встроена в камеры видеонаблюдения. Они называются интеллектуальными и передают информацию в режиме реального времени. Среди них, например, Nest Cam IQ для систем домашнего наблюдения, профессиональная серия Axis Communications Q-line и другие умные устройства.
Что дают системы видеонаблюдения с ИИ:
- Экономию времени. У них более мощные процессоры, наборы алгоритмов анализа данных (детектор движения, распознавание лиц и т. д.), которые настраиваются в зависимости от потребностей пользователя. Это позволяет им анализировать видеопоток в реальном времени и выдавать результаты без задержек. Например, обнаруживать движение после окончания рабочего дня и сообщать о нем охране.
- Экономию ресурсов. Вместо того чтобы передавать всю видеозапись, камера отправляет только результаты анализа. Например, если устройство обнаружит движение, то отправит только информацию о событии: кадр или кусочек записи, аналитические данные, связанные с ним. Такой подход значительно снижает нагрузку на Сеть.
- Быстрое управление в удаленном режиме. Пользователи могут управлять настройками и функциями умной камеры как локально, так и удаленно через Сеть. Это позволяет быстро адаптировать работу устройства под конкретные задачи.
Где и как применяется видеоаналитика?
Первая ассоциация — безопасность. Действительно, технология применяется для мониторинга общественных мест, транспортных узлов, аэропортов и станций метро, чтобы вовремя выявить нарушения порядка, найти и отследить путь человека, подозреваемого в преступлении или пропавшего без вести. Также видеоаналитику встраивают в системы домашнего видеонаблюдения, камеры в банках и магазинах для детекции несанкционированного доступа, распознавания лиц и идентификации нарушителей.
Другие сферы применения:
- Транспорт и логистика. Для контроля за доставкой заказа, перемещения груза по маршруту. Искусственный интеллект встроен в камеры фотовидеофиксации: при нарушении скоростного режима, создании аварийной ситуации нейросеть сразу обрабатывает информацию, распознает номер ТС, формирует квитанцию о штрафе и передает информацию сотрудникам ЦОДД и ГИБДД.
- Розничная торговля. Для подсчета CPM, количества продаж на тысячу посетителей. Эта метрика используется для измерения стоимости показа рекламного объявления, оценки эффективности кампании.
Если камера встроена в цифровой экран с рекламными объявлениями, видеоаналитика может работать в две стороны:
Также камеры с ИИ можно использовать для оценки наполненности полок товаром, работы продавцов и мерчандайзеров.
- Медицина. Для мониторинга жизненных показателей пациентов: пульса, температуры, частоты дыхания. Или для наблюдения за пациентами дистанционно — при изменении состояния ИИ передаст сигнал медперсоналу или примет решение самостоятельно.
- Промышленность. Камеры с ИИ помогают контролировать ношение СИЗ работниками, вовремя предупреждают об аварийных ситуациях. Также их устанавливают для контроля качества на производственных линиях, детекции дефектов и брака.
- Образование. Умные камеры могут автоматически фиксировать присутствие студентов на уроках и их активность во время занятий, повышают безопасность в образовательных учреждениях.
Список неполный, можно привести и другие примеры. Но общий смысл понятен, задачи видеоаналитики — обрабатывать видео в реальном времени, идентифицировать личность человека, номера, товары и прочее, оперативно передавать информацию в соответствующие службы.
Видеоаналитика и машинное обучение
Итак, мы определили, что видеоаналитика автоматически сканирует записи видео для поиска предметов и событий по заданным условиям. Еще недавно, чтобы отследить, например, путь подозреваемого, сотрудникам правоохранительных органов приходилось собирать материалы из разных источников и смотреть их вручную. Теперь можно поставить задачу системе с ИИ, и она сделает ту же работу за несколько минут. В этом помогает машинное обучение — технология, которая позволяет компьютерным системам обучаться и улучшать свою производительность самостоятельно.
Примерная схема работы:
- Видеокамера записывает видео.
- Запись передается в систему видеоаналитики.
- Встроенная модель машинного обучения распознает объекты на видео.
- Далее система видеоаналитики может выполнить конкретную задачу — подсчитать количество людей, сверить номера с базой данных, отправить предупреждение о подозрительном поведении и т. д.
Модели машинного обучения обучаются на большом количестве размеченных данных, чтобы научиться точно распознавать объекты. В итоге компьютер «видит» и «думает» как человек: умеет отличать нормальное поведение от нарушений, мужчину от женщины, ребенка от взрослого, точно идентифицирует личность, если это необходимо. В мире уже применяются на практике и более масштабные проекты.
С января 2021 года в Китае официально принята система социального кредита. Сотни камер наружного наблюдения с системой распознавания лиц и базы данных объединили в общее информационное пространство. Каждый гражданин получает начальную тысячу баллов. За нарушения ПДД, участие в протестах, сектах и т. д. баллы вычитаются. Если рейтинг меньше 600 баллов, человек не получит кредит, не найдет нормальную работу и не сможет купить билеты на транспорт.
С января 2021 года в Китае официально принята система социального кредита. Сотни камер наружного наблюдения с системой распознавания лиц и базы данных объединили в общее информационное пространство. Каждый гражданин получает начальную тысячу баллов. За нарушения ПДД, участие в протестах, сектах и т. д. баллы вычитаются. Если рейтинг меньше 600 баллов, человек не получит кредит, не найдет нормальную работу и не сможет купить билеты на транспорт.
Как обстоят дела в России?
В нашей стране работа систем видеоаналитики, точнее распознавание лиц, подпадает под действие Федерального закона ФЗ-152 «О персональных данных». В нем дается такое определение: персональные данные — это информация, которая позволяет точно идентифицировать личность. К ней относится в том числе изображение лица, голос, походка и речь.
При этом само по себе видеоизображение человека, полученное при съемке в публичных местах и на охраняемой территории (с предупредительной надписью «Ведется видеонаблюдение»), к персональным данным не относится. Это значит, что, если торговый центр снимает посетителей для подсчета их количества и сегментации аудитории по возрасту, полу и другим признакам, он ничего не нарушает.
Но модель машинного обучения, интегрированная в систему видеоаналитики, делает гораздо больше. И может идентифицировать личность (Ф. И. О., паспортные данные и т. д.) с точностью до 95 %. И в этом случае информация уже подпадает под требования ФЗ-152. Владелец такой системы становится оператором персональных данных, а хранилище информации должно быть сертифицировано.
Например, в Москве с 2017 года реализована система «Умный город». Почти 200 тысяч умных камер видеонаблюдения работают круглосуточно и передают информацию в Единый центр хранения и обработки данных (ЕЦХД). Функция распознавания лиц реализована в виде отдельного модуля. Доступ к информации есть у правоохранительных органов, государственных и муниципальных организаций.
В 2019 году Савеловский районный суд Москвы признал работу системы распознавания лиц законной. Речь шла об иске девушки, оштрафованной за пикет. Ее личность установили по камерам видеонаблюдения. Судебным решением в иске было отказано.
Работа умных камер не означает, что возле каждого человека на видео автоматически появляется ссылка на его личную информацию. Столичные власти, а именно Департамент информационных технологий — разработчик программы «Умный город», не занимаются идентификацией личности. Изображения поступают в ЕЦХД без упоминания Ф. И. О. и биометрии людей. Так как съемка ведется в публичных местах, согласие граждан на использование их изображений не требуется.
Чтобы получить информацию о подозреваемом или пропавшем человеке, правоохранительные органы предоставляют его фотографию, и только после этого по внутреннему алгоритму система начинает сравнивать ее с изображениями, полученными с камер видеонаблюдения. Нейросети анализируют записи в режиме реального времени, выявляют лица и отслеживают перемещения людей. Таким же образом выявляются люди, которым запрещен доступ на спортивные мероприятия.
Кроме этого, модель машинного обучения:
- Выполняет предварительную обработку видеоданных — стабилизирует изображение, улучшает качество, убирает шумы.
- Может использоваться для прогнозирования будущих событий — например, движения транспорта или возможных инцидентов.
- Решает задачи по улучшению точности и автоматизации. ИИ увеличивает точность распознавания и квалификации объектов, автоматизирует процесс анализа больших объемов видеоданных.
Функции и возможности видеоаналитики
Основных функций четыре:
- Обнаружение. Есть или нет искомый предмет или событие на видео. При этом интересующие объекты выделяются автоматически для последующего анализа.
- Слежение. Наблюдение за интересующим объектом, например за покупателем, который заходит в закрытые помещения.
- Распознавание. Определение возраста и пола людей, идентификация номерных знаков и т. д. Может использоваться совместно с системой распознавания лиц.
- Прогнозирование. Предсказывание вероятности возникновения определенных событий на основании предыдущих данных. Например, для выявления потенциальных проблемных ситуаций, расчета нужного количества персонала с учетом подсчитанного потока клиентов.
Возможности видеоаналитики:
- Детектор движения. Работает в основном на основании попиксельного сравнения соседних кадров. Это самый востребованный алгоритм в сферах безопасности. Запись в архив ведется только в случае, когда обнаружено движение.
- Детекция пересечения линии. Срабатывает при пересечении объектом запретной линии, например двойной сплошной на дороге и условной у картин и скульптур в музеях.
- Вторжение в область. Для создания зоны в системе задаются контрольные линии, образующие замкнутый контур. Система засекает нарушение линий и запускает сценарий реагирования (срабатывает сигнализация, службы безопасности получают оповещение).
- Детектор людей/лиц. Настроен именно на движение людей, машины, животные и другие объекты его не интересуют. Выделяет человека или только его лицо рамкой, отслеживает траекторию передвижения.
- Подсчет людей. В этом инструменте объединились детектор пересечения линии и детектор людей. После пересечения виртуальной линии система учитывает человека в подсчете.
- Слежение за объектом. Реализуется при помощи поворотного механизма и моторизированного объектива. Выбранный объект всегда под наблюдением, легко восстановить его траекторию.
- Температурная карта. Собирает информацию о перемещении посетителей за определенный период времени. Чем краснее зоны, тем больше там было людей и тем дольше они там пробыли.
- Детекция очереди. Здесь подсчитывается количество людей в конкретном месте. Данные нужны, например, для повышения уровня удовлетворенности клиентов: если очереди слишком длинные, магазин принимает решение о найме дополнительного персонала и открытии новых касс.
- Праздношатание. Детектор срабатывает, если человек находится в выбранной области больше заданного времени. Например, долго стоит перед входом.
- Детектор оставленных предметов. Брошенная сумка, внезапная остановка предмета, который до этого двигался равномерно, могут быть подозрительны. Система вовремя предупредит о возможной опасности.
- Быстрое движение. Бегущий человек, автомобиль, превышающий скорость, — источники потенциальной опасности. Хорошо, когда их удается обнаружить до правонарушения.
- Смена сцены. Злоумышленники могут попытаться испортить камеру, залить ее краской или просто разбить. Детектор пошлет сигнал тревоги, и оператор успеет отреагировать.
- Распознавание номеров автомобилей. Алгоритм умеет отличать автономер от других цифр на изображении и использует его на тех же платных парковках или при въезде в гараж со шлагбаумом.
- Распознавание лиц. Самый сложный инструмент, поскольку система сначала выделяет качественные признаки лица, а затем сравнивает с имеющейся базой фотографий.
Кроме этого, есть и другие возможности — от детекции огня и дыма до анализа эмоций. Применение видеоаналитики может быть очень разнообразным и зависит от конкретных задач пользователей.