experience the next
 
Главная  > О компании  > Пресс-центр  > Публикации

Вопросы с форума «Моста Безопасности» по теме «Инновационный подход к оценке качества изображения» и ответы Владо Дамьяновски

Владо Дамьяновски18 ноября в рамках III международного форума All-over-IP состоится открытый семинар Владо Дамьяновски, автора книги «CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии». Тема семинара: «Как оценить качество видеоизображения в любом сегменте цифровой или аналоговой системы видеонаблюдения».

Подход, предложенный Владо, вызвал оживленную дискуссию российских профессионалов в области видеонаблюдения на форуме сайта «Мост Безопасности».

Здесь приведены основные вопросы с форума, касающиеся методики оценки качества видеоизображения, и ответы автора методики – Владо Дамьяновски.

Вопрос 1. Результирующая оценка качества изображения получается как произведение частных:
ICU = ICUr x ICUi x ICUc x ICUo x ICUl x ICUd
Если так, то как учитывать вес, значимость тех или иных параметров для конкретных задач? Более того, получается, что одинаковые характеристики могут получиться у несравнимых систем (взять хотя бы мегапиксельную фотографию и камеру с низким разрешением, но с 25 изображениями в секунду).
Что получаем на выходе? Вот это число (произведение) – что оно скажет заказчику или проектировщику? Что 25 к/с лучше, чем 5 кадр/cек?
Из логики перемножения следует, что если видеосистема контроля автомобилей перед шлагбаумом дает 5 к/с, но из номера плохо различимы цифры и совсем не видны буквы, то повышение скорости кадров до 25 к/с в два раза улучшит качество системы, что совершенно эквивалентно повышению разрешения в 1,41 раз. Но номера-то читаемы лучше не станут!

Владо Дамьяновски: Идея, котороую отражает каждый отдельный ICU, в том, что у нас есть результирующий показатель ICU, определенный в тендерной документации или консультантом, но при этом также указано, какой из параметров является наиболее важным. Например, если есть проект для казино, где требуется скорость отображения 25 к/с, то в документе будет отражено, что ICUi должен быть равен 1, а показатель ICUr должен быть достаточен для распознавания игральных карт, то есть ICUr = 2. При этом результирующий коэффициент должен быть, к примеру 0.9, учитывая качество объективов. Остальные ICU определяются в зависимости от важности каждого из коэффициентов.

Вопрос 2. Скорость обновления информации – это самодостаточная характеристика, от которой зависит длина УСЛОВНО мертвой зоны – то есть расстояние перед камерой, на котором нарушитель, быстро двигаясь, может перебежать незамеченным. Если «похоронить» этот параметр в произведении, как можно говорить о качестве видеосистемы?

Владо Дамьяновски: Не уверен, что понял вопрос правильно, но если он имеет отношение к скорости затвора камеры (1/50 для PAL) и событиям, происходящим с большой скоростью в промежутках между кадрами, тогда нужно учитывать только угол обзора камеры и скорость объектов в кадре. Широкоугольные объективы смогут захватить больше, чем обычные. Также, если при необходимости используются камеры с высокой скоростью затвора (больше чем 25 к/с, к примеру), то возможно специально указать, что коэффициент ICUi должен быть 2 или 3 вместо 1.

Вопрос 3. The definition of Face Identification in AS4806.2 is a very natural and logical starting point for the quantifying unity quality.
Здесь ведь речь идет не о качестве видеосистемы вообще, а лишь о том, насколько хорошо данная видеосистема приспособлена для решения конкретной, довольно специфической задачи – идентификации по лицу человека. И, кстати, не у нас, а в Австралии.
А как быть с другими задачами? Идентификация карт и автомобильных номеров вычисляется путем пропорции, а где доказательства, что в этом случае в голове у человека работает тот же механизм, что и при идентификации лица? Можно ли так экстраполировать?

Владо Дамьяновски: Распознавание деталей других объектов, таких как игральные карты и автомобильные номера, было проанализировано с помощью тестов на инсталляциях в Австралии и некоторых других проектах. Все допущения были сделаны, основываясь на практических визуальных экспериментах. Определенно, можно провести еще много экспериментов, и некоторые из них могут показать немного отличающиеся результаты. Точные значения ICU по сути своей являются пропорциональными значениями количества пикселей (линий), необходимых для распознавания/идентификации объекта. Это может быть проверено и доказано на основании тестов и экспериментов, принимая во внимание, что освещение достаточно, оптика сфокусирована должным образом, и после компрессии не наблюдается видимых артефактов.

Эти числовые значения предложены в качестве темы для дискуссии и модификации концепции ICU, и это не окончательные цифры, которые не подлежат изменению – все зависит от того, как отрасль примет этот стандарт. Например, эти цифры нельзя применять для формата NTSC (480 ТВЛ), но логика там может использоваться та же самая, только числа будут другими. В любом случае, необходимые количества пикселей, нужные для идентификации и распознавания лиц, номеров и игральных карт, были протестированы в системе PAL в Австралии и эти числа применяются в стандарте AS4806.2.

Вопрос 4. Самая важная информация заключена в движущихся объектах на изображении. А камеры с накоплением заряда и недорогие мегапиксельные на кмоп матрицах имеют свойство «размазывать» такие быстро движущиеся объекты, да порой так, что объект вообще не поддается идентификации.
Нужна какая-то оценка способности камер без искажений передавать изображения движущихся объектов, возможно – какая-то максимальная скорость, при которой еще можно различить какой-то эталонный объект в движении.
Как это учитывается в предлагаемой методике?

Владо Дамьяновски: Быстро движущиеся объекты (а также изображение со скоростных повортных камер) в самом деле создают размытое изображение объекта на экране. Вдобавок, некоторые камеры, предназначенные для низкого уровня освещения, переходят в режим «интеграции экспозиции», когда они захватывают кадры не со скоростью затвора 1/50 с (или 1/25 с), а гораздо дольше, например, в течение 1 с.

Если освещения достаточно и камера позволяет использовать электронный затвор вместо автоматической диафрагмы, то камеру можно переключить на использование короткой выдержки (1/250 с), тогда быстро движущиеся предметы получатся не такими размытыми.

На данный момент все предложенные ICU применимы для «стандартных» CCTV камер, где живое изображение – это 25 к/с, и соВладо Дамьяновски: ствующее ICUi = 1.

Это не практично, и, скорее всего, невозможно определить «максимальную скорость», потому что нет абсолютного значения скорости, при которой изображение становится размытым. Это является результатом комбинации оптических настроек, расстояния до объекта и скорости движения. Например, машину, движущуюся со скоростью 60 км/ч, можно увидеть в «неразмытом» виде, если угол зрения камеры достаточно велик и машина находится на значительном расстоянии. Если тот же самый автомобиль движется на скорости 30 км/ч, но при этом камера настроена на 10-кратное оптическое увеличение, то практически невозможно при таком «усилении» получить четкое изображение объекта.

Есть камеры, которые могут решить эту проблему использованием электронного затвора и уменьшением времени экспозиции, к примеру, до 1/250 с. Такие камеры по прежнему выдают 25 к/с, но изображение движущихся объектов будет более четким.

Вопрос 5. В методике говорится об оценке качества видеосистемы для визуального распознавания автомобильных номеров человеком. Как эта методика позволяет оценивать видеосистемы, предназначенные для автоматического распознавания номеров?

Владо Дамьяновски: Это всего лишь простая формула, где значение визуально распознаваемых пикселей может быть заменено на количество пикселей, необходимое для автоматических систем распознавания номеров. Это количество может быть различным для различных систем – кому-то нужно 100 пикселей в высоту, кому-то 200, а кому-то 300. Таким образом, если мы знаем требования производителя, к примеру, 200 пикселей, то в этом случае 200 пикс = 80 пикс (приблизительное значение для ICUr=1) x 2,5, следовательно, мы можем установить требования на уровне 2,5 ICUr для автоматической системы распознавания номеров.


Полезные материалы