experience the next
 
Главная  > Журнал «Experience the Next»  > Статьи из журнала

Новые возможности систем видеонаблюдения

18.04.2007

Системы видеонаблюдения получают все большее распространение в различных сферах человеческой деятельности. Успешное решение ряда сложных и неоднозначных задач обработки (анализа) изображений делает возможной автоматизацию множества процессов и операций, которые до этого управлялись и контролировались только человеком.

Одной из наиболее сложных и актуальных задач обработки видеоизображений в охранных системах является проблема выделения и распознавания движущихся или неподвижных объектов и создание на этой основе систем автоматизированного мониторинга.

На первых порах задача анализа изображений сводилась к простому детектированию движущихся объектов. Уже в таком виде это важно для многих систем безопасности. Запись по детектору движения снижает требования к объему архива. если в охранной зоне исключено какое бы то ни было движение – срабатывание детектора движения привлекает внимание охраны.

Следующее поколение детекторов призвано отличать движущегося человека от собаки, машины или дерева, раскачивающегося на ветру. Почти все системы сейчас заявляют такие возможности, но не многие могут похвастаться надежной и корректной работой этих функций.

Среди «условно решенных» задач автоматического анализа видео можно отметить задачи выделения и распознавания лиц или различного рода номеров. Несмотря на то что в решении этих задач человек превосходит любые автоматизированные системы по надежности распознавания, эти системы, в свою очередь, превосходят возможности человека в части быстродействия и многозадачности (когда требуется одновременно контролировать много каналов) и способны контролировать обстановку в течение продолжительного промежутка времени (24 часа в сутки, 7 дней в неделю, 365 дней в году).

Рис. 1. Пример работы алгоритма выделения движущихся объектов в разных условиях (день и ночь)

Процесс построения указанных систем представляет собой сложную технологическую цепочку. Условно анализ видеоизображений в таких системах можно разделить на следующие этапы:

  • обнаружение движущихся объектов;
  • классификация движущихся объектов;
  • отслеживание траектории движения интересующих объектов;
  • распознавание действий и целей указанных объектов.
ПРОБЛЕМА ПАРКОВОК
При въезде на территорию многорядной открытой парковки водители не в состоянии увидеть расположение свободных мест. Как результат – водители вынуждены искать место наобум. Беспорядочное движение создает излишний трафик и соответственно заторы.

РЕШЕНИЕ
Важной задачей в автоматизированных системах управления парковками является определение занятости каждого парковочного места. Использование этой информации позволит упростить пользование паркингом.

Обнаружение движущихся объектов, заключающееся в выделении этих объектов от фона, является основной для дальнейшего анализа. От того, насколько аккуратно и корректно выделены движущиеся объекты, зависят все последующие этапы, а также требуемые вычислительные ресурсы. именно поэтому огромное количество научных работ посвящено этапу детектирования и применяемым на нем методам. Дополнительную сложность здесь создают шумы видеотракта, внезапное изменение освещенности, падающие тени, движение ветвей деревьев на ветру и др.

Рис. 1 демонстрирует влияние условий наблюдения (день/ночь) на работу одного и того же алгоритма. если в первом случае алгоритм корректно отделяет фон от движущихся объектов (в данном случае – автомобиль), то его применение в условиях ночной съемки приводит к совсем другому результату.

Рис. 2 демонстрирует работу двух разных алгоритмов обнаружения движущихся объектов на одном и том же кадре видеопоследовательности. В случае применения первого варианта алгоритма заметны некорректные результаты – ошибочное выделение автомобилей. Рисунки (б)–(г) поясняют причины этой ошибки.

На этапе классификации обнаруженные движущиеся объекты соотносятся с заранее определенными классами: автомобили, люди, животные, колышущиеся ветви деревьев. в настоящее время существуют два основных подхода для различения движущихся объектов – контурные методы и методы, основанные на движении. Первые используют двумерную пространственную информацию об объекте, а вторые – изменение характерных параметров объекта во времени.


Рис. 2. результаты обнаружения движущихся объектов различными алгоритмами (а – исходные данные и результат работы алгоритма, б – изображения, признанные алгоритмом в качестве неподвижного фона, в – изображения, признанные алгоритмом как движущиеся, г – контуры, выделяющие движущиеся объекты)

ПРОБЛЕМА АВТОМОЕК
Одной из проблем автомоечного бизнеса являются неучтенные, или «левые», заработки персонала. Большинство клиентов заинтересовано лишь в качестве получаемых ими услуг. Для них безразлично, как платить за эти услуги – через кассу или непосредственно обслуживающему персоналу. Отдал на мойку автомобиль, принял работу, заплатил, уехал. результат – владельцы автомоек теряют прибыль. как контролировать сотрудников? По мнению участников форума «Секреты автомоечного бизнеса» (http://forum.avtomoika.com/), наилучшим решением этой проблемы является организация видеонаблюдения моечных постов и ведение видеоархива. на просмотр суточного архива для одного поста требуется 2–3 часа. в случае увеличения количества постов пропорционально увеличивается время, необходимое для просмотра архива.

РЕШЕНИЕ
Использование автоматизированных систем определения графика обслуживания автомобилей. Результатом работы таких систем будет набор отчетов о количестве обслуженных автомобилей и времени, затраченном на каждый автомобиль. в отличие от видеоархива для просмотра данных достаточно нескольких минут. «Проблемные» эпизоды работы автомойки могут быть просмотрены в видеоархиве.

Следующий этап – отслеживание траектории (трекинг) интересующего движущегося объекта. На нем создается временное соответствие между детектированными объектами от кадра к кадру. При этом обеспечивается временная идентификация выделенных областей изображения и генерируется соответствующая информация об объектах в наблюдаемой зоне, а именно траектория, скорость и направление движения. Результаты данного этапа обычно также используются для верификации данных предыдущих этапов.

На заключительном шаге обработки видеоизображений проводится распознавание и описание действий выделенных объектов. обычно это простое соотнесение их с одним из высказываний, например – «автомобиль покинул парковочное место и подъехал к воротам».

Использование алгоритмов анализа изображения расширяет области применения видеонаблюдения. Рассмотрим два приложения, базирующихся на этих новых возможностях – модуль мониторинга парковки и модуль мониторинга автомойки*.

Модуль мониторинга парковки предназначен для автоматического определения занятости парковочных мест на открытых стоянках и парковках. Источником информации для обработки является видеоизображение парковки. Результатом обработки является логическая информация о занятости каждого парковочного места в зоне наблюдения. Согласно предварительным расчетам, одна телекамера может контролировать 10–30 парковочных мест в зависимости от высоты подвеса телекамеры и ракурса наблюдения.

При мониторинге парковок большой площади предусмотрен режим многокамерного наблюдения. Соответственно требуется установка достаточного количества телекамер, покрывающих всю зону парковки. Модуль позволяет решить две задачи:

  • контроль графика загрузки платных стоянок и парковок,
  • информирование водителей и персонала парковки о наличии и расположении свободных парковочных мест.

Информация о загрузке платных стоянок и парковок позволяет осуществлять сверку графика занятости платных парковок и стоянок с полученной выручкой. Особенно это целесообразно для платных парковок, на которых физически невозможно ограничить въезд/выезд с территории парковки посредством контрольнопропускного пункта (см. рис. 3).

Информация о наличии и расположении свободных парковочных мест облегчит поиск свободного места на обширных парковках (например, около аэропортов, ж/д вокзалов, крупных торговых и развлекательных центров). Необходимость стоять в пробках на въездах на парковки, а потом тратить время на поиски свободного места отпугивает многих вероятных посетителей от супермаркетов.

Модуль мониторинга автомоек – это еще один вариант типового решения на базе технологий анализа видео.

Модуль предназначен для автоматического учета обслуживаемых автомобилей.

В заключение хочется сказать, что описанные выше специализированные модули проходят тестирование и в скором времени появятся на рынке.

Использование систем анализа изображений расширяет области применения видеонаблюдения за рамки традиционных охранных систем.

Максим Груздев,
директор по исследованию и разработкам компании ITV


Полезные материалы