Не просто «умная» камера
Говоря о видеоаналитике, имеют в виду технологию, в основе которой лежит компьютерное зрение, позволяющее автоматически получать и анализировать изображения, поступающие с видеокамер и различных датчиков – как в режиме онлайн, так из архивов.
Иными словами, видеоаналитика – это программное обеспечение для работы с видеороликами, которое умеет вести видеомониторинг и анализировать данные без помощи человека. Такие алгоритмы можно внедрить в систему любой компании, независимо от ее профиля.
Важно понимать, что «видеоаналитика» и «компьютерное» или «машинное» зрение - это совсем не то же самое. Правильным будет сказать, что видеоаналитика – это составная часть компьютерного зрения в области анализа статической и динамической картинки.
Так, если компьютерное зрение – это технология по автоматизации распознавания изображений, то видеоаналитика – это приложения компьютерного зрения, которые делают выводы на основе анализа изображений. Например, распознают и идентифицируют людей, анализируют их поведение, дают информацию об объектах, действиях и событиях, отмечают геолокацию, дату и время происходящего.
Современные камеры на основе машинного зрения генерируют картинки в хорошем качестве, позволяя зафиксировать детали – камера позволяет свести к минимуму человеческий фактор, выводя визуальный контроль на новый уровень.
Типы платформ видеоаналитики
Выделяют три типа приложений видеоаналитики: первые работают ретроспективно, показывая, что уже произошло – сортируя архивы записей и помогая найти нужную. Вторые фиксируют события в реальном времени, позволяя быстро среагировать на внештатную ситуацию – в этом случае используется кодирование и компрессия видеоконтента. Третьи умеют прогнозировать, анализируя события прошлого и настоящего, а также различные аномалии – таким образом технология позволяет руководителям компании принимать управленческие решения.
Классическая технология видеоаналитики строится по следующей схеме: камера + back-end аналитика. Иными словами, устройство отправляет видеопоток на сервер, а специальное ПО на нем уже занимается полноценным анализом.
Распространена сегодня видеоаналитика на выделенном сервере – как правило, это сервер интеллектуального видеонаблюдения IVS (Intelligent Video Surveillance) и сервер автоматического распознавания номеров автомашин ALPR (Automatic License Plate Recognition). Такие серверы легко масштабируются, если требуется нарастить количество камер и добавить дополнительные функции анализа снимков и видео. Вся информация хранится на сервере, но ее можно извлечь с помощью удаленной программы-клиента.
Чуть менее удобной выглядит видеоаналитика на сетевом видеорекордере NVR. У сетевого видеорекордера NVR (Network Video Recorder) могут быть встроенные функции видеоаналитики, однако добавить новые крайне сложно. Поэтому такое решение обычно используют компании, которым не требуется большое количество камер и разнообразие аналитических функций. Все данные лежат на видеорекордере и извлекаются по мере необходимость через удаленную программу-клиент.
Еще один вариант – видеоаналитика на камерах. В устройства могут быть «зашиты» функции анализа видеоконтента. Из плюсов – на скорость и эффективность работы не будет влиять пропускная способность сети и задержки отклика сервера. Этот вариант лучше всего использовать в том случае, если нужно быстро анализировать видеопоток и тут же реагировать. Ролики хранятся на самих камерах.
В то же время эксперты отмечают, что будущее – за облачной моделью видеоаналитики. Речь идет об облачной архитектуре, которая позволяет хранить данные не в собственном ЦОД компании, а в облаке.
Во-первых, поставщики облачных сервисов поставляют обновленные алгоритмы и последние версии продукта. Во-вторых, облачные провайдеры накапливают большое количество данных, и происходит их постоянное обогащение – а на данных, как мы помним, учатся нейронные сети. Это значит, что и анализировать видеопоток они в итоге смогут эффективнее. В-третьих, в облаках можно добиться хорошей масштабируемости – не нужно докупать дорогостоящее оборудование для хранения большего количества данных.
На производстве
Видеоаналитика сегодня используется в самых разных сферах. Так, на промышленных предприятиях решения в области видеоаналитики применяются в основном для охраны, повышения безопасности производства и контроля технологических процессов.
Для охранного наблюдения часто применяют классификатор объектов с пересечением виртуальных линий, а также детекторы периметра и пересечения линии, модули, фиксирующие вторжение в ту или иную зону, контролирующие скорость и направление движения. Устройства интегрированы друг с другом и работают в связке: сигнал тревоги подается каждый раз, когда в зоне появляется человек, автомобиль или животное, которых там быть не должно.
За техникой безопасности на заводе такие модули видеоаналитики также помогают следить. Дополнительно для этих целей подключают решения, контролирующие, надели ли сотрудники средства защиты, например, маски и каски. Камеры могут отслеживать количество человек в помещении и сигнализировать, если оно превышено. Также видеоаналитика помогает мониторить температуру тела сотрудников – такие модули стали особенно популярны во время пандемии.
Кейс НЛМК
Группа НЛМК, международная металлургическая компания, внедрила у себя экологический сервис «Видеоаналитика эмиссии в атмосферу», в основе которого – алгоритмы машинного обучения.
На Новолипецком комбинате и в городе были установлены 64 видеокамеры, которые мониторят выбросы вредных веществ в атмосферу в режиме реального времени. Как только в концентрация вредных веществ превышает норму, платформа видеоаналитики передает сигналы об отклонениях напрямую в производственные цеха и экологам предприятия, чтобы они могли принять меры.
Кроме того на предприятии видеоаналитика позволяет следить за производством оптимизировать загрузку слябов (толстых стальных заготовок) в нагревательные печи, выделять четкое время от разливки стали до проката и в целом выполнять меньше крановых операций.
На складах
Видеонаблюдение на складе необходимо для того, чтобы отслеживать перемещение продукции, выделять те или иные товары и быть в курсе различных инцидентов: падение со стеллажей, наезд техники на сотрудников, нарушение инструкции погрузки.
Для этих целей используются различные модули видеоаналитики, например, по распознаванию QR-кодов, вторжению в зоны, контролю скорости и направления движения, а также детектор предметов, которые оставили или забрали.
Кейс X5 Retail Group
Продуктовая розничная компания X5 уже несколько лет внедряет умные полки в магазинах и на складах. Речь идет о нескольких технологиях: электронные ценники, видеоаналитика, гарантирующая контроль за выкладкой продукции, и сенсоры, которые следят за заполненностью полок.
Такая полка состоит из аппаратных компонентов, агрегатора, который собирает данные с датчиков и отправляет их в основную систему для анализа и обучения математической модели. Также полка интегрирована с системой видеоаналитики. Нейросеть аккумулирует информацию, полученную от сенсоров, и автоматически ищет свободное место на полке, а решение видеоаналитики помогает следить за тем, чтобы необходимый товар находился на полке.
В торговле
В розничной торговле видеоаналитика обычно применяется для контроля за покупателями и сотрудниками, продукцией и торговыми помещениями.
Так, видеоаналитика может помочь руководству с решением о том, где открыть новую точку – проанализировав проходимость той или иной локации, демографический состав прохожих и их поведение. К слову, поведенческая нейросетевая аналитика сейчас базируется на методе Machine Learning или глубоком обучении нейронных сетей. Нейросеть фиксирует определенные позы, мимику, жесты, направление взгляда людей – и может сделать выводы, например, об их покупательской активности.
Кроме того, камеры помогают контролировать работу кассиров и вовремя выявлять недосдачу и другие мошеннические операции.
Кейс «Магнит»
Система видеоаналитики у ритейлера используется прежде всего для подсчета людей в очереди к каждой кассе. «Умные» камеры позволяют перераспределить людские потоки и на 70% снизить время, которое покупатели проводят в ожидании.
Работает это так: камеры сообщают о проблеме, если в очереди неизменно стоят от пяти человек. Система отправляет сигнал в чат сотрудников в мессенджере, на который должен среагировать персонал – быстро открыть еще одну кассу.
В медицине
Использование компьютерного зрения в здравоохранении включает в себя распознавание рентгеновских снимков, а также КТ, МРТ, кардиограмм и других медицинских изображений. Модели ИИ уже сегодня лучше распознают диагнозы, чем квалифицированные врачи – вероятность человеческой ошибки сводится к минимуму.
Также в некоторых больницах видеоаналитика может применяться для аутентификации по лицу – чтобы, к примеру, разграничить доступ персонала в определенные зоны. Кроме того, камеры позволяют мониторить технику безопасности – ношение масок, мытье рук и т.д.
Кейс. Ультразвуковой пластырь Инженеры Массачусетского технологического института (США) изобрели ультразвуковой пластырь, с помощью которого можно получить ультразвуковое изображение внутренних органов. Устройство необходимо для долгосрочной визуализации – пациенту не нужно будет посещать больницу, чтобы врачи сделали ему УЗИ, пластырь позволит наблюдать происходящее в органах до 48 часов подряд и передавать информацию на смартфон пациента и врача.
В системах безопасности
Камеры во дворах, подъездах и общественных пространствах позволяют повысить безопасность в городе, а также помогают силовым структурым в розыскных мероприятиях. Для этого созданы мониторинговые центры, в которые в режиме реального времени поступает информация об инцидентах, зафиксированных камерами.
В этой сфере применяются модули видеоаналитики, позволяющие фиксировать оставленные вещи, проникновение в запрещенную зону, обнаружение толпы, драки, оружия и громких звуков, типа выстрелов и хлопков.
Кейс. Сбербанк Банк внедрил систему видеоаналитики на базе ИИ, которая фиксирует дивиантное поведение людей у банкоматов. Это помогает предотвратить взломы устройств и похищение средств. Инструменты искусственного интеллекта и встроенная система активной защиты быстро передают информацию об инциденте.
На дорогах
Видеоаналитика на дорогах, пожалуй, стала применяться одной из первых, ведь зафиксировать нарушение правил дорожного движения с помощью камеры намного проще. Также видеонаблюдение помогает распознавать номера автомобилей – это облегчает работу оперативных служб. Фиксируют камеры и большие завалы снега на дорогах, что позволяет уборочной технике быстрее добраться до нужной локации.
Кейс. МКАД
Видеонаблюдение на МКАД не так давно помогло предотвратить трагедию. В объективы камер попал нетрезвый человек, который шел по левой обочине дороги у разделительного барьера. Мимо проезжали автомобили со скоростью не меньше 100 км в час. Тревожный сигнал получил экипаж службы помощи Центра организации дорожного движения. С момента, как мужчину заметила нейросеть, до его эвакуации прошло меньше шести минут.
Так или иначе, рынок видеонаблюдения и видеоаналитики в ближайшем будущем ожидает бурный рост – тем более что уже сейчас в мире он каждый год растет на 9%, а в России – на 6. Компании и госорганы все активнее применяют «умные» камеры для решения самых разных задач – ведь возможности нейросетей становятся все шире и позволяют вести бизнес эффективнее.
