Home Виробництво Какие факторы следует учитывать для оптимальной производительности видеоаналитики?

Какие факторы следует учитывать для оптимальной производительности видеоаналитики?

191
0

Искусственный интеллект по-прежнему приветствуется как технология, которая расширит и улучшит работу человека во многих секторах, и индустрия видеонаблюдения не исключение. Видеоаналитика на основе ИИ все чаще используется для ускоренной обработки больших объемов данных и запуска действий. Эти функции помогают поддерживать службу безопасности при наблюдении за большими и меняющимися сценами — например, на автомагистрали или по периметру, выявляя интересующие объекты и отмечая те, которые требуют действий.

Теоретически это звучит любопытно и весьма выгодно, но при внедрении технологии необходимо изучить ряд факторов, чтобы обеспечить впечатляющее качество результатов. К ним относятся аппаратное обеспечение камеры видеонаблюдения, качество видео, уровень освещенности, а также конфигурация, положение и направление устройства.

Поддерживает ли окружающая среда и положение камеры ее опции?

Эксперты говорят, что качество изображения зависит от высокого разрешения и светочувствительности камеры видеонаблюдения, но есть и другие факторы, которые не менее важны для фактического использования изображения или видео. Например, видеопоток самого высокого качества с дорогой камеры видеонаблюдения может оказаться бесполезным, если сцена недостаточно освещена ночью, если камера была перенаправлена или если соединение с системой безопасности разорвано.

Перед развертыванием необходимо тщательно продумать размещение видеокамеры. Чтобы программное обеспечение с видеоаналитикой работало должным образом, видеокамеру необходимо расположить так, чтобы обеспечить четкий и беспрепятственный обзор предполагаемой сцены. Удобство использования изображения также может зависеть от варианта применения. Видео, которое хорошо выглядит для человеческого глаза, может не иметь нужного качества для производительности приложения видеоаналитики. Так, некоторые методы обработки изображений, такие как опции шумоподавления, которые используются для улучшения внешнего вида видео для просмотра человеком, менее производительны при использовании видеоаналитики.

Современные видеокамеры часто предусматривают встроенную ИК-подсветку https://worldvision.com.ua/ik-podsvetka, которая дает им работать в полной темноте. Это плюс, поскольку это позволяет разместить камеры видеонаблюдения в труднодоступных местах и снизить необходимость в установке дополнительного освещения. Однако, если на объекте ожидается сильный дождь или снегопад, настоятельно рекомендуется не полагаться на свет, исходящий от уличной камеры или место, расположенное очень близко к камере, из-за проблем с отражениями.

Находится ли видеокамера на правильном расстоянии от сцены?

Трудно определить максимальное расстояние обнаружения аналитического приложения на основе искусственного интеллекта — точное значение в таблице данных в метрах или футах никогда не может быть всей правдой. Качество изображения, характеристики сцены, погодные условия и свойства объекта, такие как цвет и яркость, оказывают весомое влияние на дальность обнаружения.

Это также зависит от скорости обнаруживаемых объектов. Для достижения точных результатов ПО для видеонаблюдения с видеоаналитикой необходимо «видеть» объект в течение достаточно длительного периода времени. Как долго должен быть этот период, зависит от производительности обработки (частоты кадров) платформы: чем ниже производительность обработки, тем дольше объект должен быть видимым, чтобы его можно было обнаружить. Если время срабатывания затвора камеры не соответствует скорости объекта, размытость изображения может также снизить точность обнаружения.

Быстрые объекты легче пропустить, если они проходят ближе к видеокамере. Например, бегущий человек, который далеко от уличной камеры, может быть мгновенно обнаружен, в то время как бегущий очень близко к камере с той же скоростью, может входить и выходить из поля зрения так быстро, что не сработает сигнализация.

В видеоаналитике, основанной на обнаружении движения, объекты, движущиеся прямо к видеокамере или от нее, представляют собой еще одну проблему. Обнаружение будет особенно трудным для медленно движущихся объектов, которые вызовут небольшие изменения в изображении по сравнению с движением по сцене.

Как настроены сигнализация и запись?

Объектная видеоаналитика работает производительно только при соблюдении перечисленных предварительных условий. В других случаях технология может пропустить нужные события. Если нет полной уверенности в том, что все условия будут выполняться в любое время, рекомендуется придерживаться консервативного подхода и настраивать комплекты видеонаблюдения worldvision.com.ua/komplekty-ip-videonabludeniya/ таким образом, чтобы конкретная классификация объектов не была единственным срабатыванием сигнализации. Это вызовет больше ложных срабатываний охранных датчиков, но также снизит риск пропустить что-то нужное.

Очевидна необходимость в надежной классификации объектов для фильтрации нежелательных сигналов тревоги. Но решение для записи должно быть настроено так, чтобы полагаться на другие факторы в дополнение к классификации объекта. В случае пропущенного действительного сигнала тревоги эта настройка дает оценить по записи причину пропуска сигнализации, а затем улучшить общую установку и конфигурацию.

Насколько продуктивно поддерживается решение?

Важно регулярно обслуживать компоненты видеонаблюдения. Физический осмотр, а не только просмотр видео через интерфейс программного обеспечения для управления видео (VMS), рекомендуется для обнаружения и удаления всего, что может блокировать поле обзора. Это важно также для стандартных установок только для записи, но и при использовании видеоаналитики.

В контексте базового видеообнаружения движения типичное препятствие (такое как паутина, качающаяся на ветру) может увеличить количество ложных тревог, что приведет к весомому потреблению памяти. С помощью объектной видеоаналитики решение создает зону исключения в области обнаружения. Его потоки скрывают объекты и весомо снижают вероятность обнаружения и классификации. Грязь на объективе для видеонаблюдения вряд ли вызовет проблемы в дневное время. Но в условиях недостаточной освещенности свет, который попадает в объектив сбоку (например, от фар автомобиля), может вызвать неожиданные отражения, которые могут снизить точность обнаружения.

Обслуживание, связанное со сценой, не менее важно, чем обслуживание IP камеры видеонаблюдения. Традиционное сравнение изображений до и после позволит выявить предполагаемые проблемы. Как выглядела сцена, когда была развернута видеокамера, и как она выглядит сегодня? Предусматривается ли необходимость в настройке зоны обнаружения? Следует ли отрегулировать поле зрения камеры или ее нужно переместить в другое место?

Инвестиции в видеоаналитику принесут массу преимуществ в плане безопасности, если они будут реализованы правильно и регулярно оцениваться. Поскольку предусмотрен ряд факторов, которые могут повлиять на производительность, сотрудники службы безопасности должны помнить, что эти решения не подпадают под категорию «установил и забыл». Вместо этого потребуется подход с использованием непрерывной оценки, чтобы убедиться, что конечные результаты соответствуют целям бизнеса и обеспечивают впечатляющую рентабельность инвестиций.