Интеллектуальные технологии в видеонаблюдении (часть 3)
Анализ видео контента (VCA) стал возможным благодаря созданию и анализу мета-данных. Типичные примеры мета-данных:
• размер объекта и позиция в изображении;
• скорость объекта;
• номерной знак транспортного средства.
Другими словами, мета-данные – это данные о данных, или данные, описывающие содержимое изображения. Поскольку эти данные затем используются для дальнейшего анализа, очевидно, что их характер и качество имеют значение.
Во-первых, важно, что только реальные объекты, описанные так, чтобы ни растительность, качающаяся от ветра, ни тень, падающая на землю, ложно не воспринимались как реальный движущийся объект.
Во-вторых, очень важно, чтобы мета-данные были достаточно точны. Очевидным примером является автоматическое распознавание номерного знака (ANPR). Если точность идентификации номерного знака будет низкой, то вся система ANPR окажется бесполезной.
Кроме того, если размер объекта по изображению оценить не точно, мы рискуем получить неправильный анализ результатов.
Давайте предположим, что система настроена на реагирование, в том случае, когда в сцене появляется объект превышающий заданный. Если размер объекта не точно оценить, мы рискуем, что человек может войти в запрещенную зону без срабатывания сигнализации.
В третьих, очень важен характер данных. Для этого достаточно знать положение объекта в кадре. Представьте себе возможности, которые откроются, если позиции объектов приведены в географических (карта) координатах и объект можно классифицировать (человек, автомобиль, животное и т.д.).
У каждого конкретного пользователя имеется предпочтения относительно мета-данных, представляющих для него интерес. Результатом анализа этих данных является детектирование некоторого события для этого пользователя.
Анализ положения человека в течение долгого времени, может привести к детектированию события, соответствующего нарушению периметра или оповещению о перемещениях внутри территории, в зависимости от движения человека и типа анализа.
Если мета-данные содержат информацию о географическом положении объектов, анализ может показать информацию о маршруте перемещений и сравнить этот маршрут с заданным, и, в конце-концов, посчитав корреляции с объемом полезной работы, определить экономическую эффективность каждого объекта.
Информация о скорости каждого автомобиля может быть использована для расчета средней скорости на дороге или в целях прогнозирования заторов.
В идеале, попытка взлома или атаки может быть обнаружена раньше, если система запрограммирована, чтобы вызвать тревогу, в случае одновременного приближения нескольких человек в разных местах к охраняемому периметру. Если система видеоаналитики способна генерировать мета-данные, характеризующие индивидуально каждого человека, то эти люди, теоретически, могут быть отслежены между камерами и их перемещения могут быть реконструированы.
Связанные записи
February 12, 2012
Tags: Intelligent Video Analysis, VCA, Video Content Analysis, Video Motion Detection, VMD, Видеонаблюдение Posted in: Видеонаблюдение, Статьи
