Технология AcuSense от Hikvision: возможности алгоритмов Deep Learning
В рамках ведения предпринимательской деятельности к современным сетям видеонаблюдения выдвигаются повышенные требования. Системы безопасности должны с высокой точностью определять угрозы и реагировать на них, исключать ошибочные срабатывания, а чтобы упростить работу оператора, нужен автоматизированный интеллектуальный поиск, способный обработать большой объем информации.
В рамках ведения предпринимательской деятельности к современным сетям видеонаблюдения выдвигаются повышенные требования. Системы безопасности должны с высокой точностью определять угрозы и реагировать на них, исключать ошибочные срабатывания, а чтобы упростить работу оператора, нужен автоматизированный интеллектуальный поиск, способный обработать большой объем информации.
Эти и многие другие задачи можно решить при помощи технологии AcuSense, разработанной специалистами Hikvision. Обширные возможности применяемых алгоритмов позволяют отфильтровать ложные тревоги, а также снизить трудозатраты на аналитику видеоконтента.
Распространенные виды помех на объекте- движение птиц и животных;
- перемещение неодушевленных предметов (пакеты, листья, ветки);
- дождевые капли;
- создаваемые блики и тени;
- источник света в кадре.
Стандартные охранные системы не способны оценить реальную угрозу, из-за чего регистрируется большое количество ложных срабатываний.
Ошибочные тревоги приводят к- увеличению объема бесполезных данных;
- общему снижению эффективности сети видеонаблюдения;
- удорожанию обслуживания из-за количества проверок;
- низкой удовлетворенности пользователя;
- повышенным нагрузкам системы безопасности.
Стандартные алгоритмы аналитики уже не способны выполнить качественный анализ. Причина этого кроется в увеличении количества устройств слежения, что расширяет объем проверяемой информации. Традиционные методы обрабатывают данные лишь на поверхностном уровне. Это приводит к повышению требований к месту установки, низкой точности тревожных срабатываний и идентификации объектов.
Автоматизированная работа охранной системы с высокой точностью срабатывания
Алгоритмы системы Deep Learning имеют более сложную структуру по сравнению со стандартными методами обнаружения угроз. Обработка информации осуществляется на нескольких уровнях, в том числе и на поверхностном. Система способна воспринимать объекты в кадре с применением методов частичного понимания и выявления закономерностей. Комплексный подход к идентификации снижает число ложных тревог, сигнализируя о возникновении реальных угроз.
Обработка данных не требует участия оператора. Все необходимые операции выполняются на отдельном процессоре, что увеличивает отказоустойчивость, гарантируя стабильную работу системы. Комплексная обработка позволяет выявить больше свойств объекта, на основании которых алгоритмическая модель классифицирует тип угрозы. Система самостоятельно развивается в процессе эксплуатации, что положительно отражается на точности срабатывания.
Важные аспекты развития алгоритмов глубокого обучения
Объем обрабатываемой информации. Расширяет список свойств объекта, улучшая идентификацию и точность распознавания.
Высокопроизводительные платформы. Внедрение алгоритмов Deep Learning стало возможным благодаря развитию вычислительной техники и ее модернизации. Постоянная оптимизация. Регулярное совершенствование увеличивает надежность и качество работы охранной системы, повышая уровень удовлетворенности пользователя. Возможности технологии и перспективы ее развития делают целесообразным применение алгоритмов Deep Learning для эксплуатации на коммерческих и промышленных объектах, где важна высокая точность выявления и идентификации угроз в сложных эксплуатационных условиях.
Сфера применения и решаемые задачи
Идентификация и распознавание объектов выполняется в режиме реального времени, что дает возможность владельцу сети видеонаблюдения оперативно реагировать на угрозы безопасности.
Основные цели работы системы AcuSense
- Детекция лиц в кадре. Алгоритмы не только обнаруживают лица, но и проводят комплексную проверку: размера и выражения лица; идентификации по базе; определение параметров человека; распознавание положения.
- При наличии фотографии человека в полный рост в архиве, система способна обнаружить посетителя или сотрудника по свойствам тела. С помощью интеллектуального поиска возможно найти конкретного человека в других кадрах, чтобы отследить его действия.
- Подсчет посетителей. AcuSense можно и нужно использовать для ведения учета проходимости. Система оснащена специализированными фильтрами, что дает точную оценку посещаемости, числа входящих и выходящих людей, отсеивает посетителей по росту, выявляет подозрительную траекторию движения. Все это возможно даже при использовании нестандартного ракурса.
- Сбор информации о транспортных средствах. Модули видеоаналитики подходят учета и структурирования данных о проезжающем транспорте. В базу заносятся такие параметры: номер, марка, цвет, модель. Эти свойства можно использовать для поиска по архиву.
- Фильтрация ложных срабатываний. В случае обнаружения нарушения, система повторно запускает алгоритмы обработки. Это позволяет убрать распространенные виды помех, точно определить безопасные объекты в кадре.
- коммерческие организации и точки розничной торговли;
- строительная сфера;
- общественные учреждения и места скопления людей;
- проекты "Умный город".
- предотвращение краж;
- распространение информации о нарушителе по всей сети торговых точек и объектов;
- аналитика посещаемости и пиковой активности посетителей;
- обеспечение контроля доступа;
- защита периметра от вторжений;
- аналитика поведения и траектории движения транспортных средств или людей;
- нарушение правил движения, в том числе парковки транспорта;
- поиск людей.
Применяемые решения обработки изображения в несколько этапов исключают, что нарушения не будут определены, а модули глубокого обучения отвечают за корректную классификацию объекта по его свойствам.
Сферы применения алгоритмов глубокого обучения:
Что дает использование технологии в системе видеонаблюдения:
По словам руководства компании, технология AcuSense доступна для цифровых систем видеонаблюдения, но в исследовательской лаборатории уже разрабатываются решения для аналоговых систем видеонаблюдения. Алгоритмы работы алгоритмов глубокого обучения от Hikvision – это новый шаг в развитии охранных систем. В компании заявили, что эта технология разрабатывалась с учетом пожеланий владельцев малого и среднего бизнеса, обеспечивая доступность решения и улучшение качества видеонаблюдения на объектах с высокой проходимостью.