CC BY
17
Наибольший рост объема инвестиций из-за рубежа в январе-сентябре 2014 года по сравнению с аналогичным периодом 2013 года наблюдается в Нижегородской области, здесь инвестиции составляют 971,3 млн. долларов США и прирост 138,9%, Самарская область на третьем месте с показателем 466,6 млн. долларов США и снижением показателя к предыдущему периоду 37,2 %.
В целом по вышеприведенным данным можно сделать вывод о том, что наилучшие показатели по инвестициям в Республике Татарстан и в Самарской области.
УДК 004.8
Зыков В.Н. магистрант
факультет «Управление на транспорте и информационные технологии» Кашковский В.В.
профессор
кафедра «Информационные системы и защита информации» «Иркутский государственный университет путей сообщения»
РФ, г. Иркутск
Zykov V.N.
Graduate student « Transport Management and Information Technology»
«Irkutsk state university of ways of the message»
Russian, Irkutsk Kashkovskiy V. V.
Professor of the department « Information systems and information
security»
«Irkutsk state university of ways of the message»
Russian, Irkutsk
ИССЛЕДОВАНИЕ МЕТОДОВ ОБНАРУЖЕНИЯ ОБЪЕКТОВ И ПОСТРОЕНИЯ ТРАЕКТОРИИ ИХ ДВИЖЕНИЯ В СИСТЕМАХ
ВИДЕОНАБЛЮДЕНИЯ
Аннотация: Статья посвящена исследованию методов обнаружения объектов и построения траектории их движения в системах видеонаблюдения. Рассмотрены основные и дополнительные функции видеоаналитики. Анализ типов аппаратно-программных архитектур систем видеоаналитики.
Ключевые слова: видеонаблюдение, видеоаналитика, обнаружение объектов, слежение за объектами.
INVESTIGATION OF METHODS OF DETECTING OBJECTS AND BUILDING THE TRAJECTORY OF THEIR MOVEMENT IN VIDEO
MONITORING SYSTEMS
Annotation: The article is devoted to the investigation of methods for detecting objects and constructing the trajectory of their motion in video surveillance systems. The main and additional functions of video analytics are considered. Analysis of types of hardware and software architectures of video analytics systems.
Keywords: video surveillance, video analytics, object detection, object tracking.
С развитием технологий и повышением общесоциального уровня постоянно повышаются требования к безопасности и осведомленности групп и отдельных лиц, поэтому задача мониторинга нашла свое применение в различных сферах деятельности человека. Существенную роль в решении задачи мониторинга играют системы видеонаблюдения. В настоящее время они широко используются в банках, музеях, на дорогах, в системах коммерческой, военной, общественной безопасности, электро-обеспечения и других областях. Помимо типовых функций - вывода видеоизображения на монитор, многопоточного наблюдения и записи на жесткий диск в настоящее время системы мониторинга дополняются модулями интеллектуального обнаружения движения и сопровождения объекта наблюдения.
Видеоаналитика (video analytics) — аппаратно-программное обеспечение или технология, использующие методы компьютерного зрения для автоматизированного сбора данных на основании анализа потокового видео (видеоанализа). Видеоаналитика опирается на алгоритмы обработки изображения и распознавания образов, позволяющие анализировать видео без прямого участия человека. Видеоаналитика используется в составе интеллектуальных систем видеонаблюдения (CCTV, охранного телевидения), управления бизнесом (business intelligence, BI) и видеопоиска [1].
В зависимости от целей, видеоаналитика может реализовать как одну, так и несколько базовых функций:
Обнаружение объектов (object detection). Как правило, обнаружение объектов в поле зрения камеры производиться при помощи видеодетекторов движения. Основное отличие видеоаналитики от ИК-датчиков движения состоит в возможности локализации (выделении) и независимого анализа сразу нескольких объектов. Если движение не является достаточным признаком для локализации объекта в кадре, то обнаружение может производиться при помощи шаблонов. Например, обнаружение лиц людей, номерных знаков автомобилей или обнаружение малоподвижных морских целей может быть реализовано при помощи признаков Хаара.
Слежение за объектами (object tracking). Алгоритмы слежения (сопровождения) позволяют получить частную траекторию движения объекта как в поле зрения одной камеры, так и обобщенную траекторию по данным сразу нескольких камер. Слежение необходимо, чтобы проанализировать поведение объекта по его траектории, например, определить движение человека против потока или движение с повышенной скоростью. Кроме этого, слежение необходимо для исключения повторных срабатываний систем видеоаналитики на одни и те же объекты. Профессиональные системы работают по правилу «один тревожный объект - одно срабатывание» для достижения высокой продуктивности оператора.
Классификация объектов (object classification). Некоторые системы видеоаналитики классифицируют объекты для фильтрации оперативных уведомлений или результатов поиска. Например, типовой классификатор объектов, используя признаки формы и абсолютные размеры, распределяет объекты на группы: человек, группа людей, транспортное средство. Более сложные классификаторы в системах видеоаналитики для ритейла могут определить пол или возвратную группу человека.
Идентификация объектов (object identification). Идентификация объектов является наиболее сложным компонентом систем видеоаналитики. Современные системы позволяют идентифицировать людей по биометрическим признакам лица или транспортные средства -по номерным знакам. Идентификация может быть реализована при помощи дополнительных средств за рамками видеоаналитики: на основе отпечатков пальцев, банковской карты, билета, пропуска или идентификатора мобильного устройства.
Обнаружение (распознавание) ситуаций. Видеоаналитика позволяет не только выделять объекты из потокового видео, но и распознавать тревожные ситуации на основе анализа поведения данного объекта, что не дает сделать обычная система видеонаблюдения. Также ситуационная видеоаналитика может автоматически детектировать пересечение сигнальной линии, падение людей, запрещенную парковку и возникновение пожара.
Результатами работы видеоаналитики являются события (сообщения), которые могут быть переданы оператору системы видеонаблюдения или записаны в видеоархив для последующего поиска. Кроме этого, видеоаналитика формирует метаданные, то есть структуры данных, которые описывают содержание каждого кадра видеопоследовательности. Метаданные содержат такую информацию как местоположение и идентификаторы объектов (как правило, в виде тревожной рамки), траекторию и скорость движения объектов, данные о разделении или слиянии объектов, данные о возникновении и окончании тревожной ситуации. Метаданные записываются в видеоархив и воспроизводятся вместе с видео.
Видеоаналитика может иметь расширенные функции, такие как:
• Прогнозирование поведения объекта или возникновения ситуаций (например, образование очереди на кассе через 15 минут с учетом числа зашедших покупателей и числа работающих касс);
• Интеллектуальное сжатие видеоконтента с учетом интереса потребителя (например, система передает только видео, содержащие тревожные ситуации);
• Ранжирование (определение приоритета) событий видеоаналитики;
• Формирование производных видеоданных (интегральный кадр, таймплапс)
• Удаление персональных данных из видеоряда, например, при помощи детектора лиц и номерных знаков.
C точки зрения аппаратно-программной архитектуры, различают следующие типы систем видеоаналитики:
Серверная видеоаналитика (server video analytics) предполагает централизованную обработку видеоданных на сервере (рисунок 1). Как правило, сервер анализирует видеопотоки от множества камер или кодеров на центральном процессоре (CPU) или на графическом процессоре (GPU). Основным преимуществом серверной видеоаналитики является возможность комбинирования алгоритмов видеоаналитики на одной аппаратной платформе. Главный недостаток серверной видеоаналитики - необходимость непрерывной передачи видео от источника видеоданных на сервер, что создает нагрузку на каналы связи [2].
Рисунок 1. Серверная видеоаналитика
Встроенная видеоаналитика (edge video analytics) реализуется непосредственно в источнике видеоданных, то есть в камерах в кодерах. Встроенная видеоаналитика работает на выделенном процессоре (архитектуры DSP, ASIC, FPGA, ARM или x86) устройства и передает результаты (метаданные) вместе с видеопотоком (рисунок 2). Главное преимущество встроенной видеоаналитики состоит в уменьшение нагрузки на каналы связи и на сервер обработки видеоданных. При отсутствии объектов или событий видео не передается и не загружает каналы связи, а сервер обработки не декодирует сжатое видео для видеоанализа и индексирования. В сравнении с серверной видеоаналитикой, встроенная видеоаналитика позволяет увеличить в 10-100 раз эффективность использования каналов связи и серверов.
Рисунок 2. Встроенная видеоаналитика
Распределенная видеоаналитика (distributed video analytics) является гибридным решением между серверной и встроенной видеоаналитикой, в котором обработка распределена между источником видеоданных и центральным оборудованием (рисунок 3). Например, в системы многокамерного слежения, обнаружение объектов производиться в источнике видеоданных, а сопоставление результатов между несколькими источниками - на сервере.
Рисунок 3. Распределенная видеоаналитика
Произведен анализ и описание предметной области. Было определено, что для реализации поставленных задач наиболее удобным вариантом является разработка приложения с использованием серверной видеоаналитики, так как при данном подходе нет необходимости использовать дорогостоящие видеокамеры со встроенными функциями видеоаналитики.
Использованные источники:
1. Удалов В.С. Использование системы видеонаблюдения за процессом шлюзования для местоопределения судна в камере шлюза и подходных каналах // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. - Санкт-Петербург, 2016. - №4. - С. 242.
2. Соломатин Алексей Юрьевич. Метод идентификации субъектов по изображению лиц в системах разграничения доступа на основе иммунокомпьютинга : диссертация ... кандидата технических наук. - Санкт-Петербург, 2015. - С. 12
3. Сайт системы видеонаблюдения [Электронный ресурс]. - Режим доступа: http://synesis.ru/technology (дата обращения: 15.06.2017)
