Реклама
125

Разработка систем видеоаналитики, что нужно знать?

Системы видеонаблюдения постоянно совершенствуются, приобретают новые функции. В сочетании с «умными» модулями видеоаналитики, автоматизируют задачи, которые раньше находились в исключительной компетенцией людей. Распознавание и сравнение лиц, анализ поведения людей, отслеживание подозрительных объектов, аномалий — нейронки делают это в автоматическом режиме, исключая человеческий фактор и связанные с ним ошибки, поэтому разработка видеоаналитики актуальная тема, которую рассмотрим в это статье.

Модули видеоаналитики

Это устройство или программный комплекс, который автоматически обрабатывает и анализирует данные. Выполняет мониторинг объекта, ориентируясь на заданные атрибуты. Модули с интеллектуальным управлением используют для автоматизации процессов, продвинутой бизнес-аналитики в государственном управлении, ритейле, медицине, промышленности, транспорте и других областях.

Базовые модули видеоаналитики:

  • Обнаружение. Идентифицируют и запоминают определенные объекты, предметы, области.
  • Отслеживание. Захватывает конкретный объект или все предметы в выбранной области, присваивает каждому уникальный идентификатор, оценивает по основным атрибутам. Отслеживает любые изменения.

  • Распознавание лиц. Продвинутая биометрия, которая идентифицирует людей на основе черт лица, осанки, походки, других индивидуальных особенностей.

  • Классификация объектов. Идентифицирует и оценивает объекты на основе их визуальных характеристик. Различает и сортирует по отдельным категориям людей, животных, транспорт, оборудование, товарные позиции и т. д.

  • Аналитика толпы. Изучает поведение в естественных условиях, оценивает динамику движения, реакцию на раздражители. Собирает полезные данные для контроля и прогнозирования.

  • Обнаружение аномалий. Реагирует на признаки «ненормального» поведения — споры, драки, нахождение в одном месте без видимой причины, отклонение от разрешённых траекторий движения, внезапные остановки, смена направления, ношение необычной одежды или сумок, попытки избежать камер наблюдения, вандализм.

  • Редактирование видео. Умные модули можно натренировать на удаление или сокрытия конфиденциальной информации — например, содержимое документов, банковские реквизиты и т. п., чтобы избежать случайной утечки.

  • Подсчет. Отслеживает количество экземпляров определенного объекта или группы для анализа трафика, управления запасами, аналитики розничной торговли.

  • Распознавание номерных знаков. Автоматически считывает и распознает номера автомобилей для надзора за соблюдением ПДД, управления парковкой, прогнозирование трафика.

  • Аудиоаналитика. Модуль отвечает за распознавание речи, классификацию звуков, идентификацию говорящего, оценку контекста услышанного.

  • Кросс-аналитика. Объединяет, обрабатывает и анализирует данные со всех источников для создания целой картины происходящего.

  • Поведенческий анализ. Составляет типичные паттерны и сценарии поведения объектов на основе исторических данных.

  • Оптическое распознавание символов. Извлекает и анализирует тексты, изображения, символы. Например, для быстрого распознавания товарных позиций.

Интеллектуальные решения видеоаналитики оптимизируют работу персонала на предприятии, в государственных учреждениях, общественных местах. Следят за порядком. Выводят на свет любителей пощёлкать клювом в рабочее время или прикарманить, что плохо лежит. Все подобные инциденты фиксируются автоматически. Руководителю не нужно нанимать штат охраны, тратить сотни человекочасов на отработку перечисленных задач вручную.

Видеоаналитика для бизнеса

Модули видеоаналитики собирают, обрабатывают, анализируют колоссальные массивы информации. Холодно, беспристрастно находят связи, закономерности, незаметные человеку. В плане продуктивности нейросети давно опередили «кожаных» конкурентов — ни один человек не способен одновременно отслеживать десятки, сотни, тысячи локаций, подмечая тончайшие нюансы поведения объектов и формировать точные прогностические модели на основе увиденного.

Основные сферы, где видеоаналитика уже приносит реальную пользу:

1. Ритейл

Ритейлерам необходимо проводить глубокий анализ эффективности торговых точек, изучая показатели вроде посещаемости, конверсии, конкуренции между магазинами. Какие задачи выполнит программное обеспечения для видеоаналитики:

  • подсчет посетителей;

  • выявление популярных маршрутов и зон в торговом зале (heatmaps);

  • составление демографической карты;

  • мониторинг длины очередей;

  • предотвращение краж;

  • анализ выкладки товаров;

  • контроль за соблюдением стандартов обслуживания;

  • анализ эффективности маркетинговых акций.

Эти функции помогают ритейлерам повысить продуктивность персонала, поднять качество обслуживания. Обнаружить и устранить «бутылочные горлышки». Распределить товарные позиции по точкам, настроить индивидуально бонусы и акции, чтобы избежать конкуренции внутри сети.

2. Безопасность

Модуль контролирует доступ в охраняемые зоны, реагирует на аварийные ситуации, анализирует поведение людей для выявления подозрительных действий (воровство, драки, саботаж, попытка нападения). Обнаруживает брошенные вещи, которые потенциально могут таить опасность. Продвинутые системы способны прогнозировать потенциальные риски на основе поведенческих моделей, составленных по итогам прошлых инцидентов.

3. Производственная логистика

Модуль надзирает за рабочим процессом, предупреждает о нарушении техники безопасности или опасных ситуациях. Например, обесточивает участок или прерывает работу оборудования, обнаружив на объекте посторонних, либо сотрудников без униформы/средств индивидуальной защиты. Оптимизирует перемещение материалов, персонала.

4. Пассажирские перевозки, управление трафиком

Камеры видеонаблюдения собирают данные с аэропортов, ЖД, автовокзалов, шоссе, улиц, пешеходных переходов. Интеллектуальный модуль обрабатывает информацию, чтобы осуществлять такие виды деятельности, как:

  • контроль транспортного потока;

  • анализ плотности движения;

  • автоматическое обнаружение аварий;

  • мониторинг соблюдения графика, городского транспорта, поездов, самолётов;

  • оптимизация работы светофоров в зависимости от загруженности перекрестков;

  • распознавание пробок, поиск альтернативных маршрутов;

  • прогнозирование заторов и возможных проблем на дорогах;

  • анализ количества людей в транспорте для оптимизации маршрутов и графиков;

  • надзор за соблюдением масочного режима, запрета на курение и других правил;

  • распознавание драк, несчастных случаев, других опасных инцидентов с автоматическим оповещением экстренных служб.

В совокупности эти меры предотвращают большую часть проблем, от которых страдают типичные современные мегаполисы. Устраняют «узкие» места, делают трафик более оживлённым. Делают перемещение водителей, пассажиров и пешеходов комфортным, безопасным.

5. Офисные и коммерческие помещения

Цифровизация офисных пространств рационализирует использование офисных помещений. Улучшает управление персоналом. Гибко настраивает права доступа для гостей и сотрудников с разным уровнем допуска. Контролирует поведение служащих и посетителей — выявляет потенциальную угрозу со стороны неадекватных клиентов, или нарушение корпоративных стандартов работниками.

Видеоаналитику также часто применяют в уличной рекламе — модули отслеживают реакцию клиентов на акции и промо-материалы, что помогает бизнесу оценить эффективность кампаний. Другие перспективные направления — туризм, здравоохранение, телекоммуникации. Видеоаналитика следит за безопасностью, сохранность инфраструктуры, оптимизирует управление трафиком в зонах обслуживания. Превращает разрозненные клочки данных в единую понятную картину.

Технологии видеоаналитики

Облачная видеоаналитика использует вычислительную мощность удалённых серверов. В составе готового коммерческого продукта либо для развёртывания собственных решений. Обеспечивает лёгкую интеграцию с другими системами через универсальный web-интерфейс.

Платформы Edge Analytics развёртываются непосредственно на клиентских устройствах (камеры, видеорегистраторы, IOT). Не требуют использования облака или централизованных узлов обработки. Дают большую автономность, но предлагает меньшую вычислительную мощность.

Какие технологии используют:

  • Компьютерное зрение. Позволяет системе интерпретировать визуальную информацию, делать выводы о характере деятельности объекта.

  • Object detection (обнаружение объектов). Отслеживает движущиеся объекты, разделяя их на группы и присваивая каждому персональный идентификатор.

  • Нейронные сети. Свёрточные (CNN) и нейросети глубокого обучения (DNN) применяют для обработки сложных визуальных данных — анализа поведенческих моделей, интерпретации медицинских снимков, данных с дронов, спутниковых фотографий и тому подобного.

  • Машинное обучение. Улучшают видеоаналитику, распознавая закономерности и прогнозируя результаты. Эти алгоритмы умеют обнаруживать аномалии, прогнозировать поведение человека и различных систем при различных сценариях, отличных от базового.

→ Обработка естественного языка (NLP). Анализирует аудиоконтент в видеопотоках. Даёт системе оценить контекст разговора. Сосредотачивается на ключевых моментах, игнорируя фоновый «шум».

Обучение моделей с нуля требует значительных усилий. К счастью, есть достаточно ресурсов, которые делают эту задачу менее обременительной. К ним относятся: Google Cloud Video Intelligence, Amazon Rekognition, Microsoft Azure Video Analyzer, NVIDIA DeepStream SDK, IBM Watson Visual Recognition, YOLO, Norfair. Коммерческий продукт готов к использованию сразу, требует минимальной настройки. Это дешевле, чем обучение нейросети с нуля.

Свободная альтернатива перечисленному — OpenCV (Open Source Computer Vision Library) — библиотека с открытым исходным кодом. Частные компании, предприятия часто используют её для создания собственных наработок в сфере приложений компьютерного зрения и видеоаналитики.

Функции видеоаналитики

Прежде чем арендовать сервера или покупать готовый коммерческий продукт, необходимо определить востребованные сценарии. Например, розничная сеть хочет снизить кражи и запустить распознавание по базе воришек, которая будет автоматически пополняться. Или запустить нейросеть для оптимизации мерчандайзинга. Каждый сценарий сводится к ряду базовых функций, которые система должна уметь выполнять.

Наиболее частыми и востребованными функциями в видеоаналитике являются:

  • Обнаружение. Находит и классифицирует различные объекты, предметы.

  • Идентификация. Отличает предмет среди других похожих экземпляров или находит определённого человека в толпе.

  • Локализация. Даёт объекту персональный ID, ограничить рамкой и непрерывно ведёт, несмотря на различные препятствия.

  • Поиск паттернов и закономерностей. Обрабатывает большие массивы данных, обнаруживая устойчивые тенденции, что помогает в стратегическом планировании.

→ Прогнозирование. Анализируя исторические данные, предсказывает потенциальные риски или события. Например, спрос на определённые группы товаров или аварийные ситуации на отдельных участках дороги.

Интеграция видеоаналитики с другими IT-системами создаёт интеллектуальное решение, которое расширяет базовый функционал, забирает на себя большую часть рутины, освобождая человеческий ресурс. Наиболее подходящие системы для интеграции с модулем видеоаналитики — управление доступом (ACS), охрана и безопасность (PSIM), ERP и CRM системы, интернет вещей (IoT), платформы Big Data, BI-системы (Business Intelligence).

Разработка видеоаналитики

Есть два типа IT решений — универсальные и кастомизированные. Первые дешевле, проще в развёртывании, но могут не учитывать специфические цели бизнеса, что снижает их эффективность. Индивидуальная настройка — это дольше и дороже, но даёт бонус на длинной дистанции за счёт тонкой оптимизации и автоматизации процессов. Качество анализа и прогнозов при индивидуальной разработке на на 20–50% выше, что критично для многих отраслей, таких как ритейл, или промышленное производство.

Процесс разработки видеоаналитики с нуля происходит по такому алгоритму:

  1. Анализ потребностей. Составление целей, задач. Например: умный контроль доступа, оптимизация раскладки товаров в зале/на складе, отслеживание трафика
  2. Проектирование системы. Включает выбор оборудования, платформы (облако или локальное решение), а также программного API (например, OpenCV, Google Cloud Video Intelligence и т. д).

  3. Установка и настройка. Размещение и подключение оборудования, интеграция модулей, настройка программной части.

  4. Тестирование. Испытание в реальных условиях — поиск ошибок, оценка базовой продуктивности, калибровка параметров под динамичные сценарии — освещение, плотность трафика и т. д.

  5. Интеграция с другими IT-компонентами. Рабочую и настроенную систему видеоаналитики поэтапно интегрируют с ERP, CRM, IoT, корпоративными бизнес-приложениями.

  6. Обучение персонала. Разработка базовых инструкций, правил эксплуатации. Обучение рядового, технического персонала, который будет работать с видеоаналитикой и обеспечит её жизнедеятельность.

С течением времени возможно расширить базовую функциональность, интегрируя новые модули, внедряя более продвинутые алгоритмы машинного обучения.

Реальные кейсы успешного применения видеоаналитики в бизнесе:

Walmart. Использовал видеоаналитику для мониторинга кассовых зон. Система анализирует длину очередей, направляет свободных сотрудников на дополнительные кассы. Результат: сокращение времени ожидания, повышение удовлетворенности клиентов, эффективное использование персонала.

KFC. В китайских филиалах KFC с самообслуживанием в рамках эксперимента установили системы распознавания лиц, которые анализируют возраст, пол и настроение клиентов. Данные используют для продвинутого таргетинга предложений. Результат: увеличение клиентской базы, повышение среднего чека

Uber. Компания внедрила системы видеоаналитики в автомобили для мониторинга поведения водителей и пассажиров. Система выявляет подозрительные действия, автоматически рассылая сигналы в экстренные службы. Результат: снижение числа инцидентов с участием водителей и пассажиров.

Российские железные дороги (РЖД). На вокзалах внедрены системы распознавания лиц и обнаружения оставленных предметов. ИИ берёт на карандаш подозрительно выглядящих субъектов и сигнализирует в службу безопасности. Результат: снижение числа криминальных инцидентов на подотчётных объектах.

Заключение

Умная видеоаналитика давно перешла из разряда ноу хау в must have опцию для решения рутинных повседневных задач, требующих значительных материальных и временных затрат. Технология актуальна для всех сфер и отраслей — государственное управление, транспорт, финансы, медицина, образование, торговля, туризм, строительство, промышленное производство.

Бизнес, не использующий продвинутую видеоаналитику, лишается качественной динамической оптимизации. Медленнее адаптируется к рыночным изменениям. Несёт большие операционные издержки, поэтому менее конкурентоспособен в долгосрочной перспективе.

Инновации и новые технологии быстро меняют правила игры. Вовремя «запрыгнуть в поезд» — значит, не отстать от менее гибких и расторопных конкурентов. Последние же теряют возможности для роста и неизбежно сократят свою долю на рынке.

Реклама. Костин Валерий Валерьевич, ИННИП 233507048056

erid: 2SDnjeZdd1u

Автор: Реклама INFPOL.RU

Подписывайтесь

Получайте свежие новости в мессенджерах и соцсетях