Технология Hikvision AcuSense для малого и среднего бизнеса

Сегодня малый и средний бизнес требует много возможностей от современных систем безопасности. Идентификация угроз в реальном времени при нарушении границы периметра, обнаружение тревожных сработок, автоматизированный поиск по архиву и другое. Технология Hikvision AcuSense была разработана специально для таких задач. AcuSense обладает расширенными функциями анализа видеоконтента, может идентифицировать различны объекты и события, не несущие угрозы. 

Оператор систем видеонаблюдения обычно сталкивается с такими видами помех: свет, паутина, движение листвы и веток, движение птиц и животных. Эти помехи могут провоцировать ложные тревоги. В результате чего возникают такие проблемы:

1. Множество ненужной информации;
2. Снижение эффективности системы тревожной сигнализации;
3. Рост стоимости эксплуатации системы за счет ненужных проверок по ложным сработкам;
4. Снижение уровня удовлетворенности системой безопасности.

Сегодня происходит снижение эффективности стандартных алгоритмов в системах видеонаблюдения. Это происходит, потому что количество видеоустройств постоянно растет, растет и объем необработанных данных. Традиционные алгоритмы справляются с обработкой данных систем видеонаблюдения только на поверхностном уровне, что, в свою очередь, создает такие недостатки, как низкая точность выявления угроз и распознавания объектов, более высокие требования к окружающей среде, меньшее количество типов объектов, возможных для распознавания.

Поверхностное и глубокое обучение

Алгоритмическая модель глубокого обучения в отличие от традиционной имеет более сложную архитектуру. При работе технологии глубокого обучения первичный сигнал проходит через несколько слоев обработки, в итоге алгоритм трансформирует частичное понимание, (т.е. поверхностный уровень) в единую закономерность (глубокий уровень). На основе общей закономерности и происходит восприятие объекта.

Технология глубокого обучения не требует ручного управления, т.к. весь объем информации считывается и проходит обработку при помощи компьютера. Чем больше необходимых данных объекта находит алгоритм, тем более точными будут результаты классификации и распознавания.

Основные факторы технологии глубокого обучения

Большой объем данный

Активное развитие систем видеонаблюдения и повсеместное их внедрение приводит к росту объема данных. Так и создается большой объем видеоданных для качественного обучения алгоритма, а сами модели объектов в системе видеонаблюдения становятся более точными.

Вычислительные мощности

Использование алгоритмов глубокого обучения стало применимо благодаря активному развитию графических процессоров и вычислений в облачной среде и других аппаратных платформах.

Сетевая архитектура

Алгоритмы глубокого обучения развиваются и постоянно оптимизируются, что улучшает качество распознавания объектов и точность.

Для чего нужен алгоритм Deep Learning

Распознавание лиц

Специализированное программное обеспечение для обнаружения лиц анализирует изображения и определяет наличие лиц на них. Затем система фиксирует местоположение, размеры и выражение лица человека. На основании видеопотока алгоритм Deep Learning определяет находится ли в кадре человек или нет, после чего фиксирует его положение, размер и главные характеристики лиц, попавших в кадр. После сравнительного анализа изображений, происходит идентификация с базой данных.

Фильтрация ложных тревог

Наличие фильтра ложных тревог позволяет системе проводить повторное распознавание людей в процессе анализа поведения (обнаружение пересечения линий или вторжения). То есть система таким образом исключает ложные сработки тревоги, которые спровоцированы движением ветвей деревьев, тенями, бликами и появлением животных в кадре. 

Подсчет людей в кадре

В рамках алгоритма Deep Learning функция подсчета людей в кадре дополнена новыми фильтрами. Благодаря им система видеонаблюдения может идентифицировать людей, которые просто гуляют, вести подсчет в нестандартном ракурсе, проводить фильтрацию объектов в кадре по высоте. 

Систематизация данных об автомобилях

Алгоритм Deep Learning для создания базы автомобилей использует следующие данные – номер, цвет корпуса, модель и даже марка. В последствии эти данные могут быть использованы для поиска автотранспортного средства. 

Автопоиск людей по отдельным чертам

Такой поиск позволяет системе безопасности использовать фото человека в полный рост для автоматизированного поиска совпадений на изображениях или видео.

Сферы применения систем на базе алгоритма Deep Learning

В розничной торговле

Точный анализ данных в розничных магазинах помогает определить самые активные периоды, когда зал максимально загружен. В соответствии с этими данными выстраивается оптимальный график работы сотрудников.

Система видеонаблюдения позволяет также отследить кражи. Аналитика с возможностью распознавания лиц определяет «постоянного» вора и информирует сотрудников о его нахождении в помещении. Данные о воре можно распространить по всем магазинам сети.

В строительстве

Самыми распространенными требованиями на объектах строительства к системам безопасности является обеспечение эффективного контроля доступа, а также охрана периметра объекта. Системы, в основе которых алгоритм Deep Learning, позволяют обнаружить человека и проанализировать его поведение, а в случае взлома оповестить службу безопасности. Также система на основе алгоритма глубокого обучения может контролировать доступ в здание при помощи камер наблюдение с функцией распознавания лиц, информирую при этом службу безопасности обо всех подозрительных личностях. Система также способна анализировать время прихода и ухода отдельных лиц на объект.

В системах «Умный город»

Уже сегодня алгоритмы глубокого обучения используются в проектах «Безопасный город» для идентификации определённых лиц и анализа их поведения, а также движения автомобилей. Полученные данные могут приняться для поиска сбежавших преступников, пропавших людей, предотвращения преступных действий, нарушения правил парковки автомобилей и в других целях.

Алгоритмы глубокого обучения (Deep Learning) могут также использоваться для обеспечения безопасности объектах с особыми требованиями к безопасности, например, в аэропортах, на вокзалах, на таможенных и пограничных пунктах и др.

Сегодня технология глубокого обучения от компании Hikvision AcuSense самая передовая на рынке видеонаблюдения. Сейчас Hikvision демонстрирует пользу алгоритмов глубокого обучения в системах IP видеонаблюдения. Свой следующий шаг компания планирует начать с внедрения этих технологий для аналоговых систем.