Pierwotna funkcja wizyjnych systemów dozorowych, czyli obserwacja i zapis obrazów z kamer, jest systematycznie wzbogacana w coraz nowsze zaawansowane algorytmy analizy treści obrazu. Mają one za zadanie zwiększyć skuteczność działania systemu poprzez automatyzację procesów decyzyjnych, zaś nowe funkcje zapewniają przyjazny dla operatora interfejs komunikacji.
W ramach niniejszego artykułu chciałbym przedstawić rozwiązanie z dziedziny zaawansowanej analizy treści obrazu, które zastosowano w nowej serii kamer marki NOVUS, a mianowicie funkcję klasyfikacji obiektów pod względem typu. Funkcje wykrywania przekroczenia wirtualnej linii lub naruszenia wyznaczonego obszaru, a także wykrywania sabotażu kamery są już standardem w wizyjnych systemach dozorowych. Wymagania wobec nowych systemów są jednak coraz wyższe i wymienione wyżej funkcje analityczne w standardowej formie mogą w niektórych przypadkach nie wystarczyć.
Funkcję klasyfikacji obiektów wprowadzono w odpowiedzi na wzrost wymagań i w celu umożliwienia niestandardowych zastosowań. Zastosowany algorytm umożliwia rozpoznanie człowieka, samochodu, a także roweru lub motocykla w polu widzenia kamery. Rys. 1 ukazuje jeden z obszarów testowych – ruchliwą ulicę – i ciągłe, dynamiczne zmiany obserwowanej sceny. W takich warunkach użycie algorytmu umożliwiło bezbłędną klasyfikację obiektów, których rozmiary były nie mniejsze niż 1% obserwowanej sceny. Obiekty mniejsze mogą zostać wykryte w odpowiednich warunkach, takich jak dobrze doświetlona scena oraz duży kontrast pomiędzy obiektem a tłem, na jakim obiekt się porusza.
Rys. 1. Klasyfikacja obiektów
Opisywana funkcja klasyfikacji obiektów odznacza się wysoką skutecznością w trudnych warunkach atmosferycznych, między innymi podczas opadów deszczu i śniegu, a także w przypadku niekorzystnego oświetlenia sceny o zmierzchu albo o świcie.
Dzięki możliwości rozróżnienia typu obiektu, który wtargnął w wyznaczony obszar lub przekroczył wirtualną linię, uzyskuje się znaczne zmniejszenie liczby niechcianych i zakłócających prawidłową pracę systemu fałszywych alarmów. Operator może zatem skoncentrować się na sytuacjach, które bezsprzecznie wymagają szybkiej i sprawnej interwencji. Konfiguracja opisywanej funkcji umożliwia ustawienie czułości wykrywania, która określa, przy jakiej minimalnej odległości od wyznaczonej linii lub strefy obecność obiektu wywoła alarm. Ponadto konfiguracji podlegają także informacje wyświetlane przy licznikach kamery (o których mowa w dalszej części artykułu) – można dowolnie nazwać każdą kategorię (przykład podano na rys. 2). Informacja o zdarzeniu może być przekazana do oprogramowania NMS. Na podstawie odpowiednio zdefiniowanych scenariuszy system jest w stanie zareagować autonomicznie lub poinformować obsługę o konieczności podjęcia określonych działań.
Rys. 2. Okno dialogowe ustawień detekcji
Przykładem zastosowania opisywanej techniki jest monitorowanie miejsc pracy maszyn wielkogabarytowych z elementami ruchomymi, w pobliżu których w czasie działania nie może przebywać człowiek. Skutkiem wykrycia człowieka w strefie zagrożenia będzie alarm w formie ostrzegającego przed niebezpieczeństwem sygnału akustycznego lub optycznego, a informacja o zaistniałej sytuacji zostanie zapisana w rejestratorze jako zdarzenie alarmowe, które będzie można łatwo odnaleźć. Inne przykładowe lokalizacje, w których wykrycie postaci ludzkiej może okazać się pomocne, to przejazdy kolejowe, wjazdy na parkingi podziemne i wyjazdy z tych parkingów, miejsca niedozwolonego przechodzenia pieszych przez jezdnię.
Kolejną dostępną w kamerach marki NOVUS funkcją rozszerzającą zakres analizy treści obrazu jest zliczanie przekroczeń wyznaczonej linii (rys. 3) przez obiekty różnych typów. Kamera ma sześć niezależnych liczników podających liczbę samochodów, ludzi i rowerów (albo motocykli), które zostały sklasyfikowane, zliczone i których kierunek przemieszczania się został ustalony. Liczniki mogą być resetowane automatycznie, po wyznaczonym czasie – po godzinie, dniu albo tygodniu, lub ręcznie, poprzez interfejs sieciowy kamery. Na podstawie zebranych w ten sposób danych możliwe jest utworzenie statystyk, które w przyszłości będą mogły posłużyć do optymalizacji ruchu pojazdów, pieszych i rowerów w danym obszarze. Korzystając z funkcji wykrywania kierunku przecinania wirtualnej linii przez wybrany obiekt, można także alarmować o nielegalnym przemieszczaniu się pojazdu w monitorowanych strefach, np. na drogach jednokierunkowych lub na wjeździe na parking.
Rys. 3. Zliczanie przekroczeń wyznaczonej linii
Dzięki temu, że to kamera korzysta z algorytmu klasyfikacji, istniejące urządzenia rejestrujące nie wymagają rozbudowy lub wymiany. Rozproszenie elementów analizujących obraz zapewnia wysoką skalowalność oraz odporność na awarię całego systemu (w przeciwieństwie do rozwiązań bazujących na centralnych jednostkach analizujących).
W przeciwieństwie do rozwiązań, w których wykorzystuje się serwer przeprowadzający analizę treści obrazów, możliwa jest bezobsługowa, automatyczna kalibracja, która odbywa się przy każdym uruchomieniu funkcji lub restarcie kamery, co daje pewność, że algorytm zawsze działa z najwyższą wydajnością. Automatyczna kalibracja znacznie skraca czas konfiguracji, więc od instalatora wymaga się jedynie montażu kamery zgodnie z zaleceniami producenta.
Wydajność zastosowanych urządzeń oraz metod analizy pozwala na jednoczesne monitorowanie do 32 obiektów różnego rodzaju. Jeżeli na obrazie pojawi się większa liczba obiektów, to najpierw rozpoznane będą sylwetki ludzkie, następnie samochody, a na końcu jednoślady. Gwarantuje to niezawodną pracę systemu nawet w wyjątkowo dynamicznych miejskich sceneriach.
Zapraszam do zapoznania z filmem prezentacyjnym, który jest dostępny na naszym kanale YouTube.
Daniel Xaysomvang
AAT HOLDING