Видеоаналитика автоматизирует четыре классических функции средств охраны: обнаружение, слежение, распознавание и прогнозирование. Можно возразить, что порядок немного другой — слежение после распознавания — но на практике точное распознавание происходит после слежения за объектом в течение периода времени с целью накопления данных об объекте.

Как правило, все четыре функции выполняются многократно, обеспечивая непрерывное уточнение гипотез о количестве, местоположении и типа объектов в контролируемой зоне, а так же устранение избыточности в результатах.

На сегодняшний день защита периметра является основным приложением профессиональной видеоаналитики (если не включать в это понятие задачу распознавания номерных знаков автомобилей). В отличие от систем видеоанализа, используемых в общественных местах, периметральная видеоаналитика решает более конкретную и простую задачу — первичное обнаружение человека или транспортного средства в стерильное зоне. В нашей первой публикации в 2009 году мы рассмотрели общие проблемы периметральной видеоаналитики и оценки ее точности.

Главным отличием периметральной видеоаналитики от обыкновенного детектора движения является необходимость стабильного обнаружения объекта интереса (цели) на динамическом фоне, изменения которого обусловлены окружающей средой. Видеоаналитика не должна реагировать на изменения освещения, тени, движение растений, животных, насекомых, птиц, осадки, дрожание камеры от ветра, но при этом должна сохранить высокую чувствительность по отношению к потенциальным нарушителям периметра.

Подготовленный нарушитель может выглядеть совершенно непредсказуемо для разработчика видеоаналитики, и «заточка» детектора для снижения частоты ложных срабатываний, например, под идущего человека не обеспечит адекватной срабатывания видеоаналитики в случае, если нарушитель будет ползти или двигаться в группе людей.

Интегральный характеристикой точности видеоаналитики для периметра является показатель F1, используемых в тестах i-LIDS, который зависит от частот ошибок I и II рода, а так же от времени реакции системы. Срыв слежения за целью приводит к повторному срабатыванию, что считается ошибкой I рода. Поэтому слежение является важной составляющей периметральной видеоаналитики (в отличие от обыкновенного детектора движения).

Настоящая статья дополняет вышеуказанную публикацию современными тенденциями отрасли и более подробно рассказывает о востребованных функциях видеоаналитики в системах защиты периметра.

Тенденция 1. Различные спектры наблюдения

Главным стимулом применения сенсоров, работающих в различных диапазонах спектра, является обеспечение всепогодного режима работа и/или увеличения дальности действия камеры. На периметрах применяются фиксированные камеры ближний инфракрасной, средней тепловизионной и дальней тепловизионной областей спектра. Как показано на рисунках рис. 1-3, сенсоры формируют изображение различной информативности и требуют адаптации видеоаналитики к специфическим особенностям наблюдения в каждом диапазоне спектра. Здесь наиболее сложными задачами являются: детектирование целей при неблагоприятном соотношении сигнал/шум, слежение за слабоконтрастными целями на большой дальности (при существенной амплитуде дрожания изображения). Так же имеет место сложная отраслевая специфика: например, при мониторинге периметра железнодорожного полотна, видеоаналитика не должна реагировать на поезда и создаваемые им помехи (тени, вихри снега, сильные вибрации камеры).

Рисунок 1 Наблюдение в зоне ближней инфракрасной области спектра: велосипедист на пересеченной местности, катер на воде, человек на мосту

Наш обзор международного рынка видеоанализа опирается на материалы 4-ой ежегодной европейской конференции по видеоаналитике IMS Video Content Analysis Europe, проходившей в Лондоне с 27 по 28 июня 2011 г. (организатор: исследовательская компания IMS Research). Всеобъемлющее представление о состоянии, трендах и перспективах развития технологий видеоанализа позволили сделать более 20 докладов разработчиков и потребителей, а также неформальное общение с участниками конференции

Здравствуйте, Хабр!

Наша компания при поддержке Парка высоких технологий (ПВТ) Республики Беларусь, компании Агрегатор и ITV | Axxonsoft проведет открытый семинар на тему «Интеллектуализация видеонаблюдения».

Семинар пройдет 6 сентября 2011 года с 09:30 до 12:30 по адресу: Парк высоких технологий Республики Беларусь, 220141, г. Минск, ул. Академика Купревича, д. 1, корп. 1, 9-й этаж.

В ходе семинара будет проведена демонстрация IP-видеосервера MagicBox со встроенной видеоаналитикой, а также интеллектуального поиска в видеоархиве, реализованного в системе видеонаблюдения «Axxon Smart IP».

Автоматизация системы управления купольной поворотной камеры (PTZ-камеры) – интересная и актуальная задача. По мере концентрации ситуационных центров и внедрения видеоаналитики возникает потребность в интеллектуальных алгоритмах, позволяющих не только анализировать видео со стационарных (неподвижных) камер, но и наводить роботизированную камеру на цель без участия оператора. Задержка, вносимая цифровой подсистемой кодирования и декодирования видео, ограничивает возможности дистанционного слежения за целью при помощи поворотной камеры и усиливает необходимость локальной автоматизации слежения. Наш пост Хабру содержит обзор основных задач по интеллектуализации PTZ-камер, подходов к их решению и предложений на рынке.

Рис. 1. Экспериментальная установка для автономного PTZ-слежения: видеоаналитическое устройство MagicBox, PTZ-камера Pelco и обзорная камера CNB.	Рис. 2.Предпозиции PTZ-камеры, управляемые зональным детектором движения.

Менеджер устройств ONVIF (ONVIF Device Manager — onvifdm) — открытая реализация клиента (приемной части) системы охранного видеонаблюдения на базе международного стандарта ONVIF. В состав приложения входит библиотека ONVIF, которая позволяет взаимодействовать с сетевыми устройствами, такими как IP-камеры, видеоэнкодеры, считыватели ключей, турникеты, датчики дыма. Менеджер устройств ONVIF и библиотека могут быть использованы при разработке коммерческого или любительского ПО, например, для удаленного наблюдения за коттеджем, определения длины очереди в магазине, фотографирования птиц.

В статье речь пойдет об опыте реализации фоновых приложений для платформы iOS 4 в рамках работ над проектом Viber компании Viber Inc. Первая версия Viber была доступна пользователям AppStore 2 декабря 2010 года. Количество пользователей приложения Viber для iPhone в мае 2011 года превысило 15 млн. пользователей. Приложение обладает несколькими интересными особенностями:

• повторяет интерфейс телефонной книги iPhone;
• строит социальный граф на базе телефонной книги пользователя;
• позволяет звонить и отправлять короткие сообщения между пользователями Viber.

Версия под операционную систему Android сейчас в стадии закрытого бета-теста.

В первой публикации Хабросообществу мы хотим рассказать об интереснейшем направлении работы компании «Синезис» — многокамерном видеоанализе, точнее, многокамерном алгоритме сопровождения объектов.

Наш коллектив занимается прикладными исследованиями в области видеоаналитики и разрабатывает быстродействующие алгоритмы машинного зрения для автоматической классификации ситуаций по данным поточного видео. Самые интересные результаты мы планируем освещать в корпоративном блоге. Будем благодарны за идеи и критику.