Продакт-менеджер Axis по решениям аналитики Леонид Левит: «Технология детекции классов объектов на борту камеры поможет минимизировать количество ложных тревог и повысить качество системы безопасности»

Видеоаналитика на борту IP-камер может функционировать по-разному: ее эффективность зависит от чипсета, типа устройства, прошивки, нагрузки на процессор. ПО для распознавания классов объектов, встроенное в камеру – новое слово в видеоаналитике – появилось у Axis Communications, в первую очередь, благодаря улучшенной производительности процессоров ARTPEC-7. Данная технология пока только выводится на рынок, однако продакт-менеджер Axis по решениям аналитики Леонид Левит уверен, что ее ждет большое будущее: подробности в интервью ICT-Online.ru.

– Леонид, какие тренды в области детекции объектов существуют сейчас?

– Основной тренд, за которым мы, как разработчики, наблюдаем – это широкое применение искусственного интеллекта. Эта молодая технология именно сейчас выходит на так называемое плато продуктивности – то есть вступает в «период зрелости», когда рынок начинает осознавать ее возможности. В этот период воплощение технологии в реальных решениях становится наиболее продуктивным.

 

Продакт-менеджер Axis по решениям аналитики Леонид Левит – на Партнерском дне Axis Communications в Москве

 

Второй тренд, который следует из первого, – желание разработчиков телесистем вынести аналитику как можно ближе к источнику изображения, то есть к камерам. С точки зрения эффективности и масштабирования это выгодно: видео не приходится пересылать на центральный сервер для последующей обработки.

– Недавно компания Axis представила в России новую технологию – детекции классов объектов. Как данное решение соответствует этим трендам и что в нем нового – ведь сама идея распознавания лиц, автомобильных номеров, конкретных объектов – далеко не нова?

– Начну с того, что видеоаналитика, о которой мы сегодня говорим, становится более совершенной в решениях Axis благодаря процессору последнего поколения ARTPEC-7, на котором базируются новые модели наших камер. Сам по себе он намного производительнее своих предшественников, может решать всё более сложные вычислительные задачи, необходимые для серьезных приложений.

В том числе – вернемся к нашему разговору, – у нас появилась инновационная система автоматического обнаружения заранее заданных классов объектов: машины, люди, лица. Как это работает? «Обучение» программы мы проводим заранее, при разработке. За процесс обнаружения объекта отвечает встроенный в прошивку модуль Motion and Object Tracking Engine. За минимизацию количества ложных тревог – компонент процессора Object Detect Engine, он тоже автоматически устанавливается на борту камер с ARTPEC-7. Это программное обеспечение обрабатывает модели, которые мы «тренируем» на детекцию людей, машин, лиц – а в будущем количество таких классов объектов будет увеличиваться. Сами математические вычисления производятся специальным модулем, упрощающим работу процессора в области аналитики.

Подобный функционал может быть полезен при решении таких задач, как подавление ложных срабатываний, поиск видео в архиве, распознавание лиц, подсчет объектов, классификация машин и распознавание номеров, повторная идентификация личности или автомобиля и многое другое.

– Расскажите подробнее, как работает детекция классов объектов?

– У детекции классов объектов очень много интересных областей использования. Она позволяет не просто понимать, что объект находится в той или иной зоне, а что именно это за объект. Например, в системе мониторинга уличного трафика обнаруженный человек на трассе – это явный риск и для водителей, и для человека, и на это стоит обратить внимание. В логистике – люди могут находиться в одних зонах, машины в других, и с точки зрения безопасности важно знать, что все объекты передвигаются по разрешенным зонам.

Раньше оператор службы безопасности контролировал ситуацию, глядя на изображение на мониторе, и реагировал на опасные ситуации в ручном режиме. Количество потенциальных инцидентов, которое обрушивается на оператора, бывает настолько велико, что рано или поздно он начинает игнорировать то, что на самом деле важно. Ложные тревоги могут быть спровоцированы движущимися объектами, объектами небольшого размера и так далее. Сейчас ему в этом помогают камеры, «обученные» детекции. Они помогают акцентировать внимание на том, что действительно необходимо.

 

 

Точность определения класса объекта зависит от многих параметров: освещения, сцены, расстояния до объекта и так далее. Никакая цифра не будет верной абсолютно при всех сценариях. В лабораторных условиях это очень высокий процент, исходя из того материала, на котором мы тренируем наши алгоритмы. Очень четко, с очень большой долей уверенности наши камеры распознают три класса: лицо, тело человека, машина. Вообще это базовая задача: прежде чем понять, кто именно попал в поле зрения камеры, надо определить в принципе, что это человек, иначе определение нюансов занимает очень много аппаратных ресурсов. Этот этап детекции вполне может происходить на борту камеры.

– Каким именно заказчикам подойдут такие решения, где аналитика загружена на саму камеру? Это решение для сегмента SMB или определенных ниш?

– Применение этой технологии зависит не от масштаба компании и не от отрасли, а от конкретной поставленной задачи и от того, какие цели ставятся перед видеоаналитикой. Обобщать что-либо тут очень сложно. Даже инфраструктура с небольшим количеством камер может использовать систему распознавания классов объектов – и в среднем, и в малом бизнесе. С каждым годом аналитические функции видеокамер приобретают всё большую востребованность в самых значимых для видеонаблюдения отраслях – таких, как транспортная отрасль или ритейл, а также классическая сфера охранного видеонаблюдения.

С другой стороны, у любого устройства есть свои ограничения и область применения. Здесь очень важно, чтобы мы вместе с партнерами верно определяли эти области и использовали новые камеры именно там, где это необходимо. «Умный город», например, это в любом случае комбинация большого количества систем, сенсоров – не только камер, – и определенный уровень консолидации информации должен быть за пределами камер, вынесение аналитики на камеры решает только часть проблем.

– Насколько совместимы камеры Axis нового поколения с прежними? Например, если заказчик захочет внедрить ваше решение у себя, нужно ли ему будет менять все устройства на камеры с новым чипом?

– Разумеется, технологический парк – это инвестиции, которые любому заказчику нужно окупить и ранее установленные камеры никто не будет менять на новые одномоментно. В рамках каждой инфраструктуры эти решения, конечно, могут успешно сосуществовать. Системы с аналитикой на серверах, которые уже имеются на рынке, способны еще долгое время исправно находить объекты, оповещать охрану о нарушении периметра и так далее. С новым аппаратным и программным обеспечением появляются дополнительные возможности: оно, как я уже сказал, позволяет уменьшить количество ложных тревог, а значит, увеличить эффективность системы наблюдения в целом. Если одну и ту же задачу поставить перед старыми и новыми камерами – новые камеры будут выполнять эту работу лучше. Будет при этом ли требоваться два сервера – зависит от приложения.

– Другая проблема: если на сервере софт можно обновить в любой момент, когда выходит новая версия, то как быть с камерами?

– Прошивка или обновление программного обеспечения в камере настолько же легки, как и на сервере. Мы предоставляем инструменты для того, чтобы заказчик мог легко работать с обновлениями, с поддержкой парка камер, проводить инвентаризацию софта. У нас есть инструмент AXIS Device Manager, он позволяет понять, что именно имеется в сети пользователя, определить статус нового софта, при необходимости его загрузить – то есть делает всё для того, чтобы упрощает апдейты.

Насколько эта технология распространена сейчас? Каковы ее перспективы?

– В настоящее время мы только начинаем продвигать данную инновацию и ждем выхода поддерживающих ее партнерских разработок. Пока мы не готовы сказать, в какой продуктовой линейке появятся необходимые заказчикам приложения, отмечу только, что работы в данном направлении ведутся очень активно.

На самом деле эта технология разрабатывается уже много лет, но именно сейчас, когда у нас есть возможность реализовывать ее в новой версии чипсетов, в новой линейке камер, в хорошем качестве, – мы почувствовали готовность вывести такое решение на рынок. Мы не очень спешим, но нам крайне важно, чтобы то, что мы выводим на рынок, отвечало ожиданиям потребителя.

Поскольку такие системы решают проблему большого количества ложных срабатываний, с которыми все системы наблюдения сталкиваются в той или иной степени, я верю, что за детекцией классов объектов – большое будущее. Мы видим огромный интерес к подобным технологиям, работаем над ними постоянно. В дальнейшем, возможно, новые классы наших камер будут распознавать двери, животных или еще что-то.

– Есть ли у Axis конкуренты в направлении детекции классов объектов?

– Решения других вендоров – это в большинстве своем облачные приложения или приложения, работающие в единичных продуктах. Тот факт, что мы разрабатываем свой собственный чипсет, дает нам возможность реализовывать технологии видеоаналитики именно в том ключе, в котором нам это необходимо: у нас есть возможность оптимизировать обработку видео и добавлять функции аналитики, не ущемляя основную функцию камер – качественную передачу изображения.

Большое спасибо за беседу!

Автор: Андрей Блинов.

Тематики: Безопасность

Ключевые слова: видеонаблюдение, Axis