Видеоаналитика задумалась
Как искусственный интеллект помог эволюционировать IP-камерам
Оперативная аналитика данных непосредственно в периферийных устройствах, таких как IP-камеры видеонаблюдения, – не только выгодный, но порой единственный способ избавить серверы и каналы связи ИТ-инфраструктуры предприятия от избыточной нагрузки. Предотвращение задержек и сбоев в работе вычислительной экосистемы компании за счет локальной обработки данных в перспективе может стать ее ключевым конкурентным преимуществом. О том, как эволюционирует видеоаналитика, читателям RSpectr рассказал продакт-менеджер по видеорешениям компании Konica Minolta Business Solutions Russia Иван Котов.
СОВРЕМЕННАЯ ТЕРМИНОЛОГИЯ
Локальную цифровую технику с функцией анализа данных «на борту», до передачи информации на сервер, сегодня принято называть устройствами интернета вещей (Internet of Things, IoT) либо решениями для периферийных вычислений (Edge Computing).
Эти определения вполне применимы к IP-камерам со встроенной видеоаналитикой. Они собирают, обрабатывают и передают данные без участия человека – как другие устройства IoT. И в то же время максимально приближают вычислительные устройства и хранилища данных к источникам информации и потребителям – как любые средства Edge Computing.
По сути, это разные названия одной и той же сущности. Мы относим к периферийным вычислениям аналитику и обработку информации непосредственно «на борту» камеры, в то время как взаимодействие системы таких камер с центральным сервером обработки событий называют интернетом вещей.
Когда речь идет об IP-камере, передающей поток видео для последующей обработки на удаленном сервере, она выступает источником необработанных видеоданных. Таким образом, облачная видеоаналитика не подразумевает использование камеры для каких-либо вычислений на периферии.
ГДЕ И КОГДА ЭТО ВОСТРЕБОВАНО
Передача потоков видео на центральный сервер дает существенную нагрузку на сеть обмена данными. А интеллектуальная IP-камера передает в мониторинговый центр только полезную информацию – например, считанный номер транспорта, сигнал о движении, короткий клип или фотографию с изменениями. Даже самые современные кодеки для сжатия видеоданных не способны разгрузить каналы связи настолько же эффективно, как это делает вычислительная аналитика «на борту» камеры.
Впервые спрос на подобные решения появился еще на заре развития сотовой связи, когда каналы передачи были относительно слабыми.
Сегодня, когда трафик высококачественного видео составляет гигабайты, аналитика внутри камеры позволяет сократить его до мегабайтов или даже килобайтов данных
Современной IP-камере со встроенной видеоаналитикой также можно делегировать ряд дополнительных функций системы безопасности для реагирования на локальные события. Например, запрограммировать камеру, детектирующую движение, на запуск сигнала тревоги или сообщения о вторжении. Если встроенная аналитика умеет определять тип движущегося объекта, она, в зависимости от ситуации, сможет воспроизвести сообщение о запрете на въезд автомобилей, прохода пешеходов и при этом проигнорирует помехи вроде птиц и мелких животных.
Необходимо учитывать, что централизованная видеоаналитика напрямую зависит от работоспособности сервера и линий связи. Выход из строя любого компонента такой системы – серьезная авария. В то же время камера со встроенной видеоаналитикой при отсутствии связи с центром будет выполнять свои функции автономно и продолжит передавать данные сразу после устранения проблем.
Большинство современных камер со встроенной видеоаналитикой на основе искусственного интеллекта (ИИ) имеют гибкие настройки хранения данных, что обеспечивает сохранность важной информации даже при длительных сбоях.
БЕЗОПАСНОСТЬ ДАННЫХ
Видеоаналитику в камере можно разделить на два основных типа. Базовая аналитика – это детектирование движения с помощью программного блока обработки изображения. Его математические алгоритмы анализируют изменение пикселей в кадре. Минус – реагирование практически на любое движение, например, дуновение ветра.
Второй тип видеоаналитики – с использованием алгоритмов машинного обучения и глубокого обучения на базе ИИ – работает по-другому. Внутри камеры есть ПО, которое отвечает за подготовку и обработку изображения, и дополнительные программные модули AI Analytics с предварительно обученными нейронными сетями для распознавания номеров, лиц, детектирования дыма или других событий.
С самого начала развития интернета вещей вопросам безопасности, хранения и передачи данных в интеллектуальных IP-камерах уделялось особое внимание. Уже тогда многие производители начали выпускать оборудование с учетом специфики.
Сегодня камера со встроенной аналитикой – больше, чем устройство для получения и трансляции видео. По сути, это своеобразный мини-ПК с «глазами». Большинство таких камер сопровождаются сертификатами от специализированных лабораторий и органов. Они подтверждают прохождение тестов по защите от различных уязвимостей, поддержке надежного шифрования и создания защищенного канала связи.
Взломать современную камеру от многих европейских и российских брендов практически невозможно, для этого нужно хорошо понимать структуру ПО в устройстве. У оборудования некоторых производителей есть лазейка в виде опции сброса на начальные настройки, до заводского логина и пароля. Но если они недоступны, «откатить» не получится, и останется единственный путь – просить помощи у производителя.
РАСПРЕДЕЛЕННАЯ ПЛАТФОРМА ВИДЕОНАБЛЮДЕНИЯ И ВИДЕОАНАЛИТИКИ
Распределенная интеграционная платформа видеонаблюдения и видеоаналитики состоит из трех компонентов: конечных устройств – камер, с поддержкой базовой или ИИ-видеоаналитики; сети передачи данных, включающей кабельные структуры и коммутаторы; сервера со специализированным ПО, распознающим данные с конечных устройств.
Сервер консолидирует всю поступающую информацию, обеспечивает доступ к просмотру и живую трансляцию видео при необходимости.
Исторически видеоаналитика выполнялась на сервере, но камеры совершили качественный рывок и перестали значительно уступать компьютерам по вычислительным ресурсам. Сейчас появляется конечное оборудование с большими мощностями, а его стоимость постоянно снижается.
Современные системы видеонаблюдения уже не нуждаются в операторах, которые непрерывно отслеживают видеопоток на мониторе
В перспективе им и вовсе не потребуется участие людей, поскольку каждое событие будет встроено в последовательность других событий и действий.
Давайте рассмотрим примеры использований видеоаналитики. В сетевых магазинах умная камера может самостоятельно отслеживать длинные очереди и вызывать кассира, если требуется открыть еще одну кассу. В аэропорту видеооборудованию с аналитикой можно доверить управление потоками пассажиров на стойках регистрации. Анализ транспортных потоков на дорогах позволит изучать загруженность полос движения в разные дни, а на перекрестках – внедрить переключение с визуальным подтверждением заторов.
И это лишь малая часть сценариев использования периферийной видеоаналитики. Не исключено, что в обозримом будущем идеология построения такого рода систем масштабируется и на более крупные проекты. Так, если сейчас для системы «безопасный город» нужно, условно говоря, четыре-пять больших дата-центров для обработки миллионов видеопотоков, то через 15-20 лет для работы такой системы будет достаточно десятка стоек в одном из таких ЦОДов. И все потому, что там будет храниться лишь информация о событиях и архивы, поступившие с периферийных IP-камер.
ПЕРСПЕКТИВЫ ПЕРИФЕРИЙНОЙ ВИДЕОАНАЛИТИКИ
Сегодня видеоаналитику в IP-камерах можно смело назвать маленькой революцией, которая, как и любое новшество, тяжело воспринимается человеческим сознанием. Однако уже есть заказчики, понимающие выгоды и преимущества технологии, и их количество растет.
Развитие компонентной базы также не стоит на месте. Разработчики создают более мощные процессоры, которые сокращают разрыв в производительности между периферийными и базовыми системами. Рано или поздно появятся устройства, которые позволят запускать четыре-пять модулей аналитики на одной камере. Это позволит сократить количество конечных устройств и контролировать в зоне видимости одной камеры четыре-пять событий вместо двух, доступных сегодня.
Видеоаналитика активно развивается в сторону периферийных решений с критично малым временем отклика. Пока что она не всегда справляется с такими задачами. Одно из решений вопроса – производство промежуточных серверов, расположенных рядом с камерой. Возможно, это прообраз того, что станет новым ключевым направлением развития отрасли в ближайшем будущем.
