Видеокамеры наружного наблюдения

Видеокамеры наружного наблюдения на основе аналитики искусственного интеллекта (AI) - одно из последних технологических достижений в индустрии видеонаблюдения. Алгоритмы машинного обучения помогают мгновенно обнаруживать людей, а также такие объекты, как автомобили и многие другие. Давайте посмотрим, как видеоаналитика развивалась с годами, от аналитики первого поколения, такой как обнаружение движения (VMD), до простых задач видеоаналитики, а теперь и ИИ.

В начале 1990-х был представлен VMD, новый способ обнаружения изменения пикселей. Вместо того, чтобы заставлять кого-то постоянно следить за вашим видеонаблюдением и ждать, пока что-то не произойдет, VMD может сказать вам, когда произошло движение. Пользователи будут определять области, на которых они хотят сосредоточиться, и при обнаружении каких-либо изменений в указанной сцене они будут уведомлены.

Преимущества наружных камер

В то время как VMD считался переломным моментом, когда он был выпущен, со временем стало очевидно, что VMD в наружных камер видеонаблюденя, недостаточно умен, чтобы знать, действительно ли то, что движется, является объектом интереса. Например, если вы хотите контролировать бэкдор своего розничного магазина после 23:00, чтобы убедиться, что нет подозрительной активности, сигнал тревоги все равно сработает, если в обозначенной зоне пройдет животное или взорвется дерево. VMD основывалось на любом изменении пикселей в выбранной области видео, что приводило к ложным тревогам. Для пользователей VMD это привело к дополнительным расходам, поскольку им пришлось бы подтверждать тревогу, отправив сотрудников службы безопасности или полиции для расследования.

Простая видеоаналитика, построенная на основе VMD с наружными камерами, была представлена ​​около 2000 года и включала соотношение высоты и ширины, скорость объекта и повторяющееся движение. Использование алгоритмов и фильтрации того, что вызвало тревогу, помогло уменьшить количество ложных тревог по VMD. Но хотя это усовершенствование сработало в определенных средах, все еще существовала потребность в лучшем решении для отслеживания человека на протяжении всей сцены.

Ложные тревоги по-прежнему были обычным явлением, и потребность в разведке для распознавания и идентификации людей росла. В течение этого периода времени в отрасли происходили и другие изменения, и достижения в области CMOS-сенсоров дополнили аналитику, обеспечивая четкие изображения даже в условиях низкой освещенности и динамического освещения. Наружные камеры хорошо работали в сцене, где люди находились на белом фоне, но не так хорошо работала в сложных сценариях.