Автоматизированный анализ поведения целей — будущее систем CCTV

20.01.2011

Современные системы видеонаблюдения трудно представить без функций интеллектуального анализа видеоизображения. Количество видеокамер, используемых в таких системах, растет значительно быстрее числа операторов, наблюдающих за этими камерами. В то же время из года в год вычислительные возможности компьютерной техники стремительно увеличиваются, что позволяет развивать математические алгоритмы анализа поведения объектов и все больше разгружать операторов.

Рассмотрим основные типы объектов наблюдения в системах охранного телевидения:
• человек;
• группа людей;
• легковой автомобиль;
• грузовой автомобиль;
• животное.

Эти объекты принципиально отличаются друг от друга: человек больше в высоту, чем в ширину, что отличает его от коровы или собаки, в то же время корова меньше автомобиля... Даже очень плотная группа людей при движении значительно меняет форму, что позволяет легко отличить ее от автомобиля. С помощью нейросетевых алгоритмов систему видеонаблюдения можно обучить различать объекты. Для этого необходимо показать ей несколько сотен объектов разных типов, и в дальнейшем она сама сможет правильно классифицировать их.

Виды оборудования для регистрации объектов
Одним из классических способов регистрации объектов является использование радиолокационных станций (РЛС). Данный метод практически идеален для регистрации целей типа «самолет», но мало подходит для наземных целей: во-первых, из-за дороговизны, во-вторых, по причине наличия вредного для человека излучения в СВЧ-диапазоне, в-третьих, из-за сложности анализа цели по всем критериям кроме скорости и направления движения. Классификация целей при помощи РЛС достаточно субъективна.

Второй классический способ — применение датчиков движения с инфракрасным, радиоволновым или каким-либо иным принципом действия. Этот способ привлекает своей дешевизной, но позволяет получить еще меньше информации, практически только о появлении цели.

Третий способ — использование видеокамер для анализа поведения целей — лишен практически всех недостатков, присущих двум предыдущим. В систему поступает информация о типе цели, ее скорости, направлении движения, при этом видеокамеры относительно дешевы. Имеется возможность анализа траектории движения цели. Из минусов можно отметить необходимость дополнительного освещения (что может быть компенсировано применением тепловизионной камеры), а также относительно небольшую дальность детекции.

Рассмотрим использование видеокамер для анализа поведения целей подробнее. Для наиболее эффективного анализа скорости и траектории движения объекта видеокамеру необходимо устанавливать на максимальной высоте относительно сцены. При этом система имеет достаточно возможностей для классификации целей. При установке видеокамеры с широкоугольным объективом на крыше многоэтажного здания имеется возможность анализировать поведение целей на территории целого квартала. Но как быть, если в то же время необходимо анализировать поведение цели типа «человек», факторами для анализа которой являются положение рук, одежда и т. д.

Для решения этой задачи предлагается использовать две видеокамеры — стационарную, обеспечивающую общий план сцены, и поворотную, наводящуюся по ID (идентификационному номеру) интересующего объекта. Таким образом решаются задачи как анализа скорости и траектории движения цели в общей массе, так и анализа поведения отдельно взятого объекта.

Поворотные видеокамеры для анализа поведения объекта намного предпочтительнее стационарных. Использование объектива с оптическим трансфокатором позволяет детально рассмотреть любой интересующий объект без потери качества изображения. Здесь необходимо отметить, что видеоизображение должно транслироваться с максимальным качеством. Разрешение видеокадра и количество кадров в секунду имеют первоочередное значение.

Методы повышения вероятности правильного определения типа цели
Немаловажной задачей является повышение вероятности правильного определения типа цели. Например, если преступник крадется на четвереньках, система может легко принять его за животное. Человек с большим рюкзаком может издалека выглядеть как двое людей. Для повышения точности классификации целей разумно применять анализ не одного кадра, а видеофрагмента. Если цель типа «человек» неожиданно преобразилась в цель типа «животное», то велика вероятность, что данный объект встал на четвереньки и однозначно должен представлять интерес для охраны. По скорости и направлению движения объекта можно сразу отсечь ряд типов: человек не может двигаться со скоростью автомобиля и по обычным для последнего траекториям.

Таким образом, система, анализирующая поведение объектов, должна уметь распознавать цели, применяя математические методы повышения вероятности классификации.

Рис. 1. Стилсофт.JPGРис. 2. Стилсофт.JPG

Анализ поведения целей
Классификация целей по их скорости. Скорость — одно из основных свойств объекта, по которому его можно эффективно классифицировать. Автомобиль движется значительно быстрее человека, человек обычно движется медленнее животного. Конечно, используя только это свойство, нельзя однозначно классифицировать объект, но в комплексе с другими методами можно значительно повысить вероятность классификации.

Классификация объектов по траектории перемещения. Траектория движения может очень многое сказать системе об объекте. Автомобиль всегда движется почти прямолинейно и крайне редко кардинально меняет траекторию, в то время как траектория человека и животного обычно изменяется. Направляясь из пункта А в пункт Б, живое существо движется не по прямой, а обходит небольшие препятствия, выбирая более удобный путь.

Классификация целей по групповому поведению. При движении целей в группе определенную информацию можно получить, анализируя их траектории совместно. Если человек движется против потока толпы — стоит обратить на него пристальное внимание, также нельзя игнорировать увеличение численности отдельных групп людей на городской площади.

Построение моделей потенциально опасного поведения целей
Конечной целью любого анализа является своевременная подача сигнала тревоги. Ряд тревожных сигналов лежит на поверхности, получить их достаточно просто:

Задание запрещенных типов целей. В определенных случаях само появление цели определенного типа — тревожное событие. Например, автомобиль на пешеходной улице или стая собак в центре города.

Задание запрещенных траекторий движения для определенных типов целей. Классический пример задания запрещенных траекторий движения объекта — автомобильный перекресток. Поворот под запрещающий знак с одной стороны улицы является нарушением ПДД, в то же время поворот в том же направлении с другой стороны улицы разрешен. Следовательно, тревожное событие должно регистрироваться только при движении по определенной траектории. Также примером может служить попытка человека перейти дорогу в неположенном месте.

Задание запрещений на групповое поведение целей. При концентрации целей типа «человек» на небольшой площади разумно предположить, что там произошло что-то из ряда вон выходящее и требующее пристального внимания оператора системы видеонаблюдения.

Эвристический анализ поведения целей
Мы рассмотрели анализ поведения целей при решении задачи «в лоб» — задании предопределенных типов целей, а также моделей их поведения. А как быть, если цель неизвестна? Привлечет ли внимание рассмотренной выше системы НЛО, совершивший посадку в центре перекрестка? Маловероятно. Если, конечно, он не пролетит под запрещающий дорожный знак. Как отреагирует система на слона, идущего в потоке автомобилей, — примет за медленно движущийся автобус?

Для того чтобы система видеонаблюдения могла распознать подобные объекты, ее необходимо обучить эвристическому анализу. То есть дать ей возможность накапливать информацию об объектах, особенностях их поведения, анализировать объекты в совокупности всех свойств. Тогда появление объекта со свойствами, выходящими за обычные рамки, вызовет сработку системы — сигнал тревоги. Кстати, по такому принципу функционирует и мозг человека. Для него проезд двух разных автомобилей — явление одного порядка: мозг осуществляет классификацию автоматически на основе ассоциативных связей.

Рассмотрим возможные нестандартные ситуации, на которые должна реагировать система.

Цель движется по необычной траектории. Машины на шоссе едут по своим полосам. Траектория движения автомобилей никогда не выходит за разделительную полосу в середине дороги. Движение по траектории, выходящей за разделительную полосу, маловероятно, так как это нарушение правил дорожного движения и должно обращать на себя внимание оператора. При повороте под запрещающий знак важно учитывать уже не только траекторию, но и тип объекта. Поворот легкового автомобиля может быть запрещен; в то же время поворот общественного транспорта разрешен при движении по полосе, выделенной для общественного транспорта. Сам факт определения полосы для общественного транспорта тоже может быть получен путем эвристического анализа. Если автомобиль типа «легковая машина» никогда не поворачивает направо и в то же время туда постоянно поворачивает объект типов «микроавтобус» и «автобус», значит, это полоса для общественного транспорта.

То же самое можно сказать о скорости. Нет необходимости знать максимально допустимую скорость на данном отрезке дороги. Если какой-то автомобиль выбивается из общей массы более чем на 15 %, то он наверняка нарушает скоростной режим.

Эвристический анализ траектории движения человека также может быть чрезвычайно полезен. Люди обычно ходят по определенным маршрутам. Появляясь в кадре с одной стороны, пересекают его по сложной траектории и в итоге пропадаю из поля зрения. Значительное превышение среднего времени, в течение которого человек обычно пересекает сцену, может быть использовано для выявления праздношатающихся людей, ожидающих чего-то или кого-то, что однозначно должно расцениваться как событие, требующее пристального внимания оператора.

Эвристический анализ поведения цели при получении изображения крупным планом. Данный вид анализа возможен при использовании совместно двух видеокамер — статической, дающей общий план сцены, и поворотной, транслирующей изображение объекта крупным планом.

Рассмотрим анализ цели типа «человек» как представляющей наибольшую потенциальную опасность из-за своей непредсказуемости. Человек может достать оружие, быстро переместиться в опасную близость от объекта охраны и т. д.

Основным способом выявления потенциально опасных людей является распознавание лиц. Данная технология предполагает создание базы данных лиц террористов и поиск их на всех видеокамерах, установленных в системе. Одним из факторов обнаружения потенциально опасного лица является, как ни странно, невозможность нахождения лица в видеоизображении. Если система не может определить лицо в цели типа «человек», значит, он прячет глаза за темными очками, низко надвинул шляпу или постоянно отворачивается от видеокамер. Следовательно, на него стоит обратить пристальное внимание.

Руки человека могут дать системе много информации. Например, настроив ее на поиск поднятых рук, можно автоматически подать сигнал тревоги при вооруженном нападении на банк. Кассиру достаточно поднять руки вверх в ответ на требование бандитов, и система автоматически подаст сигнал тревоги. Отставленные руки, согнутые в локтях, могут сказать системе о том, что под одеждой человека, возможно, спрятано оружие, например обрез или пистолет, и на него стоит обратить пристальное внимание.

Система, способная анализировать поведение целей, должна уметь автоматически накапливать новые типы объектов и предоставлять их оператору для классификации. При достаточно большой базе данных сам факт появления цели нового типа может служить тревожным событием.

Конечно, на данный момент на рынке не так много систем, осуществляющих подобный анализ поведения целей, но я уверен, что в самом недалеком будущем эти системы полностью вытеснят решения, не умеющие ничего, кроме сохранения видеоинформации.

Лечение детской болезни сигнализаций практика Представители охранных предприятий часто сталкиваются с проблемой выведения из строя датчиков движения, в том числе осознанного. Их заклеивают жвачкой, закрашивают краской, заслоняют мебелью, рекламными плакатами и т. д. К сожалению, даже самые навороченные сигнализации, способные следить за тысячами разных функций, не в состоянии проконтролировать работоспособность простых ИК-датчиков. А ведь если не работает датчик — не работает вся сигнализация. «СпецЛаб» предлагает эффективное средство для контроля работоспособности ИК-датчиков. Датчик движения в комнатах охраняемых объектов часто расположен напротив окна, а камера, наоборот, со стороны окна, чтобы исключить засветку и контролировать входную дверь. Достаточно выделить зону датчика в кадре видеосистемы и отслеживать его сработку каждый раз, когда появляется видеодетекция. Есть движение в кадре — зона датчика должна отреагировать, если условие не выполняется — сообщить о неисправности. Данный алгоритм легко создается с помощью видеоаналитики «Внимание!» и логического языка безопасности SL++. В закладке «Опасная зона» закрашиваем контур ИК-датчика. Задаем условие: в период обнаружения движения должен пройти сигнал сработки закрашенной зоны. Если он не проходит, задаем параметры оповещения. Естественно, закладываем погрешность по видеодетекции, например как минимум 5 кадров в течение 3-х секунд. Таким образом, отстранимся от случайных помех (хотя внутри помещения они маловероятны) и не пропустим реальное движение человека. Эта логика всегда будет проверять реакцию ИК-датчика на движение в комнате. При первой же попытке пройти мимо него после выхода из строя (по любым причинам) произойдет оповещение заданного лица.

Автор:  Юрий Стоянов

Возврат к списку







Цены на кованые изделия
Шашки, сабли, дуэльные гарнитуры, изделия из золоченой бронзы
bogdanoff.market
Установка сигнализации на авто в подольске
Установка оборудования безопасности. Продажа и установка каминов
bibikavip.ru