Взаимосвязь параметров видео и повышения возможностей видеоаналитики

Машинное обучение закладывает иные алгоритмы видеоаналитики, чем, если бы данные обрабатывали операторы-люди, и это меняет приоритеты в параметрах используемого изображения. Однако типичные атрибуты качества изображения остаются важными для достижения производительности видеоаналитики. Axis оптимизирует свой опыт достижения высокого качества изображения и удобства его использования не только человеком, но и алгоритмами видеоаналитики.

Как видеоаналитика влияет на разработку камер

Поначалу и долгое время после камеры видеонаблюдения использовались
с расчетом их использования человеком. Эта цель остается важной и сегодня, но в последние годы видеоаналитика становится все более важной функцией, влияющей на свойства камер наблюдения. В результате изменились приоритеты и в развитии технологий видеонаблюдения в целом.

Известно, что видеоаналитика может автоматически запускать оповещения в режиме реального времени, вести автоматическое обнаружение и отслеживание объектов, а также проводить идентификацию событий для поиска доказательств в ходе расследований. Помимо этого, аналитика может помочь организациям повысить операционную эффективность, а обзор данных, которые она предоставляет, может дать полезную информацию для оптимизации бизнес-процессов.

Однако качество аналитики зависит от качества видео. Это означает, что для полного использования преимуществ, включая точное и надежное обнаружение и классификацию объектов, решающее значение имеет оптимизация удобства использования видео для аналитики.

Какое видео оптимально для аналитики?

Поскольку высокое качество изображения является основой для точной видеоаналитики, оно подвержено воздействию различных факторов. Одним из наиболее важных является размытие изображения, вызванное движением объектов с высокой скоростью или при плохом освещении. Хотя размытие в движении может быть проблематичным для просмотра человеком, человек может добавить контекст, даже если детали частично потеряны. Это означает, что если объекты движутся очень быстро, зритель может распознать их и понять сцену, в то время как для аналитических технологий это может быть невозможно. Таким образом, для достижения хорошей производительности аналитики необходимо, чтобы камера могла свести к минимуму размытие движения.

Изображение с хорошей контрастностью и резкостью может улучшить производительность аналитики. Хотя алгоритмы аналитики обычно разрабатываются так, чтобы быть менее чувствительными к шуму изображения, камера с хорошими характеристиками при слабом освещении в темных сценах, а также с широким динамическим диапазоном с минимальными артефактами в сложных условиях освещения обеспечивает более точную аналитическую производительность.

Удобство использования изображения должно быть достигнуто как для аналитиков, так и для человека независимо от условий окружающей среды. Например, для того, чтобы справиться с сильным ветром, стабилизация изображения повышает точность видеоаналитики, сводя к минимуму эффект вибрации камеры. Рассмотрение физических параметров, таких как условия освещения и защита от непогоды, также оказывает значительное влияние на удобство использования изображения.

Основное отличие просмотра изображений человеком и аналитической обработки

Ключевым преимуществом аналитики является то, что она имеет более высокую способность обрабатывать большие объемы видео по сравнению с человеком. В результате этого она может обнаруживать действия и классифицировать объекты несопоставимо быстрее. В основу аналитики заложены технологиях компьютерного зрения, включая ИИ на основе глубокого машинного обучения (ML – Machine Learning), который анализирует изображения и видео совершенно иначе, чем люди.

Люди получают контекстуальное понимание видеопотока, и эта возможность позволяет нам легче интерпретировать и понимать изображения и видео, даже если они низкого качества или если объекты частично скрыты от поля зрения. Однако ограничения, связанные с просмотром человеком, означают, что оператор в то же время может отвлекаться на визуальные аспекты, такие как шум, который может повлиять на четкость просмотра.

Аналитика, с другой стороны, требует высокого качества изображения для точного обнаружения объектов и событий, но технология не так чувствительна к внешнему виду изображения.

Оптимизация использования изображений для аналитики и видеооператоров

Axis оптимизирует использование изображений для аналитики благодаря динамическому управлению камерой, в частности, оптимизируя такие параметры, как выдержка, усиление, шумоподавление, контрастность и резкость. Это позволяет камере автоматически подстраиваться под текущие условия с помощью обработки изображений. Оптимизация этих параметров изображения обеспечивает основу для производительности аналитики, на основе которой могут быть разработаны дополнительные аналитические возможности, как компанией Axis, так и ее технологическими партнерами.

В то же время, поскольку человеку почти всегда необходимо просматривать видео, будь то в режиме реального времени или последующем анализе, обеспечение высокого качества изображения для просмотра человеком также остается важным. Это означает, что параметры изображения также должны быть достаточно естественными, чтобы обеспечить четкость.

Разработав собственную SoC (систему на кристалле) камеры ARTPEC, компания Axis обладает знаниями и средствами для оптимизации обработки видео для обеспечения оптимального качества изображения и удобства использования как для аналитики, так и для просмотра человеком.

Перейти к списку статей