VSaaS 2025: технологии видеонаблюдения будущего +11


image

За последние 15 лет видеонаблюдение сильно изменилось. Мы перешли с аналоговых камер на цифровые, разрешение матриц значительно увеличилось, стала лучше автонастройка контрастности и освещенности. Камеры теперь настраиваются в облаке – там же легко хранить видео и запускать модули видеоаналитики.

Объём мирового рынка VSaaS растёт со скоростью 22% ежегодно и к 2022 году достигнет $6 млрд. Пропускная способность сети и затраты на трафик по-прежнему остаются барьером, но в ближайшие годы почти все системы перейдут на облачные решения. Причин у доминирования облаков несколько, но главное, что VSaaS — это намного больше, чем просто видеонаблюдение.

Многие в отрасли задаются вопросом, какие глобальные перемены ждут нас в ближайшие 5-7 лет. Скорее всего, привычные нам сейчас системы станут выглядеть иначе. Полагаясь на некоторые последние тренды, мы можем уже сейчас визуализировать картину VSaaS-решений ближайшего будущего.

Видеоаналитика и новые алгоритмы



Система видеонаблюдения, созданная китайской фирмой SenseTime

Неточность алгоритмов, большие требования к «железу», высокая стоимость и сложность конечного использования долгие годы сдерживали развитие аналитических модулей. Обучение нейросетей тормозилось качеством самого видео. Дошло до того, что некоторые компании нанимали актеров для съемки обучающих роликов с постановкой противоправных действий.

Новые методы глубокого обучения позволили нам анализировать видеоданные быстрее и дешевле, чем когда-либо прежде. Видеоаналитика стала доступной и в домашних камерах, и для бизнеса. Сервис Ivideon, например, предлагает систему распознавания лиц для бизнеса по цене от 1700 рублей за камеру.


Источник

Распознавание лиц – это только начало. Мы уже видим первые результаты объединения слабого (пока еще) искусственного интеллекта с системами видеонаблюдения. В проекте IC Realtime Ella ИИ используется для анализа видеопотока и мгновенного поиска. Ella может распознавать сотни тысяч запросов на естественном языке, позволяя пользователям искать кадры с указанными объектами: животных, людей в одежде определенного цвета или даже отдельные марки автомобилей.

image

В статье «Глаз в небе» исследователи описывают систему, в которой видеоданные с квадрокоптера анализируются нейросетью, обученной с использованием глубокого обучения оценивать позы людей и сопоставлять их с позами, которые исследователи обозначили как «насильственные». В проект включили пять поз: удушение, удары руками и ногами, стрельба и удары ножом. Ученые надеются, что «глаз в небе» будет использоваться для выявления преступлений в общественных местах и на крупных мероприятиях.

Хотя методы глубокого обучения помогли определять человека в потоке видео, пока сложно сделать шаг к «идеальным» алгоритмам. Поэтому системы, выявляющие преступников, так несовершенны. Машине сложно понять, кто перед ней, преступник или доброжелательный человек, который просто решил обнять друга. На данный момент система работает с точностью 94 % в определении «насильственных» поз, но чем больше людей появляется в кадре, тем ниже этот показатель – точность снизилась до 79 % при одновременном анализе действий 10 человек.

Темпы технического прогресса не оставляют места для сомнений – к 2025 году точность приблизится к 100 % на любом количестве людей в толпе. Возможности по распознаванию противоправных действий снизят количество специального персонала (полиции, охранников), тем самым значительно нивелируя человеческий фактор применительно к контролю сложных общественных ситуаций.

image

Алгоритмы также помогают совершенствовать работу даже устаревшего «железа». Команда ученых представила алгоритм «вычислительной перископии», который позволяет любой IP-камере в прямом смысле «заглянуть за угол». В основе алгоритма лежит анализ теней объекта, отброшенных на любую поверхность.

Для получения изображения объекта, находящегося за углом, алгоритму требуется изображение поверхности, на которую падает тень от объекта. На данный момент для «вычисления» изображения «из-за угла», потребуется лишь обычный компьютер, который сделает все необходимые расчеты не более чем за 48 секунд. Компьютеры более высокой мощности справятся с этой задачей ещё быстрее.

Доступ для различных устройств



Поворотная скоростная камера Nobelic 4225Z-ASD с 25-кратным зумом. Одна из самых «мощных» камер в магазине Ivideon

VSaaS открывает доступ к изображениям с камер и информационным уведомлениям с компьютеров и с мобильных устройств, но самое главное – объединяет разные виды оборудования. Вы можете подключить к облаку IP-камеры, старые аналоговые камеры, тепловые камеры, всевозможные датчики. Камеры при этом располагаются стационарно, на борту кораблей, в грузовиках, даже на дронах.

В то время как многие производители пытаются сделать свои камеры «более умными», VSaaS-решения позволяют «модернизировать» любые существующие камеры, для которых требуется только подключение к Интернету. Именно поэтому мы эффективно помогаем модернизировать любой объект для наблюдения. Владелец бизнеса не тратит огромные деньги на создании системы с нуля. Старые аналоговые камеры работают в связке с самым совершенным на сегодняшний день оборудованием – 4К-камерами.

Производители камер только недавно начали продавать устройства с поддержкой 4K. Не в последнюю очередь потому, что хранить видео такого разрешения трудно. К счастью, в облачном сервисе ограничение ставится на глубину архива по времени, а не в терабайтах.

С появлением 4K-видеонаблюдения можно экономить на самом оборудовании – одна камера высокой четкости способна заменить несколько обычных камер. UHD также открывает больше возможностей для зума, технологий распознавания лиц и номерных знаков. 4K-качество и другие форматы обработки видео, такие как H.265, по-видимому, будут следующим шагом в отрасли.


Выше мы упоминали алгоритм, который помогает камере буквально видеть, что происходит за углом. Ученые из Шотландии решили эту задачу на уровне «железа». Система представляет собой набор из двух приборов – «фотонной пушки», которой ученые обстреливали пол и стену, расположенные на противоположной стороне от угла, и специальной светочувствительной матрицы на базе лавинных фотодиодов, распознающих даже одиночные фотоны и преобразующие свет в электрический сигнал за счет фотоэффекта.

Фотоны из луча пушки, отражаясь от поверхности стены и пола, сталкиваются и отражаются от поверхности всех предметов, которые находятся за стеной. Часть из них попадает в детектор, отразившись еще раз от стены, что позволяет, опираясь на время движения луча, определять положение, форму и вид того, что прячется за углом.

Это решение еще на шаг приближает нас к будущему, в котором камеры станут по-настоящему всевидящими.

Масштабируемость


image
Один из пунктов контроля Santa Anita Park, США

Добавление большего количества камер увеличивает количество собираемых видеоданных, но приводит к уменьшению полезной информации. Другими словами, подавляющее большинство записанных видеоданных никогда не просматривается. Это не из-за отсутствия интересного контента – скорее, из-за постепенного снижения концентрации внимания человека.

В будущем люди перестанут постоянно смотреть в монитор. Облачные системы начнут полностью контролировать сами себя. Люди будут получать только информацию, которая действительно имеет для них значение. С точки зрения обслуживания система с 10 тыс. камер перестанет отличаться от системы из 10 распределенных камер.

Уже сейчас облачные сервисы видеонаблюдения позволяют строить распределенные системы с любым количеством подключенных объектов и оборудования, при этом все трансляции с удаленных объектов представлены в едином личном кабинете. Пользователь может через облако распределять права доступа к сотням камерам одновременно, менять настройки, обращаться к архиву и подключать модули видеоаналитики.

image
Автономный робот с камерой видеонаблюдения Knightscope, способный распознавать номерные знаки, а также идентифицировать смартфоны по MAC и IP-адресам

Пожалуй, единственным моментом, который сложно поддается оптимизации, остается монтаж систем, но и здесь есть место для прогресса. Благодаря достижениям в области беспроводной передачи данных, камерам сегодня не нужны физические сетевые подключения. Тем не менее, камеры по-прежнему нуждаются в питании.

Существующие решения с автономными источниками питания (например, солнечные батареи) для действительно беспроводных систем широко не применяются, и у них все еще есть свои ограничения – стоимость, размер и, в конечном счете, зависимость от самого Солнца.

Сегодня создается технология питания через Wi-Fi и другие беспроводные решения – в будущем появятся полностью беспроводные камеры. И не будем забывать про роботов – команды автономных устройств могут действовать как единое целое. Эти группы со множеством камер могут использоваться для наблюдения и сбора информации, а также на опасных работах, где присутствие человека нежелательно.

Роботами могут быть беспилотники, автономные наземные машины или даже гуманоидные устройства, идущие сквозь толпу. Если у вас есть роботы, которые взаимодействуют между собой, вы можете ставить перед ними любую задачу: наблюдение, мониторинг безопасности, информирование о ситуации.



Рынок видеонаблюдения VSaaS продолжать демонстрировать уверенный рост во всем мире. Технологии облачного видеонаблюдения оказались чрезвычайно важными, особенно для мониторинга безопасности и сокращения издержек бизнеса. Поэтому в «облака» инвестируют все – от малого бизнеса до правительства – чтобы дать импульс развитию современных устройств видеонаблюдения. Привлечение инвестиций к критически важной инфраструктуре заложило фундамент нового мира, в котором одни могут увидеть «угрозы тотального контроля» по «китайской» модели, а другие – уникальные возможности для реализации сложных, захватывающих проектов.




К сожалению, не доступен сервер mySQL