Obecnie system dozoru wizyjnego znacznie wykracza poza oferowanie możliwości obejrzenia zdarzenia po jego wystąpieniu. Nowoczesne systemy mają szereg dodatkowych zastosowań w ochronie i kontroli obserwowanego obszaru. Mowa tu m.in. o detekcji przekroczenia linii, czy pozostawionego przedmiotu (np. niezidentyfikowanego bagażu). Dzięki rozwojowi technologii i połączeniu systemu dozoru wizyjnego z innymi systemami bezpieczeństwa obiektu, znacząco rośnie poziom jego ochrony.
W systemach monitoringu wizyjnego dużą rolę odgrywa obecnie przeniesienie globalnej mocy obliczeniowej na krawędź sieci (do urządzeń brzegowych). A zatem to same kamery - korzystając z uczenia maszynowego i uczenia głębokiego z wykorzystaniem sieci neuronowych - posiadły teraz umiejętność analizy obrazu i komunikacji między sobą oraz pozostałymi urządzeniami działającymi w ramach Internetu Rzeczy. Takie rozwiązania znajdują zastosowanie zarówno w smart city, jak i w przemyśle, czy infrastrukturze krytycznej.
Podstawowe parametry
Można założyć, że skokiem na głęboką wodę, w zakresie dozoru wizyjnego było już zastosowanie w systemach telewizji przemysłowej kamer kolorowych. Owszem, bez wątpienia ma to wpływ na większą rozpoznawalność obiektów i lepszą szczegółowość. W typowych systemach CCTV kamery kolorowe zwykle nie posiadają funkcji obserwacji w podczerwieni, a zatem nie nadają się do pracy w nocy i przy złych warunkach pogodowych. Dlatego warto postawić na sprzęt, posiadający możliwość przełączania się po zmierzchu na tryb czarno-biały, który okazuje się lepszy w warunkach słabego oświetlenia.
Dla otrzymania obrazu o dobrej widoczności, przy wyborze kamery istotne jest zwrócenie uwagi na takie jej parametry, jak czułość, rozdzielczość oraz możliwość pracy w trybie dualnym (a zatem zarówno w kolorze, jak i w trybie biało-czarnym).
Czułość (określona w luxach) powinna być jak najniższa, natomiast rozdzielczość jak najwyższa. Ten ostatni parametr dotyczy w równej mierze kamery, jak i rejestratora. W przypadku przetworników cyfrowych rozdzielczość przedstawiana jest w pikselach, a w analogowych - w ilościach linii.
Rosnąca dostępność technologii termowizyjnej również nie pozostała bez wpływu na systemy ochrony obwodowej. Choć jeszcze nie powszechne, ale już coraz szersze zastosowanie znajdują kamery termowizyjne (inaczej termograficzne), które - jeśli są wyposażone w narzędzia do analizy wideo - mogą zapewnić skuteczny dozór i monitoring w każdych warunkach oświetleniowych i pogodowych. Czujniki termowizyjne posiadają znacznie lepszy parametr kontrastu, niż kamera na światło widzialne. Tworzą one obraz przy użyciu promieniowania podczerwonego emitowanego przez pojazdy czy ludzi. Następnie za pomocą analizy obrazu dokonują rozróżnienia pomiędzy obiektami uprawnionymi a intruzami.
Nie można jednoznacznie stwierdzić, że kamery termowizyjne są lepsze od kamer na światło widzialne, lub odwrotnie. Pierwsze z wymienionych są w stanie wykrywać obiekty z dużej odległości, jednak kamery tradycyjne odwzorowują więcej szczegółów. Często łączy się obie technologie. Wtedy kamera termowizyjna odpowiada za detekcję i alarmy, a kamera na światło widzialne pozwala uzyskać większą szczegółowość, która jest przydatna jako materiał dowodowy lub w trakcie śledzenia celu.
Systemy rozproszone i scentralizowane
Kamery działające w systemach dozoru wizyjnego można współcześnie wyposażyć w różnego rodzaju aplikacje oraz czujniki. Dzięki nim mogą analizować i weryfikować informacje otrzymane z innych systemów, a także skutecznie łączyć obrazy i komunikaty dźwiękowe.
Obecnie systemy dozoru wizyjnego oparte są o architekturę rozproszoną. Zastosowane w nich urządzenia brzegowe (w tym kamery sieciowe), są w stanie samodzielnie przetwarzać zarejestrowany obraz pod kątem zawartych na nim informacji. Przefiltrowane, najważniejsze fragmenty wysyłają następnie do dalszej analizy. Pozwala to na zminimalizowanie obciążeń sieci, a tym samym - wymagań dotyczących przepustowości łącza.
Inaczej jest w architekturze scentralizowanej. Tam serwery obsługują tylko kilka strumieni wizyjnych, gdy tymczasem w rozproszeniu mogą ich być setki. Jest to możliwe do uzyskania właśnie dlatego, że część analizy realizowana jest już w samych kamerach.
Co istotne, w takim systemie można wdrożyć aplikacje pochodzące od wielu producentów. Rozproszenie pozwala też na skuteczniejszą ochronę nagrań przed nieuprawnionym odczytem.
Głębokie uczenie w dozorze wizyjnym
Funkcja analizy obrazu realizowana jest dzięki tzw. deep learning. Mówiąc o głębokim uczeniu, mamy tu na myśli uczenie się przez urządzenia wykonywania zadań w podobny sposób, w jaki wykonaliby je ludzie. Są one zatem szkolone w zakresie rozpoznawania mowy, klasyfikowania obrazów, czy wykrywania obiektów. W niektórych przypadkach potrafią one nawet samodzielnie opisać zawartość obrazu.
Oczywiście takie możliwości są nieocenione w przypadku zadania, jakim jest zapewnienie bezpieczeństwa. Pozwalają bowiem m.in. na wykrywanie twarzy, odczyt tablicy rejestracyjnej a nawet analizę i ocenę zachowań, wykraczających poza określone normy. Ta dziedzina jest ciągle rozwijana o nowe algorytmy, czemu sprzyja sam deep learning. Droga ta prowadzi w stronę znacznego zwiększenia skuteczności działania systemów bezpieczeństwa, za sprawą automatyzacji procesów decyzyjnych. Choć umiejętność analizy przeprowadzonej przez człowieka nadal przewyższa tę maszynową, sama maszyna „wygrywa” w konkurencji spostrzegawczości, zwłaszcza, że nie ma na nią wpływu zmęczenie, czy inne kwestie przeszkadzające ludziom.
Kamery VCA
Video Content Analysis, czyli kamery VCA są przykładem urządzeń, które są w stanie wykonać analizę zawartości obrazu, rzecz jasna, według wcześniej określonych kryteriów. Jeśli zinterpretują zdarzenie jako potencjalnie niebezpieczne, uruchamiają alarm lub przesyłają dalej komunikat o zagrożeniu. Niektóre kamery wysyłają od razu powiadomienie do firm ochroniarskich bądź innych służb odpowiedzialnych za ochronę obiektu. Co istotne, z całości nagrania bądź obserwacji przesyłają jedynie ten wycinek, który zawiera zdarzenie odbiegające od zadanej normy.
Za dużą szybkość generowania takich metadanych odpowiada technologia zwana deep learning processing unit (DLPU). To ona pozwala na błyskawiczne wyszukanie informacji w kamerach będących urządzeniami końcowymi, co więcej, przy użyciu mniejszej mocy obliczeniowej.
Zastosowanie znajduje także analiza przeprowadzona pod względem typu obiektów, takich jak człowiek, samochód czy rower, znajdujących się w polu obserwacji kamery. To rozwiązanie zmniejsza ilość fałszywych alarmów inicjowanych np. przez zwierzę, które przekracza pewną zdefiniowaną linię. Funkcja ta jest przydatna także wtedy, gdy w miejscu pracy urządzeń niebezpiecznych pojawi się człowiek. W ten sposób zarządca systemu otrzymuje informacje jedynie o tych zdarzeniach, które rzeczywiście wymagają jego interwencji.
Dozór wizyjny w przestrzeni miejskiej
Monitoring miejskich ulic i obiektów jest obecnie jednym ze skuteczniejszych narzędzi zapewnienia bezpieczeństwa. Przekłada się to zarówno na większą wykrywalność sprawców przestępstw, jak i na regulowanie typowych codziennych sytuacji, w tym zdarzeń drogowych. Kamera może np. zliczać ilość przekroczeń pewnej zdefiniowanej linii, osobno dla konkretnego typu obiektu (w tym człowieka, samochodu, zwierzęcia itp.), co więcej - jest w stanie w oparciu o te obserwacje przygotować statystyki. W niektórych przypadkach, gdy widoczna jest tylko część obiektu, na przykład tylny zderzak samochodu, system analityczny i tak go rozpozna i zidentyfikuje. Tak zaawansowany system sprawdza się także np. w przypadku jazdy pod prąd, a nawet wtedy, gdy na monitorowanym obszarze dojdzie do bójki czy omdlenia. W tych sytuacja kamera zainicjuje alarm wizualny i dźwiękowy.
Zwykle zaawansowane kamery są w stanie jednocześnie monitorować 32 różne obiekty. Gdy jest ich więcej, w pierwszej kolejności kamera „zobaczy” ludzi, a dopiero później inne obiekty. Daje to gwarancję zabezpieczenia tego co najcenniejsze - ludzkiego życia, nawet w bardzo zmiennej i dynamicznej przestrzeni miejskiej. Ten algorytm klasyfikacji powoduje brak konieczności nadwymiarowej rozbudowy systemu urządzeń rejestrujących.
Współcześnie przesył danych z systemu dozoru wizyjnego następuje najczęściej za pośrednictwem sieci bezprzewodowej. Stąd konieczność wyposażenia systemu w router z obsługą sieci 4G, z możliwością przełączenia sieci GSM na WiFi.
Jak pokazuje praktyka, dobrym rozwiązaniem jest wyposażenie systemu zdalnego zarządzania w harmonogram pobieranych nagrań, i co za tym idzie, możliwość programowania kolejnych zgrań obrazów z dysków.
Podsumowanie
Największy wpływ technologiczny na systemy dozoru wizyjnego ma bez wątpienia głębokie nauczanie. Stanowi ono krok milowy, zarówno w zabezpieczeniach stosowanych w przemyśle, jak i w miastach czy budynkach użyteczności publicznej. Od rozpoznawania twarzy czy odczytywania tablic rejestracyjnych, po ocenę zachowania - każdy z tych aspektów ma niebagatelny wpływ na bezpieczeństwo.
Sztuczna inteligencja integruje się przy tym z bardziej tradycyjnymi technologiami, co oczywiście, pozwala na optymalizację kosztów inwestycyjnych. Trend w kierunku wykorzystania narzędzi machine learning i deep lerning jest jednak z pewnością nieodwracalny. Widać to zwłaszcza współcześnie, w czasach pandemii, gdzie kamery wyposażone w zdolność identyfikacji obiektów są w stanie wykryć osoby nie zachowujące dystansu społecznego lub zliczyć grupę ludzi, oceniając czy nie przekracza ona założonych w danym miejscu norm, a nawet - w przypadku kamer termowizyjnych - wytypować osoby posiadające podwyższoną temperaturę.
Warto również zwrócić uwagę na fakt, że skoro nowoczesne układy scalone są coraz mniejsze i działają coraz szybciej, kamery mogą zawierać procesory graficzne, które umożliwiają przetwarzanie równoległe oraz otwierają nowe możliwości w obszarze analiz i innych zastosowań. Stało się to przepustką dla programistów do opracowania nowych, brzegowych wersji dotychczasowych sprawdzonych aplikacji analitycznych dedykowanych serwerom. Jest to motorem napędowym dla wzrostu zapotrzebowania na coraz to nowocześniejsze i bardziej inteligentne kamery, których praca znacznie wykracza poza zadania związane z zapewnieniem bezpieczeństwa i dozorem wizyjnym.
Damian Żabicki
Dziennikarz, analityk specjalizujący się w tematyce technicznej i przemysłowej