Отследить перемещение человека по всем камерам системы. Сравнение существующих технологий

Существует одна универсальная проблема, которая характерна для пользователей 7 из 10 видеосистем вне зависимости от типа объекта. Эта проблема отслеживания перемещения человека по разным камерам.

Представим, что какой-то человек (например, злоумышленник) попал в поле зрения камеры на 5 секунд, а потом он вышел из него. В непосредственной близости других камер не установлено. И оператору необходимо понять, куда этот злоумышленник пошел, где и под какой камерой появился в следующий раз.

Как это делают сейчас?

По отзывам реальных пользователей видеосистем сегодня эта задача является самой актуальной и распространенной. Чаще всего для ее решения операторы начинают вручную просматривать видеофрагменты с разных камер по одному и пытаются найти, где интересующий человек появился в следующий момент времени. Для ускорения процесса они могут использовать режим синхронного просмотра архива. Но в любом случае решать задачу “в лоб” – с помощью простого просмотра- утомительно, малоэффективно и времязатратно. Особенно когда на объекте установлено много камер, и они расположены на большом расстоянии друг от друга.

Существующие решения

На самом деле проблема отслеживания перемещения человека по всему объекту не нова, и разные команды-разработчики предлагают разные решения:

• трекинг на основе распознавания лиц;
• трекинг на основе определения направления движения объекта и предсказания следующей камеры, на которой объект появится;
• трекинг на основе технологий позиционирования носимых устройств (глобального позиционирования на основе GLONASS/GPS и систем позиционирования внутри помещений).

Каждое из этих решений работает! но только в узком ряде случаев. В рамках большинства существующих систем ни одно из них не может успешно применяться.

Наша компания задалась целью решить проблему отслеживания перемещения человека в рамках уже установленных, существующих видеосистем. Мы создали межкамерный трекинг, работа которого основывается на технологии индексирования по визуальным признакам человека (в нашем случае приметам одежды).

Как это работает?

Предположим, оператор увидел какого-то человека в поле зрения камеры и хочет его отследить. Система определяет визуальные признаки объекта и находит людей с теми же исходными приметами на соседних камерах в близкие моменты времени и выводит их оператору, отсортировав по степени соответствия. Оператору необходимо подтвердить, какие из выделенных объектов являются тем объектом, который он отслеживает.

Подтверждение результатов необходимо, так как совершенно разные люди, попавшие в поле зрения видеосистемы, могут иметь одни и те же приметы (носить одинаковую одежду). И такое подтверждение оператором на каждом шаге позволяет достичь 100%-ной (с точки зрения возможностей человека) точности.

В итоге поиск ускоряется иногда в 3, иногда в 10, иногда в 100 раз. Благодаря тому, что 99% объектов, которые не обладают нужными приметами и не появлялись в близкие моменты времени на близких камерах, отбрасывается, а остаются только похожие, которые появлялись на близких камерах в близкие моменты времени. В качестве результата работы межкамерного трекинга оператор получает видеоролик из фрагментов с разных камер в хронологическом порядке, а также траекторию перемещения человека на плане объекта.

Рассмотрим подробнее существующие подходы к отслеживанию перемещения человека и сравним их с межкамерным трекингом.

1. Трекинг на основе распознавания лиц

Эта технология может очень эффективно и очень точно работать. И в отличие от межкамерного трекинга она не требует участия человека (подтверждения результатов оператором). Но проблема в том, что распознавание лиц требует очень высокой детализации, и по нашим расчетам только 2% установленных камер такая детализация обеспечивается.

В отличие от трекинга на основе распознавания лиц, функция межкамерного трекинга по визуальным признакам не требует высокого разрешения изображения с IP-камер, а также не предъявляет специальных требований к размещению камер на объекте. Ее работа проходит при обычном качестве изображения, обеспечивающимся 85% фактически установленных на объектах камер.

2. Cистемы трекинга на основе определения направления движения и предсказания следующей камеры

Эта технология может быть успешно применена при соблюдении двух условий:

• небольшое количество объектов и низкая интенсивность их движения в поле зрения камер (если в сценах наблюдения будет много объектов, которые двигаются в разные стороны, то система не сможет точно определить, какие объекты друг с другом связывать);
• камеры установлены в непосредственной близости друг от друга (если камеры установлены далеко, например, на разных этажах, то вероятность точного срабатывания функции существенно уменьшается).
• В отличие от трекинга на основе определения направления движения и предсказания следующей камеры, функция межкамерного трекинга по визуальным признакам может использоваться в условиях высокой интенсивности движения и множества объектов в кадре, а также в условиях, когда камеры видеосистемы расположены далеко друг от друга (в т.ч. на разных этажах здания).

3. Системы трекинга на основе технологий позиционирования носимых устройств (глобального позиционирования на основе GLONASS/GPS и систем позиционирования внутри помещений).

Эта технология может работать достаточно точно, но при условии, что человек, за которым следят, носит с собой устройство, которое определяет его координаты и отправляет их в систему. Это может быть обычный мобильный телефон, тогда определение координат будет осуществляться по GPS, либо это может быть какая-то система внутренней навигации в помещении. Но принцип один: человек должен сотрудничать с системой. Если речь идет о злоумышленнике, то никаких своих данных он отдавать в систему не будет.

В отличие от систем трекинга на основе технологий позиционирования носимых устройств, функция межкамерного трекинга по визуальным признакам не требует наличие специальных средств у людей, за которыми осуществляется наблюдение.

В итоге технология межкамерного трекинга по визуальным признакам может работать в 85% случаев

• в текущих системах видеонаблюдения
• с текущем уровнем детализации
• с текущим качеством изображения.

Что внутри?

Реализация функции сопровождалась 8-летними научными исследованиями нашей компании. В основе межкамерного трекинга лежат 3 технологии:

• технология классификации объектов на основе машинного обучения. С ее помощью система определяет, что объект в кадре – человек.
• технология индексирования данных. С ее помощью каждый объект на видео получает индекс, которому соответствует определенный цвет и текстура.
• технология сравнения индексов с использованием нелинейного цветового пространства собственной разработки. Осуществляется сравнение цветовых соотношений, а не цветов. Цвета не инвариантны к изменяющимся условиям освещенности, но нам удалось выделить цветовые соотношения, которые обладают высокой степенью инвариантности к разным условиям освещенности.

Где и как использовать?

Сегодня межкамерный трекинг используется для:

1. Ускорения расследования происшествий, восстановления картины событий (в т.ч. восстановления траектории перемещения интересующего человека) от 5 до нескольких десятков раз.
2. Глубинного анализа поведения людей, например, посетителей в торговых центрах. И как следствие повышение эффективности работы торговых центров на основе выявления закономерностей перемещения покупателей.
3. Ускорения поиска “потерянного” из поля зрения человека в реальном времени и повышения скорости реакции на происшествие.

Функция уже используется на нескольких сотнях объектов. Актуальность решения задачи отслеживания перемещений людей в рамках всей системы видеонаблюдения и перспективность разработки подтверждают пользователи реальных видеосистем. Например, представители Краевого онкологического диспансера г. Перми отмечают, что перед ними остро стоит задача отслеживания перемещений посетителей диспансера, которая до появления межкамерного трекинга Macroscop решалась операторам системы вручную – рутинным и времязатратным способом.

Представитель красноярского промышленного предприятия ООО “Берег” отмечает: “Функция весьма облегчает наблюдение за перемещениями важных грузов по складской и погрузочно-разгрузочной зоне, а также наблюдение за “несанкционированными” посетителями (куда пошёл и где спрятался, куда направлять ГБР)”.

В результате отслеживание траектории перемещения человека в рамках всей видеосистемы может применяться и уже применяется не только для решения охранных задач, но и для оптимизации и повышения эффективности бизнес-процессов.

security-bridge.com