Видеоаналитика автоматизирует четыре классических функции средств охраны: обнаружение, слежение, распознавание и прогнозирование. Можно возразить, что порядок немного другой — слежение после распознавания — но на практике точное распознавание происходит после слежения за объектом в течение периода времени с целью накопления данных об объекте.
Как правило, все четыре функции выполняются многократно, обеспечивая непрерывное уточнение гипотез о количестве, местоположении и типа объектов в контролируемой зоне, а так же устранение избыточности в результатах.
Рассмотрим, например, периметральную видеоаналитику. С одной стороны, ее главная задача – лишь первичное обнаружение нарушителя периметра. С другой стороны, хорошая «периметралка», то есть видеоаналитика для стериальной зоны, выполняет все четыре функции: непосредственно обнаружение, слежение (для исключения повторных срабатываний по одному объекту), распознавание (для минимизации ложных срабатываний, вызываемых животными и другим «шумом» окружающего мира) и прогнозирование (для слежения при временном пропадании объекта из поля).
Под распознаванием можно понимать широкий спектр задач — от классификации объекта на цель/шум до идентификации или верификации объекта по биометрическим признакам.
Технология распознавание лиц на основе биометрии лица является «вершиной» видеоаналитики: она ставит наиболее сложные задачи и задействует широкий спектр математических инструментов. С одной стороны, биометрическая система реализует функцию распознавания, устанавливая вероятностную связь изображения с идентификаторами людей, зарегистрированных в базе данных. С другой стороны, биометрическая система требует безукоризненной работы остальных двух других функций видеоаналитики, а именно обнаружение и слежение.
По сравнению с другими типами видеоаналитики, биометрическая система предполагает работу с большим числом уникальных шаблонов, позволяющих идентифицировать людей, и предъявляет более высокие требования к сенсору, оптике, углу наблюдения, освещению и другим параметрам системы наблюдения.
На сегодняшний день, биометрические системы распознавания лиц являются одним из немногих типов видеоаналитики, которые могут работать в местах массового скопления людей. Практически все небиометрические алгоритмы, представленные на рынке, не способны вести индивидуальное обнаружение и слежение за людьми в группе, особенно в плотном потоке.
Алгоритмы многокамерного слежения, построенные на биометрической технологии, будут способны анализировать перемещение людей на оживленных объектах, строить траектории их движения, оценивать время пребывания, повышать точность распознавания за счет сопоставления результатов с разных камер.
Как правило, все четыре функции выполняются многократно, обеспечивая непрерывное уточнение гипотез о количестве, местоположении и типа объектов в контролируемой зоне, а так же устранение избыточности в результатах.
Рассмотрим, например, периметральную видеоаналитику. С одной стороны, ее главная задача – лишь первичное обнаружение нарушителя периметра. С другой стороны, хорошая «периметралка», то есть видеоаналитика для стериальной зоны, выполняет все четыре функции: непосредственно обнаружение, слежение (для исключения повторных срабатываний по одному объекту), распознавание (для минимизации ложных срабатываний, вызываемых животными и другим «шумом» окружающего мира) и прогнозирование (для слежения при временном пропадании объекта из поля).
Под распознаванием можно понимать широкий спектр задач — от классификации объекта на цель/шум до идентификации или верификации объекта по биометрическим признакам.
Технология распознавание лиц на основе биометрии лица является «вершиной» видеоаналитики: она ставит наиболее сложные задачи и задействует широкий спектр математических инструментов. С одной стороны, биометрическая система реализует функцию распознавания, устанавливая вероятностную связь изображения с идентификаторами людей, зарегистрированных в базе данных. С другой стороны, биометрическая система требует безукоризненной работы остальных двух других функций видеоаналитики, а именно обнаружение и слежение.
По сравнению с другими типами видеоаналитики, биометрическая система предполагает работу с большим числом уникальных шаблонов, позволяющих идентифицировать людей, и предъявляет более высокие требования к сенсору, оптике, углу наблюдения, освещению и другим параметрам системы наблюдения.
На сегодняшний день, биометрические системы распознавания лиц являются одним из немногих типов видеоаналитики, которые могут работать в местах массового скопления людей. Практически все небиометрические алгоритмы, представленные на рынке, не способны вести индивидуальное обнаружение и слежение за людьми в группе, особенно в плотном потоке.
Алгоритмы многокамерного слежения, построенные на биометрической технологии, будут способны анализировать перемещение людей на оживленных объектах, строить траектории их движения, оценивать время пребывания, повышать точность распознавания за счет сопоставления результатов с разных камер.
