В рубрику "Видеорегистрация (DVR)" | К списку рубрик | К списку авторов | К списку публикаций
Мегапиксельные камеры появились далеко не в 2012 г, но именно в прошлом году популярность их использования резко возросла. Начался "мегапиксельный бум". Камеры высокого разрешения не только дают детализированную картинку, но и выставляют ряд технических требований для передачи и обработки видео. Для работы одной IP-камеры не самого большого разрешения в 5 Мпкс, со скоростью видеопотока 25 кадр/с и форматом сжатия Н.264 требуется ширина канала не менее 10 Мбит/с. Теперь представьте себе объект, на котором работают сотни видеокамер. Нагрузка на сеть, на сервер, принимающий видеопоток, на процессор, производящий обработку информации с камер, просто колоссальная. При необходимости найти какое-то событие в мегапиксельном архиве эти нагрузки увеличиваются в десятки раз, а для полноценной обработки архива необходимо время, соизмеримое с длительностью записанного видео.
Для максимально эффективной обработки и анализа мегапиксельного видео производители ПО предложили ряд решений:
1. Поиск по базе данных событий и объектов для сокращения времени анализа архива.
Вместе с записью видеоархива высокого разрешения программное обеспечение осуществляет запись базы данных. Происходит разбиение поступающего в архив видеопотока на фрагменты некоторого размера, каждому фрагменту присваивается определенная метка, и эта метка заносится в базу данных. При поисковом запросе событий определенного момента времени сначала осуществляется обращение к этой базе данных. Затем выделяется метка ближайшего к интересующему времени фрагмента - поиск искомого момента видео происходит уже обращением к этому фрагменту. В результате получаем двухуровневый поиск: сначала определяется приблизительное место через базу данных, затем точное расположение нужного кадра в видеоархиве. Это ведет к экономии вычислительных ресурсов серверного оборудования - база данных меток занимает гораздо меньший объем, чем видеоархив, обработать ее гораздо проще и быстрее.
2. Эффективное использование вычислительных ресурсов.
Одним из наиболее важных и дорогих компонентов системы являются серверы. С увеличением разрешения видео увеличивается и объем обрабатываемого архива, а значит повышаются требования к серверам системы и ее стоимость в целом. Однако производители предлагают несколько программных решений:
До настоящего времени для выполнения обработки и анализа поступающего видео использовались ресурсы центрального процессора (CPU), но программистам пришла идея перенести часть вычислений на графический процессор (GPU).
В последние годы произошел существенный технологический скачок в развитии графических процессоров. Использование в GPU параллельных технологий обработки данных и вычислений приближают его по возможностям к полноценному вычислительному устройству. Графический процессор устроен так, что большую его часть составляют вычислительные блоки, используемые для обработки данных, тогда как в центральном процессоре они занимают гораздо меньшую долю. Постоянная технологическая модернизация графических процессоров привела к тому, что GPU сначала сравнялся по вычислительной мощности с CPU, а затем опередил его. Поэтому у программистов, работающих над ПО для видеонаблюдения, родилась идея частичного переноса вычислительных операций с CPU на GPU.
Возможность обработки части данных на GPU позволяет существенно сократить необходимые вычислительные ресурсы для отображения видео, а значит сэкономить деньги и время пользователя.
Расширились возможности поиска по заданным признакам: цвет, рост, образец. Чтобы найти интересующий фрагмент даже в мегапиксельном архиве, теперь оператору требуются считанные секунды: достаточно задать приметы объекта или события, и система сама выдаст все видеофрагменты, отвечающие критериям поиска. При этом поиск ведется с высокой скоростью и точностью.
1. Поиск по цвету и образцу.
Первый вариант поиска по приметам: поиск в архиве по заданным цветам, фотографии или образу из записанного видеоархива.
Поиск по цветам позволяет искать объект по заданным визуальным признакам. Например, запросить у системы человека в фиолетовой куртке и черных штанах. Можно также искать по фотографии или образцу, загруженному из видеоархива.
Поиск по приметам очень сложен по ряду причин: здесь и субъективность восприятия цвета человеком, и высокие требования, предъявляемые к условиям съемки для максимально точного определения признаков объекта.
Производители программных решений не ставят перед собой задачу стопроцентного распознавания по образцу. Найденные результаты должны быть похожи на запрос, но окончательную идентификацию осуществляет сам человек. Поисковые результаты выдаются в виде набора изображений, оператору необходимо выбрать нужный вариант, после чего он сможет просмотреть отрезок видео из архива.
Вероятность пропуска нужной информации мала, так как анализ направлен не столько на поиск абсолютно похожих объектов, сколько на отбрасывание несоответствующих. Система скорее выдаст несколько лишних вариантов, но это не страшно - оператор всегда сможет найти необходимые вручную.
Несмотря на стремительное развитие технологий поиска по цветам, существует ряд нюансов, с которыми приходится справляться разработчикам. Сложности возникают в ряде случаев:
2. Поиск по росту.
Поиск по росту человека или размеру объекта - на первый взгляд довольно однозначная задача в отличие от поиска по цвету. Если один и тот же оттенок разные люди воспринимают по-разному, то с ростом все однозначно: цифра есть цифра. При каком освещении не смотри, 1 м 70 см - это всегда 1 м 70 см. Но на практике возникает ряд нюансов. Для корректной работы поиска систему необходимо откалибровать (ввести в программу параметры установки камеры: высоту установки, боковой и вертикальный углы наклона и т.д.) Процедуру калибровки следует проводить для каждой камеры в системе, а также повторять даже при малейшем изменении расположения IP-камеры В настоящий момент поиск по росту или размеру дает значительную погрешность результатов. Это обусловлено рядом сложностей:
Если еще 3 года назад можно было только предположить какие-то контуры этого направления, то сегодня есть реальные вендоры облачных сервисов видеонаблюдения.
Видеонаблюдение каксервис представляет собой модель, которая позволяет работать с видео в облачной инфраструктуре, подключаясь к серверам удаленно через Интернет. Контроль и управление серверами и каналами связи осуществляются компаниями-организаторами облака. К основным преимуществам VSaaS для пользователя можно отнести простоту построения и использования системы, отсутствие стартовых инвестиций, отсутствие необходимости технического обслуживании видеосистемы.
Облачные сервисы для видеонаблюдения предоставляют производители IP-оборудования (AXIS Communications, D-Link, Beward и др.), часть компаний, наоборот, создают специализированные камеры для своего облачного сервиса (Dropcam). Производители ПО для VSaaS либо используют его самостоятельно и создают собственные сервисы (CamDrive, SecurityStation, MACROSCOP), либо создают платформы и продают их телекоммуникационным операторам ("Эр-Телеком Видеонаблюдение").
На сегодняшний день существует несколько моделей построения облачной системы:
Облачный сервис - крайне заманчивая для пользователя услуга. Заказчик может выбрать удобный способ построения системы, подходящий тариф, провайдера, которому он доверяет и чьими услугами уже пользовался. Он избавлен от необходимости настраивать систему, решать технические неполадки, обновлять программное обеспечение по мере выхода свежих версий - все это ложится на плечи компании, предоставляющей услуги. При этом заказчик в любой момент может прекратить пользование сервисом видеонаблюдения или сменить компанию, обслуживающую его систему.
Большинство облачных сервисов, существующих сегодня, изначально разрабатывались как VSaaS-решения, а не выросли из продуктов, предназначенных для профессионального видеонаблюдения. Они ориентировались и ориентируются на удовлетворение следующих потребностей потребителей:
Сервисы, построенные на профессиональных продуктах для видеонаблюдения, предоставляют расширенные возможности пользователям, в том числе и интеллектуальные функции - подсчет посетителей, поиск по цветам, трекинг, отправка тревожного сигнала по e-mail или SMS.
Несмотря на относительную молодость VSaaS, на нынешнем этапе развития этот сервис уже является прибыльным для организатора и удобным для потребителя способом организации видеонаблюдения. В то же время существует ряд сдерживающих факторов как для потребителей, так и для организаторов VSaaS.
1. Конфиденциальность видеоданных. Потенциальных заказчиков VSaaS в первую очередь интересует вопрос: "Может ли кто-то посторонний получить доступ к моему архиву?". Действительно, в случае построения системы на собственном оборудовании доступ к архиву заказчик ограничивает самостоятельно, возможность получения данных посторонним человеком практически отсутствует. Но для случая VSaaS серверы располагаются на территории организатора сервиса или в дата-центре, что означает доступ как минимум сотрудника, обслуживающего их. Полностью решить эту сложность на сегодня нельзя, но существует несколько защитных механизмов для повышения конфиденциальности видеозаписей Например, организатор сервиса разграничивает доступ для разных пользователей даже внутри одной системы, поэтому каждый будет видеть только собственные камеры. Для обеспечения безопасной передачи видео через Интернет профессиональные сервисы предлагают пользователю шифрование каналов управления услугой, каналов передачи видеопотоков.
2. Потеря данных из-за нестабильного интернет-соединения.
В большинстве случаев перебой с интернет-каналом между IP-камерой пользователя и серверами поставщика приводит к потере части видеоданных. Устранение неполадок на линии - процесс небыстрый, поэтому речь, как правило, идет далеко не о нескольких минутах потерянного видео.
Тем не менее организаторы VSaaS реализуют защиту от потерь при обрыве связи за счет синхронизации видеоархива с видеоданными, записываемыми на встроенную карту флеш-памяти IP-камеры. После восстановления связи программное обеспечение, установленное на сервере, будет "подтягивать" недостающую часть архива прямо с флеш-карты. В результате архив сохранится на сервере полностью.
3. Выгода VSaaS для пользователей? Различные сервисы позволяют строить системы разного масштаба, но пока облачным видеонаблюдением пользуются чаще для организации небольших систем на несколько камер. Цена облачных услуг также разнится. Наименьшая стоимость сервиса около 2 долл. за канал в месяц, максимальная - 40 долл. за канал в месяц.
Простой расчет: предположим, пользователь строит систему на 5 камер, берет их в аренду. В среднем в месяц он заплатит 21 долл., то есть около 600 руб. за канал, 3 тыс. руб. за всю систему. Чтобы построить аналогичную простейшую систему на собственном оборудовании и ПО, он потратит минимум 50 тыс. руб Что составляет 16 месяцев пользования VSaaS по средним условиям. Таким образом, рентабельность использования облачного сервиса зависит от сроков эксплуатации и масштабов системы.
4. Стоимость организации сервиса. Казалось бы, облачное видеонаблюдение строится довольно легко: нужны камеры, Интернет, серверы с ПО. Ни один из этих продуктов не является дефицитным, и спрос на видеонаблюдение растет, однако тотального роста облачных сервисов не происходит, по крайней мере в России. Одна из причин - необходимы существенные инвестиции организаторов в сервис. Если поставщиком выступает производитель или провайдер - необходимо создать новый отдел; нанять специалистов, устанавливающих оборудование, разрабатывающих проекты, обслуживающих видеосистему, необходим бюджет на закупку серверов, камер (если они предоставляются в аренду пользователю).
Популярность видеонаблюдения растет, но оно пока не является массовым продуктом. Для небольших проектов на несколько камер облачные сервисы идеальны, а проекты чуть больше (от 10 камер и выше) чаще создаются конкретно под заказчика и решают нетривиальные задачи, требуют доработок или даже доразработок существующих решений. Об универсальности VSaaS на данном этапе говорить не приходится.
Несмотря на существующие ограничения и недостатки, облачные сервисы видеонаблюдения предлагают массу преимуществ пользователям и организаторам.
2012 год принес не столько новые веяния в технологии видеонаблюдения, сколько существенно усилил и развил существующие направления:
Опубликовано: Каталог "Системы цифровой видеорегистрации (DVR)" #1, 2013
Посещений: 7894
Автор
| |||
В рубрику "Видеорегистрация (DVR)" | К списку рубрик | К списку авторов | К списку публикаций