Какое количество пикселей на метр необходимо для распознавания объекта видеонаблюдения
Обновлено: 20.05.2024
Как правильно подобрать мегапиксельные камеры по критерию достаточности разрешающей способности
При проектировании современных систем видеонаблюдения одной из наиболее интересных возможностей для проектировщика является использование видеокамер высокого разрешения.
Что означает высокая разрешающая способность камер для видеонаблюдения? Это один из важнейших параметров. В области видеонаблюдения самое главное – это качественное изображение, полученное с камеры, причем зачастую при условии, что с помощью данного изображения можно идентифицировать личность нарушителя.
В феврале 2013 г. известный американский эксперт Джон Хонович из компании IP Video Market призвал производителей камер переименовать параметр "Разрешение" в "Количество пикселей", чтобы не вводить в заблуждение пользователей. В этой своей статье "Запретить разрешение" (Ban Resolution) он сравнил параметр "Разрешение" с ростом игрока в баскетбол: "Если рост игрока в баскетболе недостаточен или если у вас слишком мало пикселей, то не получится стать лучшим. Но сам факт обладания большим ростом или максимальным числом пикселей не гарантирует успеха".
Безусловно, помимо количества пикселей, которые может обеспечить камера, важно учитывать и другие параметры, такие как расположение камеры, удаленность объекта интереса, высота установки, уровень шумов ПЗС/КПОМ-матрицы, возможность работы при низком или неравномерном освещении, тип и уровень компрессии, которая используется, но все же именно разрешающая способность определяет максимальные возможности видеокамеры.
В эпоху стандартов PAL и NTSC проектирование систем видеонаблюдения было гораздо проще. Оба популярных стандарта PAL и NTSC ограничивали вертикальное разрешение камеры соответственно 576 и 480 горизонтальными линиями. Опытный проектировщик мог знать по опыту предыдущих проектов, какие объективы следует использовать для какого помещения, и представлял себе, на каком расстоянии от камеры люди будут хорошо различимы.
Сейчас проектировщикам и установщикам систем видеонаблюдения доступны камеры с вертикальным разрешением в 720, 960, 1080, 1536, 1950 пикселей и выше. Прикинуть на пальцах применимость мегапиксельной камеры гораздо сложнее. Как правило, чем больше разрешение, тем выше цена как самой камеры, так и объектива, который может обеспечить такую высокую разрешающую способность, а также больше необходимый размер видеоархива и выше требования к пропускной способности сети.
Поэтому перед проектировщиком, применяющим в проекте мегапиксельные камеры, встает целый ряд вопросов:
· Какое разрешение камеры является достаточным при установке камеры в данном месте охраняемого объекта?
· Как определить, сколько мегапиксельных камер сможет заменить N обычных камер применительно к помещению заказчика?
· Сколько и каких камер понадобится для всего проекта?
· Как выбрать места оптимального расположения камер видеонаблюдения?
· Как доходчиво, просто и убедительно объяснить заказчику необходимость применения более дорогих мегапиксельных камер?
Чтобы ответить на все эти вопросы, требуется провести моделирование зон обзора камер в связке с планом охраняемого объекта и для каждой камеры выполнить расчет плотности пикселей на расстоянии, где может находиться объект интереса.
В качестве исходных данных могут выступить план местности или план помещения в цифровом или отсканированном виде, пожелания заказчика или таблица осмотра объекта и первоначальное предположение о количестве требуемых камер.
Если воспользоваться специализированными программными продуктами для проектирования систем видеонаблюдения, например, представленного на рисунке 1, то компьютер возьмет на себя рутину, оставив проектировщику только творческую часть задачи и возможность применить свой опыт, при этом проверяя свои гипотезы с помощью автоматически производимых расчетов.
Рис. 1. Зона обзора мегапиксельной камеры с отмеченными цветом областями идентификации,
распознавания и детекции в IP Video System Design Tool
В процессе моделирования потребуется выполнить первоначальное расположение камер и для каждой камеры подобрать подходящие размеры зон обзора, определить расстояние, на котором может находиться целевой объект. При этом рассчитанная плотность пикселей (количество пикселей на метр) на указанном расстоянии от камеры позволит понять, в каких частях зоны обзора камеры возможно идентифицировать человека, номерной знак автомобиля или гарантированно детектировать присутствие человека в кадре.
В случае если у какой-либо из камер значение плотности пикселей является недостаточным для выполнения поставленной заказчиком задачи (например, распознавание человека), то проектировщику следует либо выбрать камеру с более высокой разрешающей способностью, либо уменьшить ширину зоны обзора.
Если использовать специализированное программное обеспечение, то оно отобразит на плане помещений зону обзора камеры, рассчитает плотность пикселей и выделит с помощью различных цветов области идентификации, распознавания и детекции.
Помимо расчета требуемого разрешения камеры моделирование зон обзора камер с привязкой к плану помещений позволяет понять, когда вместо одной мегапиксельной камеры потребуется использовать две обычные или когда несколько камер можно заменить одной мегапиксельной или же выявить случаи, когда оптимальным будет перенос точки размещения камеры в другое место.
Таким образом, начав с исходного расположения камер, проектировщик, перемещая камеры по плану помещения, следя за более полным покрытием помещений и подбирая наиболее подходящие разрешения и углы обзора, получает оптимальную расстановку камер, список параметров камер и объективов, которые позволят обеспечить максимальную эффективность проектируемой системы видеонаблюдения.
Рис. 2. Пример макета изображения с камеры полученного с помощью 3D моделирования
Размер архива и требования к пропускной способности сети
Другим важным аспектом, который надо учитывать при использовании мегапиксельных камер, является существенное повышение требований к пропускной способности сети и размеру видеоархива. При увеличении горизонтального и вертикального разрешения кадра в 2 раза, например, при переходе от разрешения VGA (640 х 480 пикселей) к разрешению 1280 х 960 (1,22 Мп) объем передаваемых данных от камеры увеличивается в 4 раза, а при переходе к разрешению Full HD (1920 х 1080) – более чем в 6 раз.
Разрешающая способность камеры
Количество кадров секунду FPS
Требования к пропускной способности сети, Н.264 идеальные условия, Мбит/с
Традиционно в аналоговых системах видеонаблюдения требования к разрешению формулировали исходя из того, какую долю кадра по вертикали должен занимать наблюдаемый объект. Для разных целей требуется разная величина объекта в кадре.
Например, для обнаружения человека в кадре может быть достаточно, чтобы его рост составлял 10% вертикального размера. В то же время для распознавания известного человека может потребоваться, чтобы его рост составлял 50% вертикали кадра, а для тщательной идентификации - до 120% и более.
Рис. 1. Один и тот же человек, снятый так, что его рост занимает 20%, 40% и 140% от высоты изображения.
Современные сетевые видеокамеры охватывают широкий диапазон разрешений. Процентные соотношения больше не используются; и теперь требования к разрешающей способности указываются в пикселях.Подробное рассмотрение требований к разрешению для идентификации, распознавания и обнаружения приведено в пособии Идеальный подсчет пикселей.
Для других объектов применяются другие критерии. Например, для читаемости номерных знаков высота букв должна составлять примерно 15 пикселей (что соответствует примерно 200 пикселям/м).
Если видеозаписи с камер предполагается использовать в качестве судебных доказательств, при выборе разрешения необходимо также учитывать законодательные и нормативные требования.
Таблица 1. Требования, рекомендованные компанией Axis для обнаружения, распознавания и идентификации.Разрешение полученного изображения определяется разрешением камеры и размером зоны наблюдения. Например, если ваша камера имеет разрешение 4CIF (704 x 576 пикселей), то при линейном разрешении 500 пикселей/м и выше ширина возможной зоны наблюдения будет составлять не более 1,4 м. Необходимо выбрать камеру и объектив так, чтобы можно было получить нужное поле обзора при желаемом расстоянии от камеры до зоны наблюдения.
Таблица 2. Примеры максимальных расстояний при идентификации (500 пикс./м или 80 пикс./лицо).При выборе камеры и фокусного расстояния также могут быть полезны калькулятор объективов Axis и селектор продукции AXIS. Для квалифицированных пользователей такие имеется электронная таблица для расчета плотности пикселей и дальности.
Рис. 2. Сравнение изображений при разных разрешениях.
1: 4 CIF (704x576)
2: SVGA (800x600)
3: HDTV 720p (1280x720)
4: HDTV 1080p (1920x1080)
5: 3 Мп (2048x1536)
6: 5 Мп (2592x1944)
7: 4K (3840x2160)
Чем больше глубина резкости, тем больше область, в пределах которой люди или объекты будут в фокусе. Вероятность идентификации повышается с увеличением глубины резкости, которая определяется степенью открытия диафрагмы, фокусным расстоянием и расстоянием до камеры.
Глубина резкости возрастает при уменьшении диафрагмы, а это означает, что для увеличения глубины резкости необходимо хорошее освещение. В некоторых камерах Axis есть функция P-Iris, с помощью которой диафрагма устанавливается таким образом, чтобы получить оптимальную глубину резкости для разных условий освещения.
Более подробные сведения о функции P-Iris можно получить в техническом обзоре с тем же названием:
Глубина резкости также увеличивается при использовании более короткого фокусного расстояния. Камеры с более высокими разрешениями позволяют вести съемку, используя более короткие фокусные расстояния, но при этом все равно соблюдаются требования к разрешению.
При использовании большинства объективов возникают некоторые искажения, зачастую приводящие к бочкообразной форме объектов. Это происходит из-за того, что увеличение объектива на краях области обзора несколько меньше, чем в центре изображения. В результате объекты, расположенные по краям, кажутся ближе к центру, чем на неискаженном изображении. Объекты одинакового размера будут занимать меньшее количество пикселей, если они находятся вблизи от края, по сравнению со случаем, когда они находились бы примерно в центре изображения. Это означает, что объекты, расположенные по краям поля обзора, должны быть ближе к камере, чтобы выполнялись требования минимально допустимого разрешения.
Эффект бочкообразных искажений обычно намного сильнее проявляется при более коротких фокусных расстояниях, что делает широкоугольные объективы менее пригодными для целей идентификации.
Современные инструменты видеоаналитики успешно задействуются в самых разнообразных сферах, начиная созданием высокоэффективных систем контроля доступа и заканчивая оптимизацией бизнес-процессов. Несмотря на все многообразие программных комплексов данного класса, на базовом уровне каждый из них должен уметь решать три основные задачи:
- обнаружение — определение факта появления объекта в зоне интереса;
- распознавание — определение типа наблюдаемого объекта (транспортное средство,человек);
- идентификация — сравнение свойств объекта с имеющимся образцом для установления их соответствия (машина клиента, сотрудник компании).
Для примера рассмотрим СКУД на охраняемой территории. В зоне интереса (КПП) был обнаружен движущийся объект, после чего интеллектуальный алгоритм определяет его тип. Если в кадре появился человек, а не, например, бездомный кот, осуществляется идентификация: черты лица сличаются с имеющейся базой данных. В процессе сверки выяснилось, что перед нами сотрудник компании, имеющий соответствующий уровень допуска. На контроллер электромагнитного замка подается сигнал и ворота открываются, а событие фиксируется в журнале.
Точность функционирования подобной системы зависит отнюдь не только от того, насколько совершенные алгоритмы она использует, но и, в первую очередь, от правильного выбора камер видеонаблюдения с учетом их технических характеристик и особенностей охраняемого объекта. Актуальным стандартам идентификации и распознавания посвящена наша сегодняшняя статья.
Характеристики объективов для камер видеонаблюдения
Первое, на что необходимо обратить внимание — фокусное расстояние объектива (f), которое напрямую влияет на угол обзора видеокамеры, причем зависимость между этими величинами обратно пропорциональна: чем меньше фокусное расстояние, тем больше угол обзора (объекты сцены при этом оказываются визуально дальше), и наоборот.
| Фокусное расстояние, (мм) | Угол обзора, (°) | Оптимальная дистанция до объекта, (м) |
|---|---|---|
| 2.8 | 86 | 0–5 |
| 3.6 | 72 | 0–6 |
| 6 | 48 | 5–10 |
| 8 | 30 | 10–20 |
| 12 | 25 | 25–35 |
| 16 | 17 | 35–50 |
В камерах видеонаблюдения с вариофокальным объективом фокусное расстояние изменяется в широких пределах. Для расчета угла обзора при различных значениях f можно воспользоваться следующей формулой:
В приведенном выражении:
- α — угол обзора камеры (в градусах);
- d — горизонтальный или вертикальный размер светочувствительного сенсора (в мм);
- f — фокусное расстояние объектива (в мм).
Данная модель получила светочувствительный сенсор размером ⅓ дюйма и поддерживает видеозапись в максимальном разрешении 1280 x 720 пикселей, что соответствует формату 16:9. Воспользуемся формулой α = 2arctg(d/2f), чтобы определить горизонтальный угол обзора видеокамеры:
- при фокусном расстоянии 2.8 мм горизонтальный угол обзора составит α = 2arctg(4.92/2*2.8)=82.6°;
- при фокусном расстоянии 12 мм горизонтальный угол обзора составит α = 2arctg(4.92/2*12)=23.2°.
Теперь мы располагаем всеми необходимыми сведениями для того, чтобы подобрать оптимальную точку монтажа для обеспечения безупречной работы системы видеоаналитики.
Выбор камеры видеонаблюдения с учетом разрешения светочувствительной матрицы
Фокусное расстояние является весьма важным, но отнюдь не единственным параметром, определяющим соответствие камеры заданным эксплуатационным требованиям: способность к формированию картинки, качества которой будет достаточно для распознавания и идентификации объектов во многом зависит от ее разрешения. В силу отсутствия единых отраслевых стандартов на момент появления первых систем распознавания лиц, инсталляторы стали ориентироваться на данные научно-исследовательского отдела МВД Великобритании для видео формата 4CIF (704x576 пикселей).
| Задача | Вертикальный размер изображения человека (в % от высоты кадра) | Линейное разрешение (в пикселях/м) |
|---|---|---|
| Обнаружение | 10 | 20 |
| Распознавание | 50 | 100 |
| Идентификация | 100–150 | 250 |
Для наглядности рассмотрим конкретный пример. На картинке ниже один и тот же человек снят так, что его изображение занимает 20%, 40% и 140% от высоты кадра. В первом случае система видеоаналитики сможет обнаружить движущийся объект, во втором — однозначно распознать в нем человека, а в третьем — провести идентификацию по лицу.
Аналогичные пропорции были рассчитаны и для других распространенных аналоговых форматов.
| Задача | WSVGA | SVGA | VGA | PAL | 2CIF | CIF | QCIF |
|---|---|---|---|---|---|---|---|
| Обнаружение | 7 | 9 | 10 | 14 | 25 | ||
| Распознавание | 34 | 42 | 50 | 70 | 139 | ||
| Идентификация | 67 | 84 | 100 | 139 | |||
Когда речь заходит о выборе цифровых камер видеонаблюдения, перечисленные выше соотношения становятся неактуальны. Применительно к современным устройствам принято ориентироваться на количество пикселей, участвующих в формировании объекта, подлежащего идентификации. Такой подход более логичен, так как, например, ширина человеческого лица в среднем составляет около 16 сантиметров, тогда как рост и комплекция у разных индивидов могут в значительной степени отличаться.
Что же касается действующих нормативов, то здесь все не так однозначно. Практика показала, что следование рекомендациям, предложенным Европейским комитетом электротехнической стандартизации (CENELEC) отнюдь не всегда оправдано. Большинство профессиональных проектировщиков опираются на данные Национальной лаборатории судебной экспертизы Швеции которые, кстати, практически полностью совпадают с результатами собственных исследований инженеров HikVision.
| Задача | Минимальное кол-во пикселей на ширину лица | Кол-во пикселей на сантиметр | Кол-во пикселей на дюйм |
|---|---|---|---|
| Обнаружение | 4 | 0.25 | 0.6 |
| Распознавание | 20 | 1.25 | 3.2 |
| Идентификация в благоприятных условиях | 40 | 2.5 | 6.3 |
| Идентификация в неблагоприятных условиях | 80 | 5 | 12.5 |
Что же касается автомобильных номеров, то для их успешной идентификации вертикальный размер цифр и букв должен составлять не менее 15 пикселей.
Актуальность приведенных параметров хорошо заметна на следующей иллюстрации.
Ключевым преимуществом шведской классификации является разделение условий наблюдения на две категории (чего, к сожалению, нет в документах CENELEC):
- сложные — уровень освещения недостаточен или значительно меняется в короткий промежуток времени, наблюдаемые объекты передвигаются с большой скоростью, либо видны под углом, в результате часть деталей оказывается вне поля зрения камеры;
- благоприятные — наблюдаемые объекты передвигаются с умеренной скоростью, мелкие детали, необходимые для распознавания, хорошо видны в кадре, освещение достаточное для получения качественной картинки.
Таким образом, зная фокусное расстояние и разрешающую способность камеры видеонаблюдения, можно выбрать модель, способную осуществлять распознавание и идентификацию объектов на заданной дистанции. Ниже приведены данные для наиболее распространенных в настоящее время разрешений.
| Разрешение по горизонтали, (пикс.) | Фокусное расстояние, (мм) | Оптимальная дальность, (м) | Максимальная ширина сцены, (м) |
|---|---|---|---|
| 1280 | 3.3–12 | 6 | 2.6 |
| 2592 | 2.8–8 | 9 | 5.2 |
| 1920 | 5.1–51 | 41 | 3.8 |
| 736 | 3.3–119 | 50 | 1.5 |
| 1280 | 4.4–132 | 67 | 2.6 |
Для примера рассмотрим цифровую видеокамеру HikVision DS-2DE4225W-DE. Устройство предназначено для наружного монтажа и оснащено вариофокальным объективом с фокусным расстоянием от 5 до 50 мм, а 2-мегапиксельная матрица позволяет вести съемку в разрешении Full HD (1920 x 1080 пикселей).
Используя приведенную выше таблицу, выясняем, что данная модель способна обеспечить качество картинки, достаточное для распознавания человеческого лица на дистанции вплоть до 40 метров, при этом максимальная ширина сцены будет составлять 3.8 метров.
Роль освещения в распознавании и идентификации
Настало время поговорить о таком факторе, как уровень освещенности. Здесь все достаточно очевидно: чем хуже подсветка, тем сложнее различить символы или мелкие черты лица человека, попавшего в кадр. Давайте сравним изображения, полученные идентичным оборудованием, но при разном освещении.
A. кадр сделан при интенсивности светового потока в 1600 люкс, лицо человека хорошо освещено;
B. хотя фронтальный источник света освещает лицо с силой в 350 люкс, фоновая засветка имеет значительно большую интенсивность, в результате чего идентификация становится невозможной (фотографы называют данную ситуацию «контражур»);
C. фронтальная подсветка в 7 люкс при условии отсутствия контрового света обеспечивает приемлемое качество изображения, достаточное для идентификации;
D. при освещенности 1.5 люкса идентификация осложняется из-за паразитных шумов.
Для повышения качества картинки в сложных условиях освещения современные камеры видеонаблюдения используют объективы с широкодиапазонным антибликовым покрытием, позволяющим улучшить светопропускную способность оптики, а также задействуют продвинутые алгоритмы обработки изображения, в числе которых необходимо выделить:
- BLC (компенсация задней засветки) — нивелирует влияние контражура за счет увеличения времени экспозиции, однако задний план при этом значительно теряет четкость;
- HLC (компенсация яркой засветки) — при обнаружении источника слишком яркого света создается дополнительный кадр, в котором данные из соответствующей области игнорируются (актуально для идентификации автомобильных номеров в темное время суток);
- WDR (широкий динамический диапазон) — функция корректировки яркости и контраста сцены путем программного объединения кадров, сделанных с разной экспозицией;
- DNR (цифровое подавление паразитных шумов) — анализирует изображение и «исправляет» искаженные пиксели, помогая устранить графические артефакты, возникающие в условиях низкого освещения,.
Большинство современных цифровых камер видеонаблюдения поддерживает одновременно несколько технологий улучшения изображения. Например, уличная модель HikVision DS-2DE4225W-DE способна похвастаться аппаратным WDR 120 дБ, BLC и 3D DNR, использующим, помимо традиционного сравнения соседних кадров в последовательности алгоритмы пространственного шумоподавления и отслеживание изменений пикселей, формирующих изображение движущихся объектов, что позволяет достичь действительно впечатляющих результатов.
Однако при всех преимуществах перечисленных методов делать ставку исключительно на современные технологии, как минимум, опрометчиво: хотя они и способны стать отличным подспорьем, при проектировании системы видеонаблюдения следует постараться достичь оптимальных условий освещения. Во-первых, даже самые совершенные фильтры имеют побочные эффекты: например, DNR «замыливает» кадр, что затрудняет распознавание удаленных объектов.
Во-вторых, надо учитывать, что такой параметр, как глубина резкости, зависит не только от фокусного расстояния, но и от уровня освещенности: данный показатель возрастает при уменьшении апертуры диафрагмы объектива камеры видеонаблюдения.
Наиболее благоприятные условия для работы систем видеоаналитики обеспечивает равномерное фронтальное освещение от 150 люкс (достаточно для идентификации номеров транспортных средств) до 300–500 люкс (для идентификации лиц).
Теоретические расчеты позволяют с достаточно высокой точностью подобрать наиболее подходящую камеру с учетом технических характеристик самого устройства и специфики охраняемого объекта. Тем не менее на все 100% предсказать, насколько эффективной окажется спроектированная система практически невозможно, поэтому инсталляторы используют в своей работе различные методы тестирования видеонаблюдения на предмет соответствия заданным требованиям. О наиболее эффективных из них мы расскажем в одной из следующих публикаций.
В статье рассмотрены различные способы реализации функции распознавания лиц, их достоинства и недостатки, принципы построения системы, а также применение в области обеспечения безопасности.
Видеоаналитика в системах видеонаблюдения не стоит на месте. Таким функционалом, как выход из периметра, пропажа предмета из области, детекция пешеходов и прочее, уже никого не удивить.
На смену приходят все более сложные интеллектуальные сценарии и функции, одна из которых - распознавание лиц в системах видеонаблюдения. Эта технология не нова в данной сфере, но уверенно захватывать рынок начала относительно недавно, так как стала более доступной.
Распознавание лиц – это один из самых прогрессивных и перспективных способов идентификации человека, позволяющий распознать лицо на большом расстоянии и при наличии большого количества людей в зоне видимости. Такая система позволяет решить большое количество задач, связанных с обеспечением безопасности, таких как:
- - Поиск в местах скопления людей, объявленных в розыск
- - Поиск по записи определенного участника инцидента или пропавшего человека
- - Организация контроля доступа, когда система оповещает о появлении в запрещенной зоне не внесенного в базу сотрудника
- - и другие варианты использования
Для примера, в Московском метрополитене на станции метро «Октябрьская» при использовании технологии распознавания лиц, в первый же месяц было задержано 42 человека находившихся в розыске.
На сегодняшний день существует два основных способа осуществления видеоналитики:
1. С помощью специального программного обеспечения (рис.1), устанавливаемого на принимающее устройство (Сервер, ПК)
При таком способе построения системы, вся аналитика осуществляется специальным программным обеспечением (ПО), установленным на сервер или персональном компьютере (ПК). Установленное оборудование видеонаблюдения лишь формирует видеопоток и никак не участвует в последующем его анализе. Такие системы сейчас наиболее распространены и имеют свои преимущества и недостатки:
Преимущества:
- - Широкий функционал системы
- - Высокая отказоустойчивость
- - Совместимость с практически любым оборудованием видеонаблюдения различных производителей
- - Необходимость покупать дорогостоящие лицензии на каждый канал видео
- - Сложность установки и настройки ПО, а также последующего обслуживания
- - Высокие требования к техническим характеристикам оборудования, на которое установлено ПО
- - Высокая цена
2. Аналитика, встроенная в оборудования видеонаблюдения. Такая система является автономной и не требует подключения к серверу или компьютеру, так как все необходимое ПО уже установлено «на борту». Оборудование со встроенной аналитикой, на сегодняшний день, мало распространено в бюджетном секторе из-за новизны решения, однако быстро развивается за счет своих главных преимуществ:
- - Простота установки и настройки
- - Отсутствие необходимости покупки дорогостоящих лицензий
- - Компактность системы
- - Не требует разворачивания серверов
- - Возможность выгрузки баз для интеграции в другие системы
К недостаткам таких систем можно отнести:
- - Ограниченный функционал в количестве разных видов аналитики
- - Сложность интеграции в уже существующую систему видеонаблюдения
- - Ограниченное количество видеоканалов в одной системе
При этом в системах со встроенной аналитикой выделяют 2 основных вида:
- аналитика на стороне видеокамеры (рис.2), когда анализ видеоданных производит сама камера и передает уже подготовленные данные видеорегистратору, который может являться хранилищем как видеозаписей, так и аналитических баз.
- с аналитикой на стороне видеорегистратора (рис.3), когда камера передает только видеопоток, а всю аналитику производит регистратор. Такая система отличается быстродействием и масштабируемостью в отличии от варианта с аналитикой на стороне камеры
Рассмотрим реализацию системы распознавания лиц на базе оборудования NOVICAM, имеющего встроенную аналитику.
Алгоритм работы системы прост: камера с предустановленной функцией детекции лица на основании модели глубокого обучения (Multi-task Cascaded Convolutional Networks), выделяет попавшие в кадр лица и отправляет их на видеорегистратор, который и производит анализ полученных картинок. Анализ и сравнение лиц, которые производит видеорегистратор, реализован на программном языке Python (технология arcface) и осуществляется на основании опорных точек (Рис. 4) человеческого лица, создавая уникальную математическую модель. Этот математический код расположения опорных точек и сравнивает видеорегистратор с имеющейся у него базой и, в зависимости от сделанных настроек, совершает то или иное действие .
Для корректного анализа и распознавания лиц, требуется соблюсти несколько правил:
1. Правильный выбор видеокамеры. Для лучшей работы системы распознавания лица, камера должна иметь следующие характеристики
- Количество кадров в секунду не менее 20.
- Наличие технологии WDR
- Установка выдержки в ручном режиме
2 Правильная установка видеокамеры (Рис.5). Камера не сможет произвести распознавания лица, если направлена, например, сверху и вниз и обозревает только головной убор человека. Поэтому существую правила относительно углов, под которыми камера должна быть установлена
3 Соблюдение необходимой плотности пикселей. Для корректного распознавания, лицо на изображении должно быть не менее определённого размера. В противном случае камера не сможет определить опорные точки и произвести анализ. Поэтому при настройке системы необходимо придерживаться требуемой плотности пикселей (количество пикселей на метр). Требуемая плотность зависит от того, какой результат необходимо получить (Таблица 1)
Зная разрешение камеры и требуемое количество пикселей для идентификации лица, мы легко найдем необходимую ширину изображения
Например, при разрешении камеры 2688x1520 мы имеем ширину экспозиции:
То есть, настроив ширину изображения не более 5,4 метра в контролируемой области, мы получим изображение с требуемой плотностью пикселей.
Соответственно для правильной настройки экспозиции, желательно выбирать камеру именно с вариофокальным объективом, который позволяет настраивать фокусное расстояние в зависимости от условий установки видеокамеры.
Таким образом, правильно подобранная и установленная система будет работать с высокой точностью и сможет значительно помочь с обеспечением безопасности на любом объекте, выполняя работу, не доступную человеку.
Как мы понимаем, человек не может, например, рассмотреть в толпе сразу десятки, а то и сотни лиц и быстро сравнить их с имеющимися у него тысячами ориентировок.
Системы распознавания лиц, как и интеллектуальные системы видеонаблюдения в целом, непрерывно развиваются и, вместе с этим, становятся все более доступными. Уже сейчас камеры с распознаванием лиц по цене приблизились к стандартным камерам среднего ценового сегмента. Поэтому уже сейчас любой пост охраны, аэропорт, вокзал или другое особо охраняемое место можно оснастить высокофункциональным оборудованием, практически не потратив лишних средств из бюджета.
Критерии решения целевых задач наблюдения
Основные целевые задачи наблюдения:
Основные критерии решения целевых задач наблюдения:
- минимально достаточная плотность пикселей (число пикселей изображения, приходящееся на метр зоны обзора)
- максимально допустимый угол наклона камеры наблюдения к плоскости горизонта
- максимально допустимый угол к направлению движения цели наблюдения
Существуют ряд документов, содержащих рекомендации по значению плотности пикселей для различных целевых задач наблюдения:
Как подобрать фокусное расстояние?
Подбор фокусного расстояния зависит от ряда параметров:
- вероятного места установки камеры наблюдения
- расстояния до цели наблюдения
- ширины зоны обзора на расстоянии, где нужно решать целевую задачу наблюдения
Разрешение матрицы камеры видеонаблюдения
Плотность пикселей калькулятор
Как пользоваться калькулятором плотности пикселей (ppi)?
Шаг 1. Задаем характеристики области просмотра:
- расстояние до цели наблюдения
- высота цели наблюдения
- ширина зоны наблюдения в области цели наблюдения
Шаг 2. Задаем основные характеристики камеры и места ее установки:
- высоту установки камеры
- формат сенсора
- разрешение матрицы
- фокусное расстояние (уже задано расстоянием до цели и шириной зоны наблюдения)
Шаг 3. Проверяем выполнение критериев решения целевой задачи наблюдения:
При необходимости возвращаемся к шагам 2 (меняем разрешение камеры или фокусное расстояние) или 1 (выбираем другое место установки камеры)
Шаг 4. Подбираем подходящую модель камеры:
Читайте также: