Как стать автором
Обновить
0

Переход к облачной видеоаналитике: проблемы и решения

Время на прочтение 5 мин
Количество просмотров 7K
Наверно, если сферический читатель Хабры услышит слово «облако», он не посмотрит в небо. Сегодня мы решили порассуждать о будущем видеоаналитики. Составить предсказания «по облакам», так сказать. Если вы ждете статью с техническими описаниями и примерами алгоритмов – это немного не тот случай. Мы делимся опытом разработчика.

Будущее за смартфонами и мобильным интернетом, это понимают производители в каждой области. С другой стороны, использование видеонаблюдения также забралось практически во все сферы нашей жизни. В госсекторе это безопасные города, в крупном бизнесе – мониторинг инфраструктуры, в торговых сетях и финансовой сфере – средство управления продажами, в частном секторе – охрана имущества. Но вот интеллектуальное видеонаблюдение – видеоаналитика – пусть и неуклонно развивается, но все еще не является массовым. В лучшем случае, в облачном сервисе реализовывают детектор движения, и то, без возможности выбора охраняемых зон или настройки расписания. Чем обусловлено это отставание? Что мешает адаптации классической системы видеоаналитики к облачному сервису? И главное: что с этим делать?

Отсутствие средств динамического масштабирования системы по мере увеличения числа видеопотоков или модулей видеоаналитики.
Обычные системы, разработанные для выделенного сервера, не имеют функционала для балансировки вычислительной нагрузки внутри кластера. В таких системах видеопотоки физически и логически привязаны к одному конкретному серверу. Для переподключения одного видеопотока к другому администратор вынужден заново настраивать как параметры соединения с камерой, так и видеоаналитику. Кроме того, в случае отказа одного из серверов, вычислительная нагрузка не распределяется между остальными серверами кластера.

Отсутствие поддержки виртуализации.

Программные модули видеоаналитики используют аппаратные ключи защиты HASP (особенно, для распознавания лиц и номерных знаков) и специализированные графические ускорители. Это существенно ограничивает их применение в виртуализированной среде, абстрагированной от аппаратной реализации. Любая привязка ПО к физическому оборудованию затрудняет масштабирование системы в облаке.

Отсутствие кросс-платформенного клиента и медиаплеера.

Сегодня практически все системы видеоаналитики работают только с «толстым» клиентом для операционной системы Windows. В лучшем случае, системой предоставляется доступ через браузер Internet Explorer с добавлением нестандартных компонентов, использующих, например, технологию ActiveX, Java или SilverLight. Это существенно ограничивает круг пользователей системы и создает массу проблем службе технической поддержки. Идеальный кросс-платформенный клиент должен быть реализован на базе технологии HTML5. На практике все облачные сервисы видеонаблюдения опираются на flash. При этом, в существующих flash-плеерах не хватает возможности отображения метаданных видеоаналитики в виде графической аннотации.

Отсутствие реализации веб-ориентированной архитектуры (WOA).

WOA подразумевает, что любые значимые данные (событие видеоаналитики, какой-либо момент времени в видеоархиве и т. п.) имеет уникальную гиперссылку – как видеоролик в YouTube. Большинство классических и даже облачных систем видеонаблюдения, к сожалению, не позволяют формировать такие гиперссылки, что существенно затрудняет обмен данными между пользователям. Затруднения напоминают бюрократическую систему: вместо того чтобы просто отправить ссылку на выделенный момент видео по электронной почте, пользователь должен сначала снять архив, а потом выложить его на файлообменник. Также не хватает веб-ориентированных интерфейсов программирования для простой интеграции облачной видеоаналитики в бизнес-аналитику и другие информационные системы, которые уже были на предприятии до внедрения видеонаблюдения.

Теперь чуть подробнее. Вот несколько задач, которые решает веб-оринтированная видеоаналитика в системах видеонаблюдения:

Контроль качества видеопотока

Это базовая мастхэв функция любой системы видеонаблюдения — непрерывная запись и защита от вмешательства в работу системы. Почему это так важно, думаем, пояснять не стоит. Веб-интерфейс для мониторинга контроля качества видео и состояния оборудования не дает упустить ничего важного, смотрим пример:

Зеленый цвет – нормальное состояние, серый – оффлайн, желтый – детектировано событие, красный – нарушение работы камеры. При этом запись об изменении состояния попадает в журнал и передается службе эсксплуатации.

Поиск в архиве для расследования происшествий

Казалось бы, такое решение напрашивается само собой. Но на практике при возникновении ЧП видеонаблюдение нередко оказывается бесполезным: просмотр нескольких часов видео может не дать никаких результатов.

Интеллектуальные же инструменты поиска экономят не только время, но и нервы. Данные в видеоархиве можно находить, например, по типу объекта (человек, лицо, транспортное средство, и т. п.) или типу движения объекта (появление/остановка в заданной области) и, конечно, по времени. Здесь крайне важно, чтобы возможность поиска не требовала априорной настройки правил, то есть пользователь мог задавать правила поиска уже после того, как произошло событие. К примеру, можно выделить место на парковке и мгновенно найти моменты, с ней связанные (время угона, приезда, факт подошедших к ней лиц).

Результаты поиска выдаются в виде фотоальбома укрупненных изображений объектов по аналогии с поиском картинок в интернете. Альтернативные способы вывода результатов – в виде точек на карте с траекториями на карте или в виде компактного списка. По щелчку начинается воспроизведение видео.

Если позволяет ракурс обзора и технические возможности камеры, то объекты могут быть точно идентифицированы: человек по лицу, а авто – по регистрационному знаку.

Диспетчерский центр

До сих пор руководство многих крупных (и не очень) организаций представляет себе диспетчерский центр как просторное помещение с сотней мониторов, за которыми сидят зоркие охранники, денно и нощно наблюдающие за передаваемыми с камер, наслаждаясь работой мощных каналов связи. они даже не представляют, как это дорого и ресурсоемко! И, к сожалению, не всегда эффективно.
Веб-ориентированная архитектура системы видеонаблюдения позволяет построить на самом деле экономичное решение с распределенным диспетчерским центром, где операторы могут работать в том числе в различных часовых поясах: наблюдатель может подключаться с любого компьютера дома. Об исключении человеческого фактора и оптимизации тоже можно не распространяться лишний раз – это понимает каждый, хоть немного знакомый с видеоаналитикой.

       

Рабочее место оператора и медиаплеер для веб-ориентированной аналитики. События отображаются на таймлайн различными цветами в зависимости от типа и приоритета. Укрупненные изображения объектов всплывают над таймлайн.

Импорт и экспорт данных бизнес-процесса

WOA позволяет интегрировать облачную видеоаналитику с системами, уже установленными на предприятии. Особенно ценным такое качество является для складских помещений или хранилищ – каждый объект можно трекать по штрих-коду и наблюдать все его перемещения благодаря работе с архивом. Таким образом ничего не пропадет. Другой пример – видео размечается контрольными показателями промышленного процесса – добыча нефти в нашем случае.


Совмещение результатов работы видеоналаитики и данных о бизнес-процессе (производственном процессе) организации. Сотрудники получают «дополненную реальность».

В заключение хочется подчеркнуть, что адаптация традиционной системы видеоаналитики к «облаку» никак не обеспечивает желаемый уровень масштабирования системы. Необходима кардинальная переработка архитектуры, интерфейсов пользователя и интерфейсов программирования. Но затраты того стоят, в этом мы давно успели убедиться.
Теги:
Хабы:
+7
Комментарии 9
Комментарии Комментарии 9

Публикации

Информация

Сайт
synesis.ru
Дата регистрации
Дата основания
Численность
101–200 человек
Местоположение
Россия

Истории