Машинное зрение: востребованность и перспективы

Сегодня машинное зрение применяется в огромном количестве индустрий и кейсов, а темпы роста именно этого сегмента лидируют среди всех направлений искусственного интеллекта. Эффекты и выгоды, которое оно несет, позволяют делать прогнозы о том, что в ближайшие пять лет рынок машинного зрения в России может вырасти в пять раз. Что по этому поводу думают эксперты? Специалисты из компаний Basler AG, "Витэк-Автоматика" и Intel проанализировали текущий уровень востребованности машинного зрения, оценили дальнейшие перспективы и объяснили, в каких случаях целесообразна совместимость машинного зрения с другими системами видеонаблюдения.

В каких областях наиболее востребованы системы машинного зрения?

Владимир Плюснин
Региональный менеджер по продажам компании Basler AG

В России в настоящее время системы машинного зрения более всего востребованы в интеллектуальных транспортных системах (ИТС), безопасности и промышленности.
Рынки ритейла и медицины также стремительно развиваются.

Максим Сорока
Директор ООО "Витэк-Автоматика"

Если говорить о нашей стране, то это транспортные системы во всех проявлениях, интеллектуальные системы видеонаблюдения, ритейл, популярная ныне маркировка и только потом промышленность.
Начинает проявляться интерес и в сельском хозяйстве. Вызван такой перекос особенностями нашего экономического устройства. В развитых странах на первом месте промышленное производство, потом все остальное.

Владимир Слинько
Менеджер по развитию IoT-проектов компании Intel

Интерес к машинному зрению растет во многих областях. В первую очередь для него важна четкость постановки задачи:

1. Какие события и объекты нужно увидеть и распознать?
2. Это типовые объекты или специфичные (только для данного заказчика)?
3. Какая точность распознавания считается приемлемой?

На рынке уже есть много поставщиков алгоритмов и решений для массовых объектов (люди, автомобили, текст). Для уникальных объектов может потребоваться разработка детектора с нуля, что требует затрат времени и денег.
Граница между этими видами объектов нечеткая, и появляется все больше детекторов для новых применений. Таким образом, количество задач для машинного зрения постоянно растет.

Назовите основные отличительные черты камер машинного зрения

Владимир Плюснин, Basler AG

1. Исключительное качество изображения, которое содержит все необходимые детали для алгоритмов распознавания и достигается за счет самых прогрессивных сенсоров и отсутствия сжатия изображения.
2. Вариативность интерфейсов (GigE, USB 3.0, CoaxPress 2.0) и фпс (до 68 фпс в 4К).
3. Широкая номенклатура сенсоров, что в совокупности позволяет решать самые разные задачи и дает заказчику возможность покупать именно то, что нужно конкретно ему.

Максим Сорока, "Витэк-Автоматика"

Возможность получения высококачественного изображения для машинной обработки. Большое разнообразие сенсоров, в основном с глобальным затвором и размером пикселя от 2,5 мкм. Стандартные интерфейсы для оптики, богатый набор функций по управлению режимами съемки, стандартные интерфейсы для подключения к вычислителям, встраиваемым и удаленным, для обработки и записи изображений.

Владимир Слинько, Intel

Для машинного зрения нужно соответствие между характеристиками камер и намеченными объектами для распознавания в намеченных условиях эксплуатации. Если есть соответствие, то задача может быть решена. Для машинного зрения оптимальнее брать сразу IP-камеры, чтобы видеопоток был цифровым, и далее подбирать характеристики под задачу. Для систем видеонаблюдения хватало камер с более простыми характеристиками, поскольку интерпретацией видеозаписи занимался человек.

Есть ли перспектива у камер с линейными сенсорами?

Владимир Плюснин, Basler AG

С развитием матричных сенсоров спектр задач, решаемых матричными камерами, заметно увеличился и включил в себя в том числе и часть задач, решаемых ранее с помощью линейных камер. Отсутствие необходимости использовать энкодер, как в случае с линейными камерами, также говорит в пользу матричных.

Максим Сорока, "Витэк-Автоматика"

Линейные камеры – по-прежнему неплохой выбор в задачах визуального контроля рулонных материалов. Однако последние поколения сенсоров матричных камер практически лишают линейные камеры их главного преимущества – более высокой чувствительности за счет большего размера пикселя. Поэтому во многих задачах предпочтительным становится использование матричных камер на сенсорах последнего поколения ввиду очевидно лучшей цены, высокого качества изображения движущихся объектов даже при небольших экспозициях и богатых функциональных возможностей.

Владимир Слинько, Intel

Линейные сенсоры могут быть востребованы для машинного зрения на промышленном производстве с задачами анализа качества протяженных движущихся объектов – труб, металлопроката и т.д.
Вне этого сегмента удобнее работать с камерами с обычными прямоугольными сенсорами.

"Реализация положений постановления № 272. Опыт Калининградской области" читать >>>

Нужна ли совместимость камер машинного зрения с системами охранного видеонаблюдения?

Владимир Плюснин, Basler AG

Камеры машинного зрения встраиваются в системы обычного видеонаблюдения для решения дополнительных задач – идентификации людей или транспортных средств. Камеры машинного зрения требуют использования сетей с большой скоростью передачи данных (GigE или USB 3.0), поэтому встраивать их можно только с устройствами сжатия видеопотока, если сеть не обеспечивает нужной скорости передачи данных. В противном случае распознавание целесообразно производить на процессоре, непосредственно подключенном к камере, и передавать только результат распознавания.

Максим Сорока, "Витэк-Автоматика"

Поскольку природа камер машинного зрения в принципе другая (предполагается обработка исходных изображений, а не передача их в каком-то стандартном формате, как это присуще IP-камерам), то речь должна идти о совместимости скорее программно-аппаратных решений, сделанных на базе камер машинного зрения. Чаще всего такие решения представлены в виде комбинации камеры или камер и встраиваемой платформы, которые должны быть интегрированы с системами охранного видеонаблюдения. При этом встраиваемая платформа должна системой восприниматься как некая "суперкамера" – не дублирующая (в этом нет никакого смысла), но обеспечивающая за счет своих возможностей дополнительный, недоступный обычным, даже интеллектуальным, IP-камерам функционал.

Владимир Слинько, Intel

Если предполагается развитие системы охранного видеонаблюдения до задач автоматизированного распознавания, то совместимость нужна обязательно.

Целесообразна ли обработка видеосигнала непосредственно на камере машинного зрения?

Владимир Плюснин, Basler AG

В камерах машинного зрения уже возможна предобработка изображения, которая представляет из себя комбинацию функций повышения резкости, шумоподавления, сглаживания цветов и дебайеризации 5x5. Эти функции полезны практически в любом приложении и не создают никакой дополнительной нагрузки на центральный процессор. В случае необходимости использования более сложных вычислительных алгоритмов разумно воспользоваться мощным компактным одноплатным вычислителем, что и является сейчас одним из основных трендов в машинном зрении.

Максим Сорока, "Витэк-Автоматика"

Продолжая мысль о нецелесообразности дублирования камерами машинного зрения функционала IP-камер, в том числе со встроенной видеоаналитикой, обработка изображений, получаемых с камеры, иногда нескольких камер (например, на перекрестке), должна выполняться на отдельном вычислителе, который может, а в ряде случаев и должен располагаться рядом с камерой. Речь идет в первую очередь о задачах с высокими требованиями к качеству изображения, недоступному стандартным камерам в силу очевидных рыночных ограничений их стоимости и, как следствие, технического уровня, необходимости использования дополнительной информации от других датчиков, систем и/или камер, лидаров и другого оборудования.

Владимир Слинько, Intel

Важно различать обработку видеосигнала для общего повышения качества изображения (резкость, освещенность, снижение смазанности) от обработки машинного зрения (выявления объектов и событий). Это разные задачи, которые выполняются разным программным обеспечением и, как правило, на разных процессорах. Бывают ситуации, когда обработку машинного зрения выгодно разместить рядом с камерой (например, распознавание на входе в офис, распознавание номеров и скорости автомобилей, счетчик количества покупателей в очереди). В этих случаях задача относительно проста, а задержки или сбой в сетевом соединении могут сделать решение неприемлемым, или же хочется избежать перегрузки сетевого канала видеопотоками от большого количества камер.
Интеграция алгоритмов и вычислителей машинного зрения в корпус камеры выглядит привлекательно, но пока для большинства задач остается менее удобным вариантом.
Вычислитель, расположенный вне камеры, оставляет больше гибкости для обновления самого вычислителя и его программного обеспечения без замены камеры. Это особенно ценно для задач машинного зрения, которые находятся в развитии (например, уже можно распознавать людей и пересчитывать их, затем нужно распознавать, носят ли эти люди каску и жилеты на стройке, затем – увидеть на них медицинские маски и т.д.).

Иллюстрация к статье сгенерирована нейросетью Kandinsky 

Опубликовано в журнале "Системы безопасности" №5/2020