Подписка
МЕНЮ
Подписка

Форум All-over-IP 2024 | Москва, DoubleTree by Hilton | 12-13 ноября  Искусственный интеллект и машинное обучение | Цифровая трансформация для  предприятий | СКУД и видеоаналитика для контроля бизнес-процессов |  Автоматизация управления данными | ЦОД и дата-центры | Автоматизация ЖК   Регистрируйтесь и приходите!

Нейросетевая видеоаналитика на скоростных магистралях

Валентин Подловченко, 25/04/23

Средняя скорость движения автомобилей по магистралям существенно превышает таковую в пределах населенных пунктов. Отсутствие светофоров, лежачих полицейских и других факторов, регулярно снижающих скорость потока, делают аварии на магистралях особенно опасными. Даже небольшое ДТП с участием двух автомобилей со временем может разрастись до 4–5 и более машин. Многие водители часто не задумываются об опасности и покидают транспортные средства, чтобы оценить ущерб имуществу, из-за чего сильно возрастает вероятность человеческих жертв.

Реагировать на инциденты в пределах скоростных дорог необходимо с максимальной оперативностью: в зависимости от ситуации направить наряд, скорую помощь, полицию или эвакуатор. Человеческих ресурсов недостаточно для круглосуточного качественного наблюдения за каждым участком скоростных дорог на всем их протяжении. Уже через 20 мин. пристального контроля за происходящим на экранах большинство операторов снижают концентрацию, и повышается шанс упустить важное событие.

Что может видеоаналитика?

С помощью видеоаналитики можно следить за магистралями 24/7, мгновенно определять возникновение инцидента, классифицировать его и информировать дежурного оператора для принятия решения о необходимых действиях.

Переложив основные функции наблюдения на программно-аппаратный комплекс интеллектуального видеоанализа, оператору нужно лишь реагировать на возникшие нештатные ситуации, без пристального контроля каждой из зон наблюдения. В случае произошедшего инцидента благодаря видеоаналитике поиск необходимого фрагмента в архиве по событиям займет существенно меньше времени, чем при линейном поиске нужного фрагмента.

Принцип работы программно-аппаратного комплекса

Видеоаналитика – это программное обеспечение для работы с видеоконтентом. В его основе лежит комплекс алгоритмов машинного зрения, позволяющих вести видеомониторинг и производить анализ данных без прямого участия человека. Технология представляет собой методы компьютерного зрения для автоматизированного получения различных данных на основании анализа последовательности изображений, поступающих с видеокамер в режиме реального времени или из архивных записей.

Принцип работы таков: система подключается к установленным вдоль магистрали камерам видеонаблюдения. Кадры, поступающие с видеокамер, обрабатываются системой видеоаналитики и определяют различные объекты – машины, грузовики, людей, малые архитектурные формы (МАФ) и др., после чего найденные объекты проецируются на дорогу с разметкой.

рис1 (14)-1

Рис. 1. Примеры работы системы видеоаналитики с подсчетом автотранспорта, распознаванием инцидентов и сбором данных для аналитики

В зависимости от настроек алгоритмы определяют, выходит ли зафиксированная на кадрах ситуация за рамки нормальной и нужно ли информировать об этом человека – оператора дежурной смены.
К основным типам инцидентов, которые необходимо фиксировать системам видеоаналитики, относятся:

  1. Определение объектов в заданной зоне наблюдения.
  2. Вторжение транспортного средства в запрещенную зону.
  3. Определение наличия припаркованной машины (остановки) в выделенной зоне.
  4. Детекция движения в запрещенном направлении.
  5. Определение нештатной остановки транспортного средства.
  6. Детекция пересечения сплошной линии.
  7. Подсчет транспортных средств на полосе.
  8. Детекция пробок.
  9. Детекция превышения скоростного режима.
  10. Скорость транспортного средства ниже минимальной.

Программные модули и системы видеоаналитики. Выбрать >>

рис2 (2)-Apr-25-2023-03-59-46-5142-AMРис. 2. Пример фиксации объекта в заданной зоне, вторжения транспортного средства в запрещенную зону, наличия припаркованной машины в выделенной зоне

рис3 (2)-2Рис. 3. Пример фиксации движения в запрещенном направлении, нештатной остановки транспортного средства

рис4 (2)-1Рис. 4. Пример фиксации пересечения сплошной линии

Выбор архитектуры для системы видеоаналитики

Существует несколько архитектурных решений для построения системы видеоаналитики, каждое из них имеет свои плюсы и минусы.

Детекция по фото

Система с заданной периодичностью подключается к камере, делает фотоснимок и производит аналитику на сервере ЦОД, после чего принимает решение об информировании людей, если инцидент зафиксирован.

Плюсы: малозатратно в плане вычислительных ресурсов – меньше процессорного времени, меньше памяти, меньше пропускной способности сети.

Минусы: низкая скорость реагирования на инцидент относительно других вариантов архитектуры, возможно фиксировать ограниченное число типов инцидентов.

Детекция на видеопотоке с аналитикой на сервере ЦОД

Информация со всех камер стекается в единый центр управления дорожным движением, где установлен мощный компьютер для постоянной обработки видео с каждой камеры. Постоянная обработка увеличивает скорость реакции и позволяет определять типы инцидентов, которые нельзя выявить с помощью детекции по фото.

Плюсы: повышенная относительно предыдущего варианта скорость реагирования на инцидент, расширенные возможности по фиксации типов инцидентов.

Минусы: повышенные требования к пропускной способности сети.

Детекция на видеопотоке с аналитикой на микрокомпьютере

Рядом с камерами устанавливаются небольшие компьютеры, которые занимаются аналитикой "на местах", а в единый центр управления дорожным движением отправляются только зафиксированные инциденты.

Плюсы: максимальная скорость реагирования на инцидент, не требует высокой пропускной способности сети.

Минусы: затратно с точки зрения обслуживания.

Вне зависимости от варианта установленной архитектуры любой из подходов влечет за собой следующие положительные эффекты:

  • уменьшение трудозатрат на мониторинг объектов;
  • увеличение скорости реакции на нештатные ситуации;
  • повышение эффективности операторов дежурной смены;
  • возможность дополнительной аналитики на основе собранных данных (выявление наиболее аварийных мест, необходимость изменений в схеме движения и др.).

Таблица 1. Сравнение архитектурных подходов к видеоаналитикетабл1-Apr-25-2023-04-02-18-0671-AM

Возможности системы видеоаналитики

Очевидно, что подобная система может применяться не только в дорожно-транспортной сфере.

Хорошо проработанная система видеоаналитики обладает возможностями гибкой настройки заданий мониторинга и может быть адаптирована под производственные задачи, маркетинговые исследования, управление безопасностью в городской среде, на общественном транспорте и др. Например, на общественном транспорте видеоаналитика может определять:

  • загрузку остановочных пунктов;
  • загруженность транспортных средств, пассажиропоток.

Для решения задач городской безопасности функциями видеоаналитики могут быть:

  • определение скопления людей;
  • детектирование возгорания;
  • детектирование мусора в городской черте.

В аэропортах:

  • детекция вторжения в зону;
  • фиксация несанкционированного движения на взлетной полосе;
  • детекция оставленных вещей;
  • подсчет входящих и выходящих потоков людей.

На производстве:

  • детекция наличия СИЗ;
  • контроль нахождения людей в опасной зоне.

В торговых центрах и супермаркетах:

  • определение тепловых зон скопления людей для анализа востребованности тех или иных услуг;
  • анализ потребительского поведения.

Таблица 2. Применение вариантов архитектуры в разрезе типов инцидентовтабл2-Apr-25-2023-04-03-03-7502-AM

Результаты пилотного внедрения видеоаналитики

В качестве примера приведу проверку работоспособности и эффективности видеоаналитики в ходе пилотного внедрения на одной из самых загруженных скоростных магистралей России.

Цели, которые были установлены для пилотного внедрения:

  • Детектирование нештатных ситуаций на скоростных магистралях для своевременного информирования дежурной смены ситуационного центра.
  • Использование существующей инфраструктуры с целью масштабирования системы на другие участки улично-дорожной сети без существенных капиталовложений.
  • Минимизация задействованных для функционирования системы серверных мощностей.
  • Минимизация генерации ложных инцидентов.
  • Исключение дублирования выявленных инцидентов для уменьшения нагрузки на дежурную смену.
  • Достижение максимальной степени достоверности и важности выявленных инцидентов.

рис5-Apr-25-2023-04-09-18-9188-AMРис. 5. Пример подсчета транспортных средств на полосе, фиксации пробок 7–8

рис6-Apr-25-2023-04-09-47-7342-AMРис. 6. Пример фиксации превышения скоростного режима, скорости транспортного средства ниже минимальной

В результате было реализовано детектирование инцидентов "нештатная остановка в полосе движения" на 234 тестовых камерах. В ходе пилотного внедрения достигнуты следующие показатели детектирования:

  • среднее количество инцидентов в день – 54;
  • среднее количество инцидентов в неделю – 336;
  • среднее количество инцидентов в месяц – 1 568;
  • достоверность – более 90%.

Помимо этого, был внедрен демонстрационный интерактивный дашборд, который позволяет получать информацию об инцидентах, местах их возникновения и длительности. На дашборд может выводиться местоположение дежурных автомобилей дорожного патруля, которые оперативно информируются об инцидентах через Telegram.

рис7-Apr-25-2023-04-10-05-4380-AMРис. 7. Подсчет пассажиропотока на общественном транспорте

Эффективность видеоаналитики

Городские дороги и магистрали уже сейчас оснащены всевозможными камерами наблюдения. Грамотные системы видеоаналитики позволяют интегрировать и использовать имеющуюся инфраструктуру для покрытия 100% дорожной сети. Однако при такой высокой плотности покрытия абсолютно необходимо, чтобы система видеоаналитики не генерировала ложных срабатываний, из-за которых может рухнуть вся эффективность работы дежурной смены. Качественная система фиксирует только реальные инциденты, не забивая эфир операторов информационным шумом и позволяя достичь поставленных целей по мгновенному реагированию на происшествие.

Таким образом, можно уже сейчас говорить о том, что нейросетевая видеоаналитика справляется с поставленными задачами: позволяет повысить безопасность на дорогах, снизить смертность в ходе дорожных происшествий, повысить скорость реакции на инцидент и разрешить его в кратчайшие сроки.

Опубликовано в журнале "Системы безопасности" № 1/2023

Все статьи журнала "Системы безопасности"
доступны для скачивания в iMag >>

Бюджетные видеокамеры >>

Фото: fore-vision.com

Темы:ВидеонаблюдениеВидеоаналитикаТранспортная безопасностьЖурнал "Системы безопасности" №1/2023
Статьи по той же темеСтатьи по той же теме

Хотите участвовать?

Выберите вариант!

 

КАЛЕНДАРЬ МЕРОПРИЯТИЙ
ПОСЕТИТЬ МЕРОПРИЯТИЯ
ВЫСТУПИТЬ НА КОНФЕРЕНЦИЯХ
СТАТЬ РЕКЛАМОДАТЕЛЕМ
Комментарии

More...

More...