पायनियर्स: वीडियो एनालिटिक्स असामाजिक व्यवहार डिटेक्टर

यदि हम सुरक्षित शहर परियोजना के ढांचे में वीडियो निगरानी के बारे में बात करते हैं, तो यह स्पष्ट है कि इसका एक मुख्य कार्य "अवैध कार्यों की पहचान करना और रोकना" है। हमारे देश में झगड़े और गुंडागर्दी दुर्भाग्य से असामान्य नहीं है। इसीलिए हमने गुंडागर्दी, लड़ाई-झगड़े और झगड़े की स्वचालित पहचान के लिए एक मॉड्यूल विकसित करने का फैसला किया। चूंकि वीडियो एनालिटिक्स बाजार में झगड़े का कोई शुद्ध पता लगाने वाले नहीं हैं, इसके अलावा हमने जो विकास किया है, उसके इच्छुक लोगों के पास इसके संचालन और प्रभावशीलता के सिद्धांतों के बारे में कई सवाल हैं। आज हम लेख में इन सवालों के जवाब देना चाहते हैं और बाद में, इस पर आपकी टिप्पणियों में।

कॉल स्वीकार किया गया!

आज बाजार पर खतरनाक व्यवहार का पता लगाने के लिए व्यावहारिक रूप से ऑफ-द-शेल्फ व्यवसायिक समाधान नहीं हैं। सभी जो हम एनालॉग्स का अध्ययन करके खोजने में कामयाब रहे - कई वैज्ञानिक लेख और एक प्रोटोटाइप समाधान:
http://web.eee.sztaki.hu/home4/node/21
http://www.nlpr.ia.ac.cn/2012papers/gnhy/nh15.pdf
http://www.openu.ac.il/home/hassner/data/violentflows/violent_flows.pdf

कोई भी इस तरह के एक मॉड्यूल के विकास को नहीं लेता है, एक लड़ाई के बाद, विशेष रूप से इच्छुक कैमरों में, एक बहुत ही फजी व्यवहार पैटर्न है जिसे आसानी से चलने, द्रव्यमान आंदोलन आदि के साथ भ्रमित किया जा सकता है। इसके अलावा, यह पता लगाया गया है कि विभिन्न दूरी पर सार्वभौमिक पैटर्न को एकल करना बहुत मुश्किल है। कैमरे से वस्तुओं। हमने भी शुरुआत में हिम्मत नहीं की। लेकिन फिर उन्होंने देखा कि एक प्रोटोटाइप था जो कुछ का पता लगा रहा था, और सोचा: हम कोशिश क्यों नहीं करते? और, अजीब तरह से पर्याप्त, हम सफल रहे, और आज हम अपने ग्राहकों को एक काम करने वाले डिटेक्टर की पेशकश करते हैं।

विभिन्न अध्ययनों के अनुसार, 20 मिनट के अवलोकन के बाद, वीडियो निगरानी प्रणाली का ऑपरेटर केवल 20-30% आपातकालीन स्थितियों की निगरानी कर सकता है, क्योंकि उसका ध्यान बिखरा हुआ है, और देखे गए कैमरों की संख्या 16 से अधिक नहीं है। लेकिन 16 एक बहुत कुछ है: मानव कारक विफल हो जाता है जब मैन्युअल रूप से झगड़े का पता लगाता है। एल्गोरिथम वीडियो निगरानी में, हार्डवेयर-सॉफ़्टवेयर कॉम्प्लेक्स द्वारा प्राथमिक पता लगाया जाता है, लेकिन अंतिम निर्णय ऑपरेटर द्वारा किया जाता है। सुरक्षा प्रणाली के इस अनुकूलन के साथ, ऑपरेटर सैकड़ों वीडियो धाराओं को नियंत्रित कर सकता है।

डिटेक्टर ऑपरेशन सिद्धांत

तीन बिंदुओं पर, लड़ाई का पता इस तरह से होता है:

1. वस्तुओं (लोगों) के आंदोलन के इतिहास का विश्लेषण किया जाता है और आंदोलन के समग्र स्तर का निर्धारण किया जाता है;
2. आंदोलन में फटने और अनियमितताओं का पता लगाया जाता है, तेजी से आंदोलन (रनिंग) निर्धारित किया जाता है;
3. एकत्रित आँकड़ों के आधार पर, एक निर्णय गैर-मानक व्यवहार की उपस्थिति पर किया जाता है।




यदि वीडियो एनालिटिक्स को एक ऊर्ध्वाधर कैमरे में स्थापित किया गया है, तो दृश्य को कैलिब्रेट किया जाता है, सभी वस्तुओं का पता लगाया जाता है, वस्तुओं के "छोरों" के बारे में आंकड़े एकत्र किए जाते हैं (वीडियो पर हरे रंग के फ्रेम)। वीडियो एनालिटिक्स तेजी से, संकेंद्रित गति को अच्छी तरह से एकत्रित करता है, और जब एक निर्दिष्ट सीमा पार हो जाती है (समय, गति की मात्रा, आदि), एक विवाद डिटेक्टर चालू हो जाता है। यह दहलीज अनुकूली है, यह झूठी सकारात्मकता से बचने के लिए मंच पर आंदोलन की मात्रा के लिए अनुकूल है।



एक इच्छुक कैमरा अतिरिक्त अंशांकन का तात्पर्य करता है: आंकड़ों की गणना करते समय, कैमरे से ऑब्जेक्ट की दूरी को ध्यान में रखा जाता है, क्योंकि करीबी वस्तुएं दूर के लोगों की तुलना में कम वजन देती हैं। शेष बिंदु ऊर्ध्वाधर कैमरा कोण के साथ काम करने की बारीकियों के समान हैं।

समस्याएं और समाधान

सबसे लोकप्रिय प्रश्न हम डिटेक्टर असामाजिक व्यवहार के बारे में पूछा, कुछ इस तरह चला जाता है: "कैसे अपनी यूनिट दो व्यक्तियों के बीच चुंबन की एक जोड़ी की सुविधा होगी है दूसरे की गला काटना?" वास्तव में, वहाँ वस्तुओं के किसी भी अचानक आंदोलनों के अभाव में खतरनाक स्थिति की पहचान करने के लिए एक निश्चित कठिनाई है। हमारा डिटेक्टर एक अचानक आंदोलन के लिए सटीक रूप से प्रतिक्रिया करता है, इसलिए, यदि एक हत्यारे ने आपके ऊपर चढ़ाई की और सावधानी से एक चाकू घाव पर लगाया, तो डिटेक्टर जवाब नहीं देगा। लेकिन अगर आपके चेहरे में अपने हाथों को लहराते हुए एक शिथिल क्षेत्र के सबसे शांतिपूर्ण निवासी नहीं हैं, तो घटना तुरंत बन जाएगी। लेकिन, मूक किराए पर हत्यारों पर जीवंत युवाओं की व्यापकता को देखते हुए, एक तेज आंदोलन के आधार पर पता लगाना खुद को पूरी तरह से सही ठहराता है।

अंशांकन के लिए, हमने एक संवेदनशीलता सेटिंग जोड़ी, जो हमें भारी संख्या में झूठी सकारात्मक कटौती करने की अनुमति देती है। सेटिंग नियंत्रित करती है कि फ़्रेम में आंदोलन को लड़ाई के रूप में कितना तीव्र माना जाएगा। उच्च संवेदनशीलता के साथ, किसी अन्य व्यक्ति को संबोधित एक न्यूनतम अराजक इशारा भी पर्याप्त है। कम संवेदनशीलता पर, सिस्टम बहुत ऊर्जावान आंदोलनों का जवाब देगा। आंदोलन की तीव्रता वस्तु के लिए आंदोलन के छोरों के विशिष्ट "द्रव्यमान" द्वारा निर्धारित की जाती है, जो कि आसपास के क्षेत्र में केंद्रित कई आंदोलनों के बाद ही रहती है।

सटीकता संकेतक

उचित अंशांकन के साथ, सीलिंग कैमरों के लिए सटीकता और झूठे सकारात्मकता का अनुपात सड़क वीडियो विश्लेषण के साथ 90 - 10 प्रतिशत होगा, 80 से 20 प्रतिशत।

लड़ाई का पता लगाने वाले मॉड्यूल को लॉन्च करते समय हमें एक और कठिनाई का सामना करना पड़ा, जो अल्पकालिक अलार्म स्थितियों की पहचान करने में कठिनाई थी। पर्याप्त आंकड़े जमा करने और यह समझने के लिए कि यह स्पष्ट रूप से एक खतरनाक स्थिति है, कम से कम 10 सेकंड लगते हैं, कम समय झूठी सकारात्मकता उत्पन्न करेगा। अब तक, हमारे पास इस समस्या का कोई तैयार समाधान नहीं है, लेकिन हम सक्रिय रूप से विकल्पों पर काम कर रहे हैं।

मॉड्यूल की स्थापना करते समय, ऑपरेटर एक समय सीमा निर्धारित कर सकता है, जिस पर लड़ाई को एक अलार्म इवेंट के रूप में पंजीकृत किया जाएगा। यह समय बदलता रहता है और ग्राहक की जरूरतों पर निर्भर करता है, लेकिन हम इसे 15 सेकंड से अधिक समय तक सेट करने की अनुशंसा नहीं करते हैं।

और आखिरी कठिनाई जो हमें अपने मॉड्यूल पर काम करने की प्रक्रिया में सामना करना पड़ा, वह फ्रेम में आंदोलन के एक समान समग्र स्तर (कारों की कमी, बड़ी चलती वस्तुओं) की आवश्यकता है। तथ्य यह है कि कारें अच्छे छोरों को उत्पन्न करती हैं, खासकर त्वरण और ब्रेकिंग के दौरान। इस कारण से, आज हमारा फाइट डिटेक्शन मॉड्यूल सार्वजनिक परिवहन, शॉपिंग सेंटर और अन्य भीड़-भाड़ वाले स्थानों के लिए उपयुक्त है, लेकिन व्यस्त सड़क पर वीडियो निगरानी के लिए उपयुक्त नहीं है। वस्तुओं और उनके वर्गीकरण के अधिक सटीक चयन से स्थिति को ठीक किया जा सकता है, जिसे हम, अन्य चीजों के अलावा, वर्तमान में काम कर रहे हैं।

प्राथमिकता

जाहिर है, वीडियो एनालिटिक कॉम्प्लेक्स की स्थापना कभी भी विशुद्ध रूप से विवाद डिटेक्टर तक सीमित नहीं है - उद्योग पर निर्भर करता है, एक परित्यक्त वस्तु या चेहरे की पहचान का पता लगाने के लिए एक डिटेक्टर और अन्य को जोड़ा जाता है। मामले में जब वीडियो एनालिटिक्स कई अलग-अलग प्रकार की घटनाओं (एक बंद क्षेत्र में या पटरियों पर गिरने वाले व्यक्ति के रूप में) उत्पन्न करता है, तो इस या उस प्रकार की घटना की प्राथमिकता को निर्धारित करना आवश्यक है। हमने डेटा रैंकिंग सिस्टम के साथ इस समस्या को सफलतापूर्वक हल किया है। यदि सिस्टम की स्थापना के दौरान गार्ड ऐसी घटना के लिए "लड़ाई" के रूप में एक उच्च प्राथमिकता निर्धारित करता है, तो जब यह घटनाओं की सूची में प्रकट होता है, तो यह पहले आएगा।

संभावनाओं

आज, वैश्विक सुरक्षा प्रणालियों के बाजार में एक बहुत आशाजनक क्षेत्र विकसित हो रहा है - ऑडियो एनालिटिक्स। सबसे अच्छा, यह मानव चीख, गोलियों की आवाज़ और टूटे हुए कांच की आवाज़ का पता लगाता है, उन्हें मिश्रित शहर के शोर से अलग करता है। और यह, जैसा कि हम इसे समझते हैं, असामाजिक व्यवहार का सबसे स्पष्ट संकेत है। इस तरह, ऑडियो विश्लेषिकी असामान्य स्थितियों का पता लगा सकती है जो कैमरे के देखने के क्षेत्र के बाहर होती हैं। वीडियो एनालिटिक्स के साथ मिलकर, ऑडियो एनालिटिक्स शहर की सड़कों पर और भीड़-भाड़ वाली जगहों पर सुरक्षा के स्तर को काफी बढ़ा देता है।