Analytika videa

Aktuální verze stránky ještě nebyla zkontrolována zkušenými přispěvateli a může se výrazně lišit od verze recenzované 31. března 2020; kontroly vyžadují 5 úprav .

Video analytika  je technologie, která využívá metody počítačového vidění k automatickému získávání různých dat na základě analýzy sekvence snímků pocházejících z videokamer v reálném čase nebo z archivovaných záznamů. Video analytics je software pro práci s video obsahem. Software je založen na sadě algoritmů strojového vidění, které umožňují sledování videa a analýzu dat bez přímého lidského zásahu. Algoritmy pro analýzu videa lze integrovat do různých obchodních systémů, nejčastěji používaných ve video dohledu a dalších oblastech zabezpečení.

Funkce analýzy videa

Analýza videa automatizuje čtyři bezpečnostní funkce:

Všechny čtyři funkce jsou vykonávány opakovaně, což zajišťuje průběžné zpřesňování hypotéz o počtu, umístění a typech objektů v kontrolovaném prostoru a také eliminaci redundance ve výsledcích. Analytika perimetru provádí všechny čtyři funkce: přímá detekce, sledování (aby se zabránilo opakovaným poplachům na jednom objektu), rozpoznávání (pro minimalizaci falešných poplachů způsobených zvířaty a jiným „hlukem“ okolního světa) a predikce (pro sledování, když se objekt dočasně objeví zmizí z pole). Rozpoznávání lze chápat jako širokou škálu úkolů – od klasifikace objektu podle cíle/šumu až po identifikaci nebo ověření objektu pomocí biometrických znaků.

Technologie rozpoznávání obličeje založená na obličejové biometrii je vrcholem video analýzy: představuje nejsložitější úkoly a využívá širokou škálu matematických nástrojů. Na jedné straně biometrický systém implementuje rozpoznávací funkci vytvořením pravděpodobnostního spojení mezi obrázkem a identifikátory osob registrovaných v databázi. Na druhou stranu biometrický systém vyžaduje bezchybné funkce detekce a sledování.

Příklady úspěšně vyřešených úloh pomocí funkcí video analýzy:

  1. Rozpoznávání pro účely počítání osob a vozidel
  2. Rozpoznávání SPZ (na vozidlech, bankovkách, dokladech atd.)
  3. Detekce událostí (pohyby, pohyby, překračování povolených čar a hranic, pobyt v zónách, házení předmětů přes plot atd.)
  4. Detekce nebezpečných situací (davy lidí, opuštěné objekty, požáry a kouř atd.)
  5. Rozpoznávání lidských tváří a jejich vyhledávání v databázích

Aplikace video analytiky

Využití video analytiky umožňuje automaticky, bez lidského zásahu, řešit úkoly během video dohledu , které jsou obvykle pouze v silách lidského zraku. Tato technologie se používá jak k zajištění bezpečnosti, tak ke zlepšení efektivity podnikání v obchodu, finančním sektoru a dopravě.

Funkce Oblasti použití
Rozpoznávání objektů Zabezpečení, počítání předmětů v obchodě a dopravě
Detekce událostí Bezpečnost, personální kontrola
Analýza aktivity objektu Zlepšení kvality služeb

Komerční využití analýzy videa

Video analytika se často používá k získání objektivního hodnocení výkonnosti podniku, protože je schopna kontinuálního a automatizovaného sběru dat, který nezávisí na lidském faktoru, a kdykoli generuje zprávy na žádost uživatele. Technologii analýzy videa používají maloobchodníci , banky, nákupní centra a výrobci FMCG .

Technologie video analýzy se široce používají k řešení složitých bezpečnostních problémů a poskytují statistická a marketingová data. Analýza videa analyzuje následující parametry:

Počítání osob a vozidel

Funkce videoanalytického systému při počítání
  • Počítání lidí a vozidel v reálném čase
  • Sběr a analýza kvantitativních dat shromážděných jako výsledek práce algoritmů pro počítání
Počítání podnikatelů se provádí za účelem výpočtu několika důležitých metrik obchodní výkonnosti:
  1. CPM (cena za míli nebo cena za tisíc – prodej na tisíc návštěvníků)
  2. SSF (prodej na čtvereční stopu nebo prodej na jednotku plochy – počet prodejů na jednotku plochy)
Obchodní příležitosti Prognóza prodeje založená na údajích o reálném toku návštěvníků/kupujících Hodnocení obchodní výkonnosti, výpočet konverzního poměru en:Konverzní poměr na základě statistických údajů o návštěvnosti objektu Propojení motivačního systému zaměstnanců na konverzní poměr en:Conversion rate Analýza kvality využití kapacit: obchodní prostory, práce personálu Hodnocení efektivity reklamních kampaní a investic do PR a marketingu na základě údajů o návštěvnosti stránek Snížení nákladů na zaměstnance, přizpůsobení počtu zaměstnanců na směnu a rozvrhu zařízení v souladu s intenzitou návštěvnosti

Automatická analýza video obrazu omezené oblasti

Funkce videoanalytického systému v perimetrické analýze
  • Počítání počtu objektů v omezeném obvodu
  • Identifikace objektů umístěných v perimetru podle určitých charakteristik (identifikace personálu podle uniformy atd.)
  • Výpočet doby zpoždění objektů v daném perimetru
  • Sledování aktivity objektů v daném perimetru (detekce pohybu, absence faktů v perimetru atd.)
Obchodní příležitosti Výpočet optimálního počtu obsluhy na základě údajů o chování návštěvníků Fixace personální činnosti pro následné vyhledávání ve videoarchivu při analýze konfliktních situací Hodnocení efektivity reklamních kampaní a jejich úprava Poskytování informací prodejcům o účinnosti propagačních akcí Prevence krádeží finančních prostředků a zboží (kontrola pokladních prostor, skladů, prostor příjmu zboží atd.) Analýza aktivity návštěvníků / nakupujících prodejny ve vybraných oblastech Výpočet konverzního poměru pro vybraná oddělení.

Video analytika v problémech průmyslové bezpečnosti

V červenci 2019 na mezinárodní průmyslové výstavě Innoprom-2019 IT společnost Croc poprvé představila komplexní řešení pro analýzu videa pro ochranu práce a průmyslovou bezpečnost. Vyvinutý systém s využitím technologií založených na trénovaných neuronových sítích umožňuje analyzovat video stream z CCTV kamer , sledovat události podle zadaných parametrů a vizuálně zobrazovat situaci na 3D modelu průmyslového zařízení online. S pomocí takového nástroje budou podniky schopny zajistit hladký provoz zařízení a snížit riziko pracovních úrazů. Analytiku videa lze také integrovat s průmyslovými nositelnými zařízeními [1] .

Případy použití průmyslové analýzy videa
  • identifikace skutečností nedostatku osobních ochranných prostředků (OOPP)
  • sledování polohy zaměstnanců
  • rozpoznání porušení bezpečnostních předpisů při práci ve výškách
  • kontrola přístupu do nebezpečných oblastí
  • monitorování výrobních oblastí a infrastruktury
  • vyšetřování incidentu

Výzkum ve video analytice

Analýza video dat je podmnožinou počítačového vidění a umělé inteligence . Významný vědecký výzkum v těchto oblastech probíhá na University of Calgary, University of Waterloo , Kingston University , Georgia Institute of Technology , Carnegie Mellon University , West Virginia University a British Columbia Institute of Technology.

Rozvoj video analytiky v Rusku

Vědecký výzkum v oblasti počítačového vidění a umělé inteligence probíhá v Rusku od roku 2000 na základě výzkumných center [2] a několika velkých univerzit [3] .

V Rusku se až donedávna používaly algoritmy pro analýzu videa hlavně pro detekci událostí, počítání návštěvníků , rozpoznávání nebezpečných objektů a identifikaci obličejů, aby byla zajištěna bezpečnost v různých zařízeních: chráněné oblasti, doprava (letiště, železniční doprava, rozpoznávání SPZ pro provoz policie), stejně jako ve státních zařízeních.

Moderní vývoj v oblasti analýzy videa je schopen řešit širokou škálu komerčních úkolů . Algoritmy mohou shromažďovat a analyzovat důležité marketingové informace v reálném čase (počítání osob a vozidel, analýza front, sledování aktivity lidí v určitých oblastech). Vysoká přesnost a spolehlivost dat získaných v důsledku provozu systémů pro analýzu videa je potvrzena rozšířeným používáním algoritmů v podnikání.

Viz také

Poznámky

  1. CROC představil analýzu průmyslového videa . Získáno 31. března 2020. Archivováno z originálu dne 24. září 2020.
  2. Vynálezy Ruska // Stereoskopické počítačové vidění . Získáno 25. března 2022. Archivováno z originálu dne 21. února 2020.
  3. Rada pro modernizaci hospodářství a inovační rozvoj Ruska (nepřístupný odkaz) . Získáno 19. července 2012. Archivováno z originálu 13. října 2016. 

Články

Literatura