با عضويت دركانال رسمي ايران آلارم در تلگرام از آخرين اخبار و سمينارها مطلع شويد ورود به کانال

Arrow up
Arrow down


تحليل ويدئوي هوشمند

در صنعت حفاظت، موضوع بحث ما چندين عنوان دارد ، دو تا از متداول ترين عناوين رايج، IVA (تحليل ويدئوي هوشمند) و VCA (تحليل محتواي ويدئو) هستند. گونه هاي متعددي از اينها وجود دارند، ولي VCA دقيق ترين عبارت براي تشريح اين مبحث در حال تحول است، به طوريکه زدن برچسب هوشمند به يک سيستم فني در معناي واقعي کلمه دشوار است. تمام انواع VCA تکنولوژي هستند که جهت تحليل تصوير براي داده ها، رفتار، عوامل يا حالات خاص به کار مي رود.
امروزه، مقادير زيادي از داده هاي ويدئوئي در کاربردهاي خانگي و شرکتي وجود دارند، اما تعامل با تصوير ذخيره شده در بانک هاي داده نياز به ابزار هاي بهتر براي توضيح ، سازماندهي و مديريت آن داده ويدئوئي دارد. به اين دليل، شرکت هاي خصوصي و موسسات تحقيقاتي در پروژه هاي پژوهشي براي کشف امکانات توضيح و دسته بندي خودکار مفهوم چندرسانه اي و ويدئو در حالت خاص، با يکديگر همکاری کردند. البته تشريح تئوری مفهوم ويدئو، خيلي وقت می برد و روش هاي اتوماتيک شده مورد نياز هستند.
تصور کنيد اگر تمام تصاوير ويدئويي روي رسانه های اجتماعی مي توانستند به طور خودکار به وسيله يک اپليکيشن نرم افزاري توضيح داده شوند، آنگاه عمل جستجو در آرشيو تصويري به راحتی بر اساس عناوين تگ شده توسط کاربری که فيلم را آپلود کرده، صورت می پذيرفت.
البته مقادير زيادي از تصاوير هم در تجهيزات امنيتي پيدا مي شوند که با دوربين ها سر و کار دارند. گرايش به VCA در طي سال هاي اخير افزايش يافته است و نقطه تمرکز در اين مقاله خواهد بود. در حفاظت، VCA به طور اساسي در تحليل زنده تصوير به کار مي رود. به هر ترتيب، آن مي تواند براي تصوير ضبط شده اسکن شده با تعيين پارامترهاي مشخص براي نرم افزار جستجو به کار برود، که بطور بالقوه يک عملکرد صرفه جويي زماني بسيار زياد دارد که ارزش نصب VCA را افزايش می دهد.
ما براي روشن کردن اينکه چرا نصب ويدئويي مي تواند با عناوين ويدئوی هوشمند يا تحليلي بيان شود، مثالي از يک مرکز خريد مي زنيم. بطور اصولي تعدادي از دوربين ها کم و بيش مستقيما به يک تعداد از نمايشگرها متصلند که بعضي اوقات توسط کاربرها تماشا مي شوند و شايد هم ضبط شوند. معمولا اگر هر تصوير براي مقاصد نمايشي بزرگنمايي شود، پردازش تصوير انجام مي شود. هر تحليل و درکي از آنچه در منطقه تحت نظارت در حال وقوع است، در بخش کاربران مي باشد. خوشبختانه بيشتر زمان ها، چيز خاص يا اتفاقات تهديد آميزي رخ نمي دهد. متاسفانه ، تحقيقات نشان مي دهند که حتي کاربران آموزش ديده طی 22 دقيقه ، 90% توجه شان را از دست مي دهند. با توجه به اين آمار ، احتمال اينکه از يک رخداد بحراني به لطف وجود دوربين جلوگيری شود يا توسط نگهبانان متوقف شود، بسيار کم خواهد بود. بررسي آنچه در طول و پس از آن واقعه اتفاق مي افتد، از قبل، بايد با اسکن کردن تصاوير ضبط شده به صورت دستي انجام شود، يک کار ذاتا سنگين و وقت تلف کن. از آنجائيکه هيچ پشتيباني واقعي و لحظه ای به وسيله سيستم ارائه نمي شود، نه در حال ضبط تصوير و نه پس از آن، چنين سيستمي نمي تواند به عنوان يک سيستم تحليلي يا هوشمند دسته بندي شود.

حفاظت و امنیت, سیستم های حفاظتی, حفاظت, دوربین مداربسته, حفاظت ساختمان, حفاظتی, سیستم های حفاظتی, امنیت, استانداردحفاظت مغازه , مرکز بین المللی آموزش, کنترل حفاظت ساختمان, کنترل حفاظت مغازه, کنترل هوشمند حفاظت و امنیت, کنترل dvr,  , اخبار حفاظت, خرید دوربین مداربسته, هتل حفاظتی, مدرک بین المللی سیستم حفاظت و امنیت,خرید دوربین مداربسته,دوربین مداربسته ارزان

توضيح شکل: قبل از اينکه هر تحليلي صورت گيرد، متا – ديتا از نوار ويدئو بايد استخراج شود. متا ديتا شامل اطلاعاتي چون سرعت، اندازه و موقعيت اشياء است.

VCAچيست؟

برخلاف مثال مرکز خريد، انتظار مي رود تحليل محتواي ويدئو(VCA) با به کارگيری تعدادي از توابع خودکار، حداقل تا حدودي بر محدوديت هاي کاربر هم در بررسي لحظه ای و زنده تصاوير و نيز در بررسی تصاوير ضبط شده فائق آيد.
پيش از پرداختن به عمق تکنولوژي VCA، يک نوع اساسي تر از علم تحليل ويدئو براي بيش از 20 سال در دسترس بوده است که آشکارسازي حرکت ويدئوئي (VMD) ناميده مي شود. آشکارسازي حرکت امروزه يک امکان پيشرفته در بسياي از دوربين هاي ويدئوئي ديجيتال و سيستم هاي مديريت ويدئوئي است. VMD به تغييرات يک تصوير در مقياس پيکسل (حرکت) نگاه مي کند و اگر تغيير بيش از يک آستانه تعريف شده توسط کاربر باشد، آن را اعلام حرکت می کند.
از آنجاييکه تکنولوژی VMD بسيار ساده می باشد، معمولا با آلارم های خطا همراه است. به اين معنی که اعلام خطر می کنند در حاليکه پس از بررسی تصوير مشاهده می شود هيچ اتفاق خاصی يا حتی حرکتی صورت نگرفته است.
لذا، VDM خيلي هوشمند به نظر نمی رسد. پس آن چيست که يک سيستم تحليل محتواي ويدئو را هوشمند مي کند و آيا مي توان کل صحنه را يک هوش سيستم علم تحليل ويدئوئي ناميد؟ اگر مجددا به مثال مرکز خريد بازگرديم، و حال آنرا با يک سيستم تحليل محتواي ويدئو تجهيز کنيم، مي توانيم تعدادي از بهينه سازی ها را ببينيم:
 چون مرکز خريد شامل تعدادي از فروشگاه ها، ورودي ها/خروجي ها، فضاهاي باز و راهروي سالن هاست، در سيستم معمول، به دست آوردن يک چشم انداز خوب از کل مرکز خريد يک چالش است. در هر حال، يک سيستم VCA ارتباط ميان شبکه فيزيکي ورودي ها/خروجي ها، راه هاي سالن ها و... با شبکه دوربين هاي تعبيه شده در مرکز خريد را مي داند. علاوه بر اين، سيستم VCA مي تواند افراد و اشياء را از طريق اين شبکه به طريقي پايدار تعقيب کند. بدين وسيله کاربرها يک چشم انداز کاملا بهبود يافته از مرکز خريد را مي بينند. براي نمونه، درخواست اينکه يک مهاجم يا دشمن از کجا آمده است يا شايد مهمتر از آن، به کجا مي تواند بدود يا کجا مي توان جلوي او را سد کرد، از سيستمVCA ممکن مي شود.
 ممکنست توجه ويژه لحظه به لحظه به نقاط مشخص از مرکز خريد ضروري باشد. يک تشکيلات معمولي نياز خواهد داشت که يک کاربر به شکل دستي اين مناطق را به دقت مشاهده نمايد که با توجه به کم شدن توجه کاربر اول به ديگر نواحی به يک کاربر ديگر نياز خواهد بود. در يک محصول VCA، کاربر مي تواند يک ناحيه حفاظتي مجازي و قوانين وابسته براي راه انداختن هشدارها را تعريف کند. او مي تواند هنگاميکه سيستم VCA تنها در رويدادهاي خاص، هشدارها و نواحي تعريف شده را رصد مي کند، وظايف عادي خود را انجام دهد.
 در صورت نقض قانون تعريف شده، کاربر آگاه مي شود ولي يک دوربين HDTV مجهز به پن/ تيلت/ زوم نيز مي تواند به طور خودکار به سوي موقعيت رخداد جهت دهي شود تا تصاوير با کيفيت بالايي از حادثه ضبط کند.
 يک سيستم VCA ممکنست شامل مدول هايي براي مشخصات بيومتريک باشد، مثلا براي مشخصات کاربراني که خودشان وارد مناطق حساس مي شوند.
VCA چطور کار مي کند؟
VCA از طريق خلق و تحليل متا ديتا امکان پذير مي شود. مثال نوعي از متا ديتا عبارتست از:
 اندازه شيء و موقعيت در يک تصوير،
 سرعت شيء،
 پلاک تحت ليسانس.
به بيان ديگر، متا ديتا داده اي درمورد داده است يا داده اي که محتواهاي يک تصوير را شرح مي دهد. چون اين داده ها آنگاه براي تحليل هاي بيشتر ارسال مي شوند، واضح است که ماهيت و کيفيت داده از اهميت برخوردار است.
ابتدا مهم است که فقط اشياء حقيقي تشريح گردند و حرکت نباتات در باد و يا يک سايه روي زمين به طور غلط به عنوان يک شيء حقيقي گزارش نشود.
در وهله دوم، به اندازه کافي دقيق بودن متا ديتا حائز اهميت است. مثال واضح شناسايي خودکار پلاک (ANPR) است. اگر دقت ID پلاک خودرو کم باشد، آنگاه سيستم ANPR تصوير بي مصرفي ارائه مي دهد. همچنين اگر اندازه يک شيء با بي دقتي تخمين زده شده باشد، خطر آن وجود دارد که نتيجه تحليل غلط باشد. بگذاريد بگوئيم که يک سيستم طراحي شده تا حادثه اي را مشخص کند چنانچه شيئي با اندازه مفروض به صحنه وارد شود. اگر اندازه شيء درست تخمين زده نشده باشد، احتمال اين مي رود که شخصي بتواند به منطقه ممنوعي وارد شود بدون آنکه آلارمي فعال گردد. تحليل پيشرفته تر متا ديتا به بيشتر دقيق بودن آن بستگي دارد.
سوم آنکه ماهيت داده ها مهمند. دانستن موقعيت يک شيء در تصوير براي ساختن يک ناحيه ايزوله کافي است. در هر حال، اگر موقعيت هاي اشياء در يک مختصات جغرافيايي (نقشه) داده شده باشند و اشياء به انسان، خودرو، حيوان، و غيره دسته بندي شده باشند، احتمالاتي را که وجود دارند تصور نمائيد. تحليل متا ديتا وقتيکه به ارزش کاربر نهايي مي رسد، جالب مي باشد. آن نتيجه اين فرآيند به صورت وقايع به کاربر نمايش داده مي شود.
تحليل موقعيت يک شخص در طول زمان مي تواند منجر به يک هشدار نقض محيطي يا يک هشدار ولگردي بسته به حرکت شخص و نوع تحليلي که انجام شده، شود. اگر متا ديتا شامل اطلاعاتي درباره موقعيت جغرافيايي اشياء باشد، يک تحليل متا ديتا مي تواند تشخيص دهد که يک خودرو در حال سرعت گرفتن است يا يک فرد در حال دويدن مي باشد. اطلاعات مربوط به هر سرعت خودرو مي تواند براي محاسبه سرعت متوسط روي يک جاده در صورت وقوع ازدحام براي راه انداختن يک هشدار دوباره به کار رود.
در يک تاسيسات با امنيت زياد، اگر سيستم در صورت روي آوردن همزمان چندين نفر به يک منطقه ممنوعه در مکان هاي گوناگون براي تحريک آلارمي برنامه ريزي شده باشد، يک برهم زدن نظم يا حمله سازماندهي شده مي تواند سريع تر آشکار شود. اگر يک سيستم تحليلي ويدئوئي مي تواند متا ديتاهايي توليد کند که هر شخص را به روشي کامل ودقيق توضيح دهد، فرد به صورت تئوريک مي تواند بين دوربين ها تعقيب شود و حرکت وي درون يک شهر يا ساختمان مي تواند بازسازي شود.

تمايز زمينه

حفاظت و امنیت, سیستم های حفاظتی, حفاظت, دوربین مداربسته, حفاظت ساختمان, حفاظتی, سیستم های حفاظتی, امنیت, استانداردحفاظت مغازه , مرکز بین المللی آموزش, کنترل حفاظت ساختمان, کنترل حفاظت مغازه, کنترل هوشمند حفاظت و امنیت, کنترل dvr,  , اخبار حفاظت, خرید دوربین مداربسته, هتل حفاظتی, مدرک بین المللی سیستم حفاظت و امنیت,خرید دوربین مداربسته,دوربین مداربسته ارزان

هنگاميکه چگونگي کار کردن تحليل محتواي ويدئو مورد بحث مي باشد، روشن نمودن جدايي اشياء از زمينه در يک رشته تصوير ويدئويي مهم است. موقعيکه نوبت به اجراي تکنولوژي تمايز زمينه مي رسد، تفاوت هاي بزرگي در جزئيات وجود دارند؛ به ويژه روش استفاه از فيلتر کردن سر و صداي تصوير و آشفتگي هاي آن که ناشي از تغير شرايط نورپردازي و اثرات جوي مانند باد، باران و برف است. گام هاي اصولي يک تمايز زمينه عمومي در زير شرح داده شده اند:

 بخش بندي

حفاظت و امنیت, سیستم های حفاظتی, حفاظت, دوربین مداربسته, حفاظت ساختمان, حفاظتی, سیستم های حفاظتی, امنیت, استانداردحفاظت مغازه , مرکز بین المللی آموزش, کنترل حفاظت ساختمان, کنترل حفاظت مغازه, کنترل هوشمند حفاظت و امنیت, کنترل dvr,  , اخبار حفاظت, خرید دوربین مداربسته, هتل حفاظتی, مدرک بین المللی سیستم حفاظت و امنیت,خرید دوربین مداربسته,دوربین مداربسته ارزان

سيستم يک تصوير به آرامي در حال تغيير، از آنچه به عنوان زمينه ساکن دريافت مي کند، نگه مي دارد. براي هر فريم جديد در نوار ويدئويي، تصوير زمينه به يک تنظيم تغييرات نور و امثال آن به روز مي شود. و پيکسل ها در فريم جاري که متفاوت از تصوير زمينه تقسيم بندي شده هستند. روش هاي مختلفي براي کاهش اثر نور متغير، کنتراست ضعيف و حرکت هاي طبيعي ايجاد شده در اثر آب و هوا بکار مي روند. انواع الگوريتم ها براي جدا کردن تکنولوژي هاي پيشرفته از انواع ساده تر مورد استفاده واقع مي شوند.

دسته بندي

حفاظت و امنیت, سیستم های حفاظتی, حفاظت, دوربین مداربسته, حفاظت ساختمان, حفاظتی, سیستم های حفاظتی, امنیت, استانداردحفاظت مغازه , مرکز بین المللی آموزش, کنترل حفاظت ساختمان, کنترل حفاظت مغازه, کنترل هوشمند حفاظت و امنیت, کنترل dvr,  , اخبار حفاظت, خرید دوربین مداربسته, هتل حفاظتی, مدرک بین المللی سیستم حفاظت و امنیت,خرید دوربین مداربسته,دوربین مداربسته ارزان

دسته هاي پيکسل هاي بخش بندي شده با يکديگر گروه بندي مي شوند تا اشياء را تشکيل دهند. سيستم هاي پيشرفته همچنين قادرند تا سايه هاي موثر و اشيائي را که نسبتا مبهمند يا جائيکه آنها در زمينه گم شدند، را حذف کنند. سيستم هاي گوناگون تفاوت هاي مهمي در دقت بخش بندي دارند

طبقه بندي

حفاظت و امنیت, سیستم های حفاظتی, حفاظت, دوربین مداربسته, حفاظت ساختمان, حفاظتی, سیستم های حفاظتی, امنیت, استانداردحفاظت مغازه , مرکز بین المللی آموزش, کنترل حفاظت ساختمان, کنترل حفاظت مغازه, کنترل هوشمند حفاظت و امنیت, کنترل dvr,  , اخبار حفاظت, خرید دوربین مداربسته, هتل حفاظتی, مدرک بین المللی سیستم حفاظت و امنیت,خرید دوربین مداربسته,دوربین مداربسته ارزان

فارغ از آنکه سيستم هاي VCA مي توانند طبقه بندي اشياء را انجام دهند، محدوده اي از تکنيک ها وجود دارند. يک رويکرد، تخمين تعدادي از پارامترها براي هر شيء شامل اندازه، سرعت، و موقعيت مي باشد. مقدار پارامتر با مقادير از پيش تعريف شده مقايسه شده و اشياء به کلاس شيئي مربوطه تعلق مي گيرند. اين به رفع آلارم هاي خطا ناشی از مثلا سايه هاي ابر يا پرندگان کمک مي کند. نوع ديگر نگرش استفاده از تکنيک تطابق با الگو می باشد. فصل اشترک اين تکنيک ها اينست که آنها شيء را با کتابخانه اي از الگوها که برايشان تعريف شده مقايسه نموده و شباهت آن شيء را با کلاس مشابه الگو محاسبه مي نمايند. اين روش مي تواند بيشتر توسعه يابد تا يک شيء را از تصاوير تنها استخراج نموده و تمايز زمينه را غير ضروري کند. در هر صورت، با دانش ما، اين روش ها فقط در پروژه هاي پژوهشي آزموده شده و هنوز به شکل تجاري در محصولات تحليلي ويدئوئي موجود، انجام نشده است.
معايب تکنيک هاي طبقه بندي مستقيم آنست که آنها قدرت محاسباتي بيشتر و وضوح بالاتر (پيکسل هاي زيادتر) از اشياء نياز دارند. اين يعني اينکه برخي سيستم هاي VCA قادرند در فواصل بلند (200 متر با وضوح 480 × 640 ) اشياء را نشان دهند و طبقه بندي کنند در حاليکه ساير سيستم ها اغلب در 50 تا 75 متري به علت محدوديت هاي تکنولوژي هاي پايه اي متوقف مي گردند.

 رديابي

حفاظت و امنیت, سیستم های حفاظتی, حفاظت, دوربین مداربسته, حفاظت ساختمان, حفاظتی, سیستم های حفاظتی, امنیت, استانداردحفاظت مغازه , مرکز بین المللی آموزش, کنترل حفاظت ساختمان, کنترل حفاظت مغازه, کنترل هوشمند حفاظت و امنیت, کنترل dvr,  , اخبار حفاظت, خرید دوربین مداربسته, هتل حفاظتی, مدرک بین المللی سیستم حفاظت و امنیت,خرید دوربین مداربسته,دوربین مداربسته ارزان

آخرين قدم فرآيند، رديابي است، وقتي که وظيفه عبارتست از تخصيص يک ID منحصربفرد و تعقيب آن تا فاصله اي که در ميدان ديد دوربين ها باشد. تکنيک هاي متفاوتي براي رديابي اشيائي که نسبتا يا کاملا درزمان هايي مبهم هستند، وجود دارند و تفاوت هاي عمده اي در توانايي سيستم هاي گوناگون براي تعقيب يک شيء تحت شرايط متفاوت يعني کيفيت تصوير ضعيف موجود است.
تمايز ميان توانمندی و ويژگي ها
بنابراين چه نوع وقايعي مي توانند آشکار شوند؟ BSIA (انجمن صنعت امنيت بريتانيا) بدين روش آن را مقرر کرده است:
در تئوري، هر "رفتاري" که بتواند هم ديده شود وهم با دقت روي يک تصوير ويدئوئي مشخص گردد و يک هشدار فعال شود.
خوب، پس "رفتاري" که شما بدنبالش هستيد بايد ديده شود. اين بدان معني است که اگر شما نتوانيد ببينيد که فردي اسلحه يا سلاح سردي حمل مي کند نمي توانيد آنرا با استفاده از علم تحليل ويدئوئي نشان دهيد. اين عملا يک تصور غلط مشترک است و بسيار پيش می آيد.
يک مثال روزمره تر نشان دادن اقلام کنار گذاشته شده است. اين امکان به صورت بالقوه اشياء خطرساز را نشان مي دهد.، يعني يک بمب رها شده در يک فرودگاه يا ديگر اماکني که مردم بسياري در آنها تردد مي کنند. تنها مسئله آنست که يک دوربين ويدئوئي نمي تواند ببيند چه پشت يک بن بست است يا اشيائي را که بوسيله عابرين مبهم مي شوند، ببيند.
اين براي ما تمايز بين امکانات و ويژگي ها را مطرح مي سازد. با امکانات (يا صحيح تر امکان توانمندي)، منظورمان اينست که يک سيستم قادر به چيزهاي مشخصي است. ويژگي يک موضوع پيچيده تر است چون هم به چگونگي کار کردن امکانات و هم به اينکه آن ويژگي ها تا چه حد امکان بکارگيري دارند، مربوط مي شود. يک مثال معمولا مورد استفاده توان يک خودرو براي توقف است. اين امکاني است که هر ماشيني بايد داشته باشد. به هر ترتيب، ويژگي ترمز کردن براي قابل استفاده بودن بصورت يک پدال و نه يک کليد فشاري در يک جعبه داشبورد انجام مي شود. علاوه براين، يک خودروي اسپرت نسبت به يک خودروي خانوادگي توانايي توقف سريعتري را دارد. بين ويژگي ها تفاوت هايي وجود دارند. چنانچه نگاهي به امکاناتي که مجموعه اي از فروشندگان VCA مي خواهند که داشته باشند، بيفکنيم، ليست خيلي شلوغي به دست خواهيم آورد:
محافظ اموال
ولگردي
نشاندهنده اشياء رها شده
به عقب بردن
جستجوي هوشمند
نشاندهنده آيتم هاي حذف شده
دفاع محيطي
نشاندهنده حرکت ويدئوئي سنتي(VMD)
انسداد دوربين
نشاندهنده لغزش و سقوط
فنس(توري) مجازي
نشاندهنده جهت غلط
حرکت در جهت مشکوک
نشاندهنده تشکيل ازدحام غير عادي
سرشماري مردم
نشاندهنده ورود بي اجازه
مديريت ازدحام و صف
نشاندهنده نوارنقاله جابجا کننده مردم
نشاندهنده فعاليت غير مجاز
نشاندهنده فرار
حال بايد بپرسيم آيا رفتار مي تواند ديده شود و مي تواند به دقت شرح داده شود؟ بياييد دوباره نگاهي به نشاندهنده اشياء رها شده بيندازيم. قبلا بحث کرديم که اين رفتار تنها اگر خط ديد منتهي به جسم مبهم نشده باشد، مي تواند مشاهده شود. به بيان ديگر، فقط بعضي وقت ها مي توان آن را ديد. آيا رفتار با دقت قابل توضيح مي باشد؟ چگونه يک جسم رها شده را مشخص مي کنيم؟ چه مدت بايد رها شده باشد و چقدرنياز است دور از يک شخص باشد؟ اگر کسي چمداني را نزديک فرد ديگري ترک نمايد، چمدان يک شيء رها شده است؟ آيا مي توان آن را به دقت شرح داد؟ برخي مواقع بله.
پس، خيلي از فروشندگان VCA مي خواهند که سيستم هايشان بتوانند اشياء رها شده را به صورت يک رفتاري که بعضي اوقات قابل توضيح باشد و بعضي مواقع ديده شود، نشان دهند. بيائيد صادق باشيم، اين امکاني با ويژگي ضعيف است.
آنگاه درباره ساير امکانات صفحه قبل چطور است؟ تشکيل ازدحام غيرعادي و حرکت در جهت مشکوک چه هستند؟ سيستم ها چقدر اين امکانات را خوب برآورده مي سازند؟

اصول کار کردن VCA

همانگونه که پيش تر بحث شد، يک امکان تشخيصي مهم يک سيستم VCA توانايي آن در توليد و تحليل متا ديتا است. ما به کمک متا ديتا در اين متن، محتويات يک تصوير يا نوار ويدئويي راطوري شرح مي دهيم که يک درک از وقايع در جريان ممکن شود. براي مثال، اگر سيستم بتواند کاربر را هر موقع که شخصي در حال دويدن است، در جريان گذارد، نياز به استخراج حداقل داده هاي زير از نوار ويدئوئي(قسمت تحليلي) دارد:
بيرون کشيدن اشياء پيش نما؛
برآورد اندازه و ساير خصوصيات تشخيصي اشياء جلوي صحنه؛
تخمين سرعت هر جسم (ملاحظه کنيد که براي انجام اين منظور نياز به چهارچوبي براي رديابي اشياء در فريم هاي متوالي تصوير داريم)
اين داده هاي استخراجي متا ديتا مي باشد. در قدم بعدي، سيستم VCA متا ديتا را به جاي داده ويدئويي خام تحليل مي کند. در اين مورد تحليل متا ديتا (قسمت هوشمند) عبارتست از :
طبقه بندي اشياء پيش صحنه به انسان ها و غير انسان ها
کسي که مي داند چطور دويدن را از قدم زدن، ايستادن و امثالهم تشخيص دهد.

حفاظت و امنیت, سیستم های حفاظتی, حفاظت, دوربین مداربسته, حفاظت ساختمان, حفاظتی, سیستم های حفاظتی, امنیت, استانداردحفاظت مغازه , مرکز بین المللی آموزش, کنترل حفاظت ساختمان, کنترل حفاظت مغازه, کنترل هوشمند حفاظت و امنیت, کنترل dvr,  , اخبار حفاظت, خرید دوربین مداربسته, هتل حفاظتی, مدرک بین المللی سیستم حفاظت و امنیت,خرید دوربین مداربسته,دوربین مداربسته ارزان

توضيح شکل1: سنسورهاي استريوي Saab در سيستم هاي رديابي فوتبال Tracab مورد استفاده قرار مي گيرند.

احتمالات تجاري براي ويدئوي هوشمند

چندين مثال وجود دارند که چگونه کسب و کارها مي توانند با استفاده از علم تحليل ويدئويي در تاسيسات امنيتي آنها سودمند شوند. نشان دادن سرقت و ديگر رفتارهاي نامطلوب در يک سوپرمارکت واضح است اما در همان زمان آن مي تواند براي دنبال کردن اجتماعات در فروشگاه به کار رود تا ببينيد چه محصولاتي بيشترين مشتريان را جلب مي نمايند.
نمونه ديگر مي تواند تاسيسات تحليل ويدئويي در يک محيط بانکي باشد که در آن ويژگي حفاظتي براي پيشگيري از سرقت و کلاهبرداري خواهد بود اما به طور همزمان مي تواند براي بهينه سازي صف مشتريان با اعلام آلارم افزايش نوبت به کارکنان، نيز استفاده شود.

ROI - مهم

امروزه وقتي يک سيستم CCTV خريداري مي شود، کل مبحث درباره امنيت است و شايد بايد اينطور باشد. ممکنست زماني بيايد که تحليلگران کسب و کار و آمارگران به صحنه CCTV ورود کرده و از دستگاه هاي حفاظتي ROI مطالبه کنند. نمي دانيم اين زمان اکنون، ديرتر يا هرگز باشد. چيزيکه مي دانيم اينست که همه صنعت بايستي همان ايده و ارزش اصولي براي هر تاسيسات CCTV ياد گرفته و پياده سازد. بازگشت سرمايه يک ابزار حياتي در بقاء حق موجوديت در هر اقتصاد آزادي است.
بنابراين، چگونه برگشت سرمايه از يک دورنماي علم تحليل ويدئويي در يک کاربرد امنيتي را اندازه مي گيريم؟ مانند هر مورد کسب و کاري ارقام را خرد کرده، هزينه ها را درمقابل راندمان و تقليل مخارج محاسبه کنيد.

کاربردهاي نوعي

يک نظارت تحليل ويدئويي انجام شده مدرسه اي شايد اشاره به کاهش ونداليسم (تخريب اموال عمومي)، کاهش هزينه کارکنان حفاظتي يا متوقف کردن تداخل هاي فعاليت هاي روز به روز آنان به سادگي داشته باشد. ROI آنها مي تواند با ارزيابي هزينه کل ونداليسم در مدرسه در مقايسه با صرفه جويي يک آلارم عمومي با استفاده از ويدئو هوشمندي که فرض مي شود، محاسبه گردد.
در مدارس اجتماعي مدرن امروزي، غالبا هدف هزينه هاي ونداليسم جوانان، جمع هاي کلان سرمايه هاي عمومي است. تاسيسات حفاظتي و آلارم امروزي، به ندرت ونداليسمي را متوقف مي کند ولي تقريبا به صورت يک هشدار براي کارکنان حفاظتي براي جستجوي کساني که ممکنست آرامش را در آن مجموعه عمومي بر هم زده باشند، عمل مي کنند که اغلب درصد کمي از تماشاچيان يا زمين هاي بازي ورزشي يا حياط مدرسه کودکان مي باشند. با ويدئوي هوشمند هر آلارمي مي تواند فقط بوسيله نيروهاي حفاظتي از آلارم هاي به جا فيلتر شوند تا اطمينان ايجاد شود که هيچ آلارم خطايی وقت و منابع کارکنان دولتي را نمي گيرد.
مورد نمونه ديگر براي به کارگيري ويدئوي هوشمند، مطابقت است. امروزه تعداد روبه رشدي از نهادهاي قانوني داريم که قوانيني براي کسب و کارها و سازمان هاي مختلف وضع مي کنند و بسياري از اين مقررات تمرکز بر امنيت دارند. در اثر توليد مواد بيولوژيکي، FDA آمريکا مقرراتي براي امنيت در سايت ها و سوله ها، هرچند کارخانه خارج از مرزهاي ايالات متحده تاسيس شده باشد، تعيين نموده است. مقررات FDA براي مثال مي گويد چطور در منطقه ای ترافيک ممکنست جريان يابد و چه انواع ترافيکي مجاز هستند. انطباق با اين قوانين معمولا براي هر شرکت پزشکي يک امکان نيست چون بازار ايالات متحده به قدري با ارزش است که حتي در نظر گرفتن واگذاري، رها کردن توليد کننده با راهکارهای پيچيده براي اندازه گيري سرعت و جهت وسائط نقليه تنها امکان آنها مي باشد. در اين مورد يک راه حل تحليل ويدئويي با کيفيت زياد مي تواند تمام محاسبات ROI را با يک روش بسيار با صرفه به طوريکه حتي مشاوران مديريت آنرا بستايند، انجام دهد.

محاسبه ROI

محاسبه ROI براي محصولات تحليل ويدئويي معمولا يک کار ساده و غير پيچيده است، افزايش امنيت اغلب مي تواند با يک کاهش هزينه ونداليسم يا سرقت محاسبه گردد. ولي همانطور که هر کاسب پيشه خوبي در نظر مي گيرد، زمان هم پول است، و کارکنان امنيتي مشخصا نياز به وقت براي بررسي آلارم هاي نادرست دارند حتي چنانکه هيچ ونداليسم يا سرقتي رخ نداده باشد. اگر ويدئوي هوشمند بتواند براي کاهش دادن نرخ هر آلارم نادرستي به کار رود، به طور مشخص يک دليل تجاري براي درست کردن چنين تاسيساتي وجود خواهد داشت. يک ايستگاه انتقال قدرت معمولا يک تاسيسات با امنيت بالاي بدون نگهبان در جائي در يک منطقه پرجمعيت با جريان هاي کشنده برق جاري درمناطق نسبتا باز است. فرستادن سيستم های حفاظتی به چنين تاسيساتي معمولا گرانقيمت است ولي چون تخطي مي تواند منجر به صدمات وحشتناکي شود، ضروريست. استفاده از علم تحليل ويدئويي در چنين محلي مي تواند نرخ هاي آلارم نادرست را کاهش داده و ضمانت کند تنها رخدادهای حقيقی باعث ايجاد آلارم شده اند و در چنين حالتي در زمان و پول نيروهاي امنيتي صرفه جويي کند.
کاربردهاي مشابه در سراسر دنيا در هر تاسيسات بدون نگهباني مانند يک ايستگاه موبايل مبتنی بر شبکه، يا يک ورودي تونل راه آهن وجود دارند.

تصويرسازي استريو

در تجهيزات نظارت متداول معمولا يک دوربين تنها يک منطقه مشخص را مي پوشاند يعني سنسورهاي ويدئويي تک چشمي اند. در مقابل، انسان ها به خوبي بسياري از حيوانات، از ديد دو چشمي براي مشاهده و درک محيط شان بهره مي جويد. ديد تک چشمي تصوير دوبعدي از يک دنياي سه بعدي، يعني يک توضيح مسطح ارائه مي دهد. چنين تصويري نوع اطلاعاتي که مي تواند از صحنه استخراج شود را به طور چشمگيري محدود مي نمايد. مثلا هر اطلاعاتي مربوط به فاصله يا عمق در اين تصوير از دست رفته است و تخمين اندازه شيء را بدون يک مدل زمينه غير ممکن مي سازد. ديد دو چشمي يا معادل آن استريو از اين محدوديت رنج نمي برد. به هر حال سنسورهاي ويدئويي مي توانند براي ارائه اطلاعات سه بعدي به خوبي ترکيب بندي شوند. همانند ساختمان چشم انسان ها، اين امر مي تواند با نصب دو سنسور ويدئوئي با هم با فاصله اي بين آنها (مي گويند 50 cm) و نگاه کردن در جهت يکسان بدست آيد.
سنسور استريو Saab مثالي از چنين سنسور تصويرسازي مرکبي است که قادر است تصوير سازي استريو زنده فراهم سازد. دوربين ها در يک فاصله معين کوچک از يکديگر تنظيم مي شوند و يک صحنه را مشاهده مي کنند. پردازش سيگنال ورودي را از دو دوربين گرفته و نقشه عمق صحنه را مي سازد.(شکل 1 را نگاه کنيد.)
يک سنسور استريو مي تواند تقريبا بر مبناي هر دوربين ويدئويي باشد، به بلندي که پارامترهاي دوربينشان و فاصله داخلي آنها معلوم باشد. براي نظارت صحنه هاي پويا اين نيز مهم است که دوربين ها همزمان (سينک) شده باشند، دقت همزماني نياز به چيزي بهتر از ثابت زماني حرکت اشياء دارد.
وجود اطلاعات فاصله اضافي (عمق)، در مقايسه با يک سنسور ويدئويي معمولي، در يک سيستم VCA خيلي مفيد است. براي نمونه، اين اطلاعات مي تواند براي اندازه گيري دقيق خصوصيات فيزيکي حقيقي يک شيء به همان خوبي که اشياء نسبتا بسته به آساني از هم جدا مي شوند، مورد استفاده واقع شود. به علاوه اين امر مي تواند بدون احتياج به يک مدل زمينه حادث گردد. در کنار اين مزيت بزرگ، تصوير سازي استريو به طور قابل توجهي در زنجيره پردازش پايه اي توانمندی را بهبود مي بخشد. چون استريو تعيين مکان يک شيء را در حالت سه بعدي ميسر مي سازد، پرندگان و ساير عوامل حواس پرتي مي توانند به سادگي جدا شوند و بدين طريق نرخ آلارم خطا را کاهش دهند. يک جسم مي تواند از سايه زمينه اش که در مورد دوربين تکي چالش محسوب مي شود، نيز به راحتي تفکيک شود. آشکارسازي و دسته بندي نيز به طرز قابل توجهي کمتر به شرايط نورپردازي مرتبط است.

حفاظت و امنیت, سیستم های حفاظتی, حفاظت, دوربین مداربسته, حفاظت ساختمان, حفاظتی, سیستم های حفاظتی, امنیت, استانداردحفاظت مغازه , مرکز بین المللی آموزش, کنترل حفاظت ساختمان, کنترل حفاظت مغازه, کنترل هوشمند حفاظت و امنیت, کنترل dvr,  , اخبار حفاظت, خرید دوربین مداربسته, هتل حفاظتی, مدرک بین المللی سیستم حفاظت و امنیت,خرید دوربین مداربسته,دوربین مداربسته ارزان

توضيح شکل2: (چپ) يک نماي شماتيک از يک شبکه دوربين و ارتباط آن با شبکه جغرافيايي. جريان انتقال هاي دوربين به دوربين محتمل را نشان مي دهد. (راست) مثالي از اينکه چطور تعقيب ازطريق دوربين هاي مستقل ممکنست به سوي تعقيب جهاني از طريق شبکه دوربين ها با استفاده از فضا – زمان به همان خوبي شکل ظاهري اشياء،امکان پذيرست.

رديابي پايدار

جلوتر به وضوح شرح داديم که براي ويژگي رديابي براي هر ميدان ديد دوربين مستقلي نياز است. معمولا يک تجهيزات معمولي شامل دوربين هاي چندتايي است. ميادين ديد برخي از اين دوربين ها ممکنست همپوشاني داشته باشند در حاليکه ديگر جفت ها ممکنست دور از يکديگر تنظيم شده و ميدان هاي ديد کاملا مختلفي داشته باشند. به چندين دليل، در يک چنين شبکه اي يک رديابي پايدار نسبت به تعقيب در يک ميدان ديد تنها مسئله ي چالش برانگيز است:
دوربين ها مي توانند به طور گسترده اي جدا شوند و شيء مي تواند براي مدت هاي مديدي دور از ديد قرار گيرد؛
شرايط نورپردازي نيز مي تواند هر شکلي بر اساس شيء را خيلي متفاوت ساخته و با يک چالش بزرگ روبرو کند؛
دوربين ها خودشان مي توانند از مدل هاي گوناگون بوده و تنظيم نسبي آنها مي تواند خيلي زياد تغيير کند.
حل اين مشکل بطور کلي، يک مسئله بسيار دشوار است. براي مثال، حمله يک نيروي خشن به محاسباتي نياز خواهد داشت که بصورت نمايي با تعداد دوربين ها و افزايش اجسام، افزايش مي يابد. در هر صورت، روش هاي رديابي مستمر در شبکه ها با حالتي سر و کار دارند که در آن، آنها عملا سودمند بوده و ارزش افزوده اي به بهره بردار نهايي مي دهد. روش هاي موفق تر ملاحظات اينکه چگونه شبکه فيزيکي ورودي ها/ خروجي ها، فضاهاي باز، و راه هاي سالن ها به شبکه دوربين ها ارتباط دارند، را در نظر مي گيرند. از اين راه ما فقط احتياج به عوامل کمکي بين ميادين ديدي داريم که در عمل متصلند، شکل 2 را ببينيد.
در حاليکه يک رديابي مستمر در ميادين ديد بدون همپوشاني، هنوز يک کار در حال پيشرفت است، تعقيب در ميدان هاي ديد همپوشاني شده اين روزها در سيستم هاي تجاري در دسترس است.
يک امکان رديابي شبکه اي کاري بصورت قابل ملاحظه اي مي تواند قدرت کاربر را براي اجراي ايمني و امنيت اشياء بهبود ببخشد. قبل از همه، چون اشياء مي توانند بطور پايداري از طريق FOV هاي گوناگون با و بدون همپوشاني تعقيب شوند، يک نماي کلي بهبود يافته از ناحيه تحت نظارت امکان پذير است. در ثاني، دستيابي به محل قبلي شيء به خوبي مسيرهاي محتمل آتي آن ممکن مي باشد. سر انجام، اين نوع ويژگي مي تواند در تحليل خارج از خط بسيار مفيد باشد. از آنجائيکه تفسير فيلم هاي ويدئويي ضبط شده با داده هاي شيء، ممکن مي شود، مي توانيم به شکلي کارآمد در متا ديتاي خيلي زياد متراکم شده به جاي جستجوي مشقت بارتر در داده هاي ويدئويي خام، جستجو نمائيم.

امتیاز به مطلب

میزان رای بازدیدکننده گان: 100% - 3000 votes

100%

تحليل ويدئوي هوشمند

تحليل ويدئوي هوشمند

تحليل ويدئوي هوشمند در صنعت حفاظت، موضوع بحث ما چندين عنوان دارد ، دو تا از متداول ترين عناوين رايج، IVA (تحليل ويدئوي هوشمند) و VCA (تحليل محتواي ويدئو) هستند. گونه هاي متعددي از اينها وجود دارند، ولي VCA دقيق ترين عبارت براي تشريح اين مبحث در حال تحول است، به طوريکه زدن برچسب هوشمند به يک سيستم فني در معناي واقعي کلمه دشوار است. تمام انواع VCA تکنولوژي هستند که جهت تحليل تصوير براي داده ها، رفتار، عوامل يا حالات خاص به کار مي رود.امروزه، مقادير زيادي از داده هاي ويدئوئي در کاربردهاي خانگي و شرکتي وجود دارند، اما تعامل با تصوير ذخيره شده در بانک هاي داده نياز به ابزار هاي بهتر براي توضيح ، سازماندهي و مديريت آن داده ويدئوئي دارد. به اين دليل، شرکت هاي خصوصي و موسسات تحقيقاتي در پروژه هاي پژوهشي براي کشف امکانات توضيح و دسته بندي خودکار مفهوم چندرسانه اي و ويدئو در حالت خاص، با يکديگر همکاری کردند. البته تشريح تئوری مفهوم ويدئو، خيلي وقت می برد و روش هاي اتوماتيک شده مورد نياز هستند. تصور کنيد اگر تمام تصاوير ويدئويي روي رسانه های اجتماعی مي توانستند به طور خودکار به وسيله يک اپليکيشن نرم افزاري توضيح داده شوند، آنگاه عمل جستجو در آرشيو تصويري به راحتی بر اساس عناوين تگ شده توسط کاربری که فيلم را آپلود کرده، صورت می پذيرفت.البته مقادير زيادي از تصاوير هم در تجهيزات امنيتي پيدا مي شوند که با دوربين ها سر و کار دارند. گرايش به VCA در طي سال هاي اخير افزايش يافته است و نقطه تمرکز در اين مقاله خواهد بود. در حفاظت، VCA به طور اساسي در تحليل زنده تصوير به کار مي رود. به هر ترتيب، آن مي تواند براي تصوير ضبط شده اسکن شده با تعيين پارامترهاي مشخص براي نرم افزار جستجو به کار برود، که بطور بالقوه يک عملکرد صرفه جويي زماني بسيار زياد دارد که ارزش نصب VCA را افزايش می دهد.ما براي روشن کردن اينکه چرا نصب ويدئويي مي تواند با عناوين ويدئوی هوشمند يا تحليلي بيان شود، مثالي از يک مرکز خريد مي زنيم. بطور اصولي تعدادي از دوربين ها کم و بيش مستقيما به يک تعداد از نمايشگرها متصلند که بعضي اوقات توسط کاربرها تماشا مي شوند و شايد هم ضبط شوند. معمولا اگر هر تصوير براي مقاصد نمايشي بزرگنمايي شود، پردازش تصوير انجام مي شود. هر تحليل و درکي از آنچه در منطقه تحت نظارت در حال وقوع است، در بخش کاربران مي باشد. خوشبختانه بيشتر زمان ها، چيز خاص يا اتفاقات تهديد آميزي رخ نمي دهد. متاسفانه ، تحقيقات نشان مي دهند که حتي کاربران آموزش ديده طی 22 دقيقه ، 90% توجه شان را از دست مي دهند. با توجه به اين آمار ، احتمال اينکه از يک رخداد بحراني به لطف وجود دوربين جلوگيری شود يا توسط نگهبانان متوقف شود، بسيار کم خواهد بود. بررسي آنچه در طول و پس از آن واقعه اتفاق مي افتد، از قبل، بايد با اسکن کردن تصاوير ضبط شده به صورت دستي انجام شود، يک کار ذاتا سنگين و وقت تلف کن. از آنجائيکه هيچ پشتيباني واقعي و لحظه ای به وسيله سيستم ارائه نمي شود، نه در حال ضبط تصوير و نه پس از آن، چنين سيستمي نمي تواند به عنوان يک سيستم تحليلي يا هوشمند دسته بندي شود. توضيح شکل: قبل از اينکه هر تحليلي صورت گيرد، متا – ديتا از نوار ويدئو بايد استخراج شود. متا ديتا شامل اطلاعاتي چون سرعت، اندازه و موقعيت اشياء است. VCAچيست؟ برخلاف مثال مرکز خريد، انتظار مي رود تحليل محتواي ويدئو(VCA) با به کارگيری تعدادي از توابع خودکار، حداقل تا حدودي بر محدوديت هاي کاربر هم در بررسي لحظه ای و زنده تصاوير و نيز در بررسی تصاوير ضبط شده فائق آيد. پيش از پرداختن به عمق تکنولوژي VCA، يک نوع اساسي تر از علم تحليل ويدئو براي بيش از 20 سال در دسترس بوده است که آشکارسازي حرکت ويدئوئي (VMD) ناميده مي شود. آشکارسازي حرکت امروزه يک امکان پيشرفته در بسياي از دوربين هاي ويدئوئي ديجيتال و سيستم هاي مديريت ويدئوئي است. VMD به تغييرات يک تصوير در مقياس پيکسل (حرکت) نگاه مي کند و اگر تغيير بيش از يک آستانه تعريف شده توسط کاربر باشد، آن را اعلام حرکت می کند. از آنجاييکه تکنولوژی VMD بسيار ساده می باشد، معمولا با آلارم های خطا همراه است. به اين معنی که اعلام خطر می کنند در حاليکه پس از بررسی تصوير مشاهده می شود هيچ اتفاق خاصی يا حتی حرکتی صورت نگرفته است. لذا، VDM خيلي هوشمند به نظر نمی رسد. پس آن چيست که يک سيستم تحليل محتواي ويدئو را هوشمند مي کند و آيا مي توان کل صحنه را يک هوش سيستم علم تحليل ويدئوئي ناميد؟ اگر مجددا به مثال مرکز خريد بازگرديم، و حال آنرا با يک سيستم تحليل محتواي ويدئو تجهيز کنيم، مي توانيم تعدادي از بهينه سازی ها را ببينيم: چون مرکز خريد شامل تعدادي از فروشگاه ها، ورودي ها/خروجي ها، فضاهاي باز و راهروي سالن هاست، در سيستم معمول، به دست آوردن يک چشم انداز خوب از کل مرکز خريد يک چالش است. در هر حال، يک سيستم VCA ارتباط ميان شبکه فيزيکي ورودي ها/خروجي ها، راه هاي سالن ها و... با شبکه دوربين هاي تعبيه شده در مرکز خريد را مي داند. علاوه بر اين، سيستم VCA مي تواند افراد و اشياء را از طريق اين شبکه به طريقي پايدار تعقيب کند. بدين وسيله کاربرها يک چشم انداز کاملا بهبود يافته از مرکز خريد را مي بينند. براي نمونه، درخواست اينکه يک مهاجم يا دشمن از کجا آمده است يا شايد مهمتر از آن، به کجا مي تواند بدود يا کجا مي توان جلوي او را سد کرد، از سيستمVCA ممکن مي شود. ممکنست توجه ويژه لحظه به لحظه به نقاط مشخص از مرکز خريد ضروري باشد. يک تشکيلات معمولي نياز خواهد داشت که يک کاربر به شکل دستي اين مناطق را به دقت مشاهده نمايد که با توجه به کم شدن توجه کاربر اول به ديگر نواحی به يک کاربر ديگر نياز خواهد بود. در يک محصول VCA، کاربر مي تواند يک ناحيه حفاظتي مجازي و قوانين وابسته براي راه انداختن هشدارها را تعريف کند. او مي تواند هنگاميکه سيستم VCA تنها در رويدادهاي خاص، هشدارها و نواحي تعريف شده را رصد مي کند، وظايف عادي خود را انجام دهد.  در صورت نقض قانون تعريف شده، کاربر آگاه مي شود ولي يک دوربين HDTV مجهز به پن/ تيلت/ زوم نيز مي تواند به طور خودکار به سوي موقعيت رخداد جهت دهي شود تا تصاوير با کيفيت بالايي از حادثه ضبط کند. يک سيستم VCA ممکنست شامل مدول هايي براي مشخصات بيومتريک باشد، مثلا براي مشخصات کاربراني که خودشان وارد مناطق حساس مي شوند.VCA چطور کار مي کند؟VCA از طريق خلق و تحليل متا ديتا امکان پذير مي شود. مثال نوعي از متا ديتا عبارتست از: اندازه شيء و موقعيت در يک تصوير، سرعت شيء، پلاک تحت ليسانس.به بيان ديگر، متا ديتا داده اي درمورد داده است يا داده اي که محتواهاي يک تصوير را شرح مي دهد. چون اين داده ها آنگاه براي تحليل هاي بيشتر ارسال مي شوند، واضح است که ماهيت و کيفيت داده از اهميت برخوردار است.ابتدا مهم است که فقط اشياء حقيقي تشريح گردند و حرکت نباتات در باد و يا يک سايه روي زمين به طور غلط به عنوان يک شيء حقيقي گزارش نشود. در وهله دوم، به اندازه کافي دقيق بودن متا ديتا حائز اهميت است. مثال واضح شناسايي خودکار پلاک (ANPR) است. اگر دقت ID پلاک خودرو کم باشد، آنگاه سيستم ANPR تصوير بي مصرفي ارائه مي دهد. همچنين اگر اندازه يک شيء با بي دقتي تخمين زده شده باشد، خطر آن وجود دارد که نتيجه تحليل غلط باشد. بگذاريد بگوئيم که يک سيستم طراحي شده تا حادثه اي را مشخص کند چنانچه شيئي با اندازه مفروض به صحنه وارد شود. اگر اندازه شيء درست تخمين زده نشده باشد، احتمال اين مي رود که شخصي بتواند به منطقه ممنوعي وارد شود بدون آنکه آلارمي فعال گردد. تحليل پيشرفته تر متا ديتا به بيشتر دقيق بودن آن بستگي دارد.سوم آنکه ماهيت داده ها مهمند. دانستن موقعيت يک شيء در تصوير براي ساختن يک ناحيه ايزوله کافي است. در هر حال، اگر موقعيت هاي اشياء در يک مختصات جغرافيايي (نقشه) داده شده باشند و اشياء به انسان، خودرو، حيوان، و غيره دسته بندي شده باشند، احتمالاتي را که وجود دارند تصور نمائيد. تحليل متا ديتا وقتيکه به ارزش کاربر نهايي مي رسد، جالب مي باشد. آن نتيجه اين فرآيند به صورت وقايع به کاربر نمايش داده مي شود. تحليل موقعيت يک شخص در طول زمان مي تواند منجر به يک هشدار نقض محيطي يا يک هشدار ولگردي بسته به حرکت شخص و نوع تحليلي که انجام شده، شود. اگر متا ديتا شامل اطلاعاتي درباره موقعيت جغرافيايي اشياء باشد، يک تحليل متا ديتا مي تواند تشخيص دهد که يک خودرو در حال سرعت گرفتن است يا يک فرد در حال دويدن مي باشد. اطلاعات مربوط به هر سرعت خودرو مي تواند براي محاسبه سرعت متوسط روي يک جاده در صورت وقوع ازدحام براي راه انداختن يک هشدار دوباره به کار رود. در يک تاسيسات با امنيت زياد، اگر سيستم در صورت روي آوردن همزمان چندين نفر به يک منطقه ممنوعه در مکان هاي گوناگون براي تحريک آلارمي برنامه ريزي شده باشد، يک برهم زدن نظم يا حمله سازماندهي شده مي تواند سريع تر آشکار شود. اگر يک سيستم تحليلي ويدئوئي مي تواند متا ديتاهايي توليد کند که هر شخص را به روشي کامل ودقيق توضيح دهد، فرد به صورت تئوريک مي تواند بين دوربين ها تعقيب شود و حرکت وي درون يک شهر يا ساختمان مي تواند بازسازي شود. تمايز زمينه هنگاميکه چگونگي کار کردن تحليل محتواي ويدئو مورد بحث مي باشد، روشن نمودن جدايي اشياء از زمينه در يک رشته تصوير ويدئويي مهم است. موقعيکه نوبت به اجراي تکنولوژي تمايز زمينه مي رسد، تفاوت هاي بزرگي در جزئيات وجود دارند؛ به ويژه روش استفاه از فيلتر کردن سر و صداي تصوير و آشفتگي هاي آن که ناشي از تغير شرايط نورپردازي و اثرات جوي مانند باد، باران و برف است. گام هاي اصولي يک تمايز زمينه عمومي در زير شرح داده شده اند:  بخش بندي سيستم يک تصوير به آرامي در حال تغيير، از آنچه به عنوان زمينه ساکن دريافت مي کند، نگه مي دارد. براي هر فريم جديد در نوار ويدئويي، تصوير زمينه به يک تنظيم تغييرات نور و امثال آن به روز مي شود. و پيکسل ها در فريم جاري که متفاوت از تصوير زمينه تقسيم بندي شده هستند. روش هاي مختلفي براي کاهش اثر نور متغير، کنتراست ضعيف و حرکت هاي طبيعي ايجاد شده در اثر آب و هوا بکار مي روند. انواع الگوريتم ها براي جدا کردن تکنولوژي هاي پيشرفته از انواع ساده تر مورد استفاده واقع مي شوند. دسته بندي دسته هاي پيکسل هاي بخش بندي شده با يکديگر گروه بندي مي شوند تا اشياء را تشکيل دهند. سيستم هاي پيشرفته همچنين قادرند تا سايه هاي موثر و اشيائي را که نسبتا مبهمند يا جائيکه آنها در زمينه گم شدند، را حذف کنند. سيستم هاي گوناگون تفاوت هاي مهمي در دقت بخش بندي دارند طبقه بندي فارغ از آنکه سيستم هاي VCA مي توانند طبقه بندي اشياء را انجام دهند، محدوده اي از تکنيک ها وجود دارند. يک رويکرد، تخمين تعدادي از پارامترها براي هر شيء شامل اندازه، سرعت، و موقعيت مي باشد. مقدار پارامتر با مقادير از پيش تعريف شده مقايسه شده و اشياء به کلاس شيئي مربوطه تعلق مي گيرند. اين به رفع آلارم هاي خطا ناشی از مثلا سايه هاي ابر يا پرندگان کمک مي کند. نوع ديگر نگرش استفاده از تکنيک تطابق با الگو می باشد. فصل اشترک اين تکنيک ها اينست که آنها شيء را با کتابخانه اي از الگوها که برايشان تعريف شده مقايسه نموده و شباهت آن شيء را با کلاس مشابه الگو محاسبه مي نمايند. اين روش مي تواند بيشتر توسعه يابد تا يک شيء را از تصاوير تنها استخراج نموده و تمايز زمينه را غير ضروري کند. در هر صورت، با دانش ما، اين روش ها فقط در پروژه هاي پژوهشي آزموده شده و هنوز به شکل تجاري در محصولات تحليلي ويدئوئي موجود، انجام نشده است.معايب تکنيک هاي طبقه بندي مستقيم آنست که آنها قدرت محاسباتي بيشتر و وضوح بالاتر (پيکسل هاي زيادتر) از اشياء نياز دارند. اين يعني اينکه برخي سيستم هاي VCA قادرند در فواصل بلند (200 متر با وضوح 480 × 640 ) اشياء را نشان دهند و طبقه بندي کنند در حاليکه ساير سيستم ها اغلب در 50 تا 75 متري به علت محدوديت هاي تکنولوژي هاي پايه اي متوقف مي گردند.  رديابي آخرين قدم فرآيند، رديابي است، وقتي که وظيفه عبارتست از تخصيص يک ID منحصربفرد و تعقيب آن تا فاصله اي که در ميدان ديد دوربين ها باشد. تکنيک هاي متفاوتي براي رديابي اشيائي که نسبتا يا کاملا درزمان هايي مبهم هستند، وجود دارند و تفاوت هاي عمده اي در توانايي سيستم هاي گوناگون براي تعقيب يک شيء تحت شرايط متفاوت يعني کيفيت تصوير ضعيف موجود است.تمايز ميان توانمندی و ويژگي ها بنابراين چه نوع وقايعي مي توانند آشکار شوند؟ BSIA (انجمن صنعت امنيت بريتانيا) بدين روش آن را مقرر کرده است:در تئوري، هر "رفتاري" که بتواند هم ديده شود وهم با دقت روي يک تصوير ويدئوئي مشخص گردد و يک هشدار فعال شود.خوب، پس "رفتاري" که شما بدنبالش هستيد بايد ديده شود. اين بدان معني است که اگر شما نتوانيد ببينيد که فردي اسلحه يا سلاح سردي حمل مي کند نمي توانيد آنرا با استفاده از علم تحليل ويدئوئي نشان دهيد. اين عملا يک تصور غلط مشترک است و بسيار پيش می آيد. يک مثال روزمره تر نشان دادن اقلام کنار گذاشته شده است. اين امکان به صورت بالقوه اشياء خطرساز را نشان مي دهد.، يعني يک بمب رها شده در يک فرودگاه يا ديگر اماکني که مردم بسياري در آنها تردد مي کنند. تنها مسئله آنست که يک دوربين ويدئوئي نمي تواند ببيند چه پشت يک بن بست است يا اشيائي را که بوسيله عابرين مبهم مي شوند، ببيند. اين براي ما تمايز بين امکانات و ويژگي ها را مطرح مي سازد. با امکانات (يا صحيح تر امکان توانمندي)، منظورمان اينست که يک سيستم قادر به چيزهاي مشخصي است. ويژگي يک موضوع پيچيده تر است چون هم به چگونگي کار کردن امکانات و هم به اينکه آن ويژگي ها تا چه حد امکان بکارگيري دارند، مربوط مي شود. يک مثال معمولا مورد استفاده توان يک خودرو براي توقف است. اين امکاني است که هر ماشيني بايد داشته باشد. به هر ترتيب، ويژگي ترمز کردن براي قابل استفاده بودن بصورت يک پدال و نه يک کليد فشاري در يک جعبه داشبورد انجام مي شود. علاوه براين، يک خودروي اسپرت نسبت به يک خودروي خانوادگي توانايي توقف سريعتري را دارد. بين ويژگي ها تفاوت هايي وجود دارند. چنانچه نگاهي به امکاناتي که مجموعه اي از فروشندگان VCA مي خواهند که داشته باشند، بيفکنيم، ليست خيلي شلوغي به دست خواهيم آورد: محافظ اموال ولگردي نشاندهنده اشياء رها شده به عقب بردن جستجوي هوشمند نشاندهنده آيتم هاي حذف شده دفاع محيطي نشاندهنده حرکت ويدئوئي سنتي(VMD) انسداد دوربين نشاندهنده لغزش و سقوط فنس(توري) مجازي نشاندهنده جهت غلط حرکت در جهت مشکوک نشاندهنده تشکيل ازدحام غير عادي سرشماري مردم نشاندهنده ورود بي اجازه مديريت ازدحام و صف نشاندهنده نوارنقاله جابجا کننده مردم نشاندهنده فعاليت غير مجاز نشاندهنده فرارحال بايد بپرسيم آيا رفتار مي تواند ديده شود و مي تواند به دقت شرح داده شود؟ بياييد دوباره نگاهي به نشاندهنده اشياء رها شده بيندازيم. قبلا بحث کرديم که اين رفتار تنها اگر خط ديد منتهي به جسم مبهم نشده باشد، مي تواند مشاهده شود. به بيان ديگر، فقط بعضي وقت ها مي توان آن را ديد. آيا رفتار با دقت قابل توضيح مي باشد؟ چگونه يک جسم رها شده را مشخص مي کنيم؟ چه مدت بايد رها شده باشد و چقدرنياز است دور از يک شخص باشد؟ اگر کسي چمداني را نزديک فرد ديگري ترک نمايد، چمدان يک شيء رها شده است؟ آيا مي توان آن را به دقت شرح داد؟ برخي مواقع بله.پس، خيلي از فروشندگان VCA مي خواهند که سيستم هايشان بتوانند اشياء رها شده را به صورت يک رفتاري که بعضي اوقات قابل توضيح باشد و بعضي مواقع ديده شود، نشان دهند. بيائيد صادق باشيم، اين امکاني با ويژگي ضعيف است.آنگاه درباره ساير امکانات صفحه قبل چطور است؟ تشکيل ازدحام غيرعادي و حرکت در جهت مشکوک چه هستند؟ سيستم ها چقدر اين امکانات را خوب برآورده مي سازند؟ اصول کار کردن VCA همانگونه که پيش تر بحث شد، يک امکان تشخيصي مهم يک سيستم VCA توانايي آن در توليد و تحليل متا ديتا است. ما به کمک متا ديتا در اين متن، محتويات يک تصوير يا نوار ويدئويي راطوري شرح مي دهيم که يک درک از وقايع در جريان ممکن شود. براي مثال، اگر سيستم بتواند کاربر را هر موقع که شخصي در حال دويدن است، در جريان گذارد، نياز به استخراج حداقل داده هاي زير از نوار ويدئوئي(قسمت تحليلي) دارد: بيرون کشيدن اشياء پيش نما؛ برآورد اندازه و ساير خصوصيات تشخيصي اشياء جلوي صحنه؛ تخمين سرعت هر جسم (ملاحظه کنيد که براي انجام اين منظور نياز به چهارچوبي براي رديابي اشياء در فريم هاي متوالي تصوير داريم)اين داده هاي استخراجي متا ديتا مي باشد. در قدم بعدي، سيستم VCA متا ديتا را به جاي داده ويدئويي خام تحليل مي کند. در اين مورد تحليل متا ديتا (قسمت هوشمند) عبارتست از : طبقه بندي اشياء پيش صحنه به انسان ها و غير انسان ها کسي که مي داند چطور دويدن را از قدم زدن، ايستادن و امثالهم تشخيص دهد. توضيح شکل1: سنسورهاي استريوي Saab در سيستم هاي رديابي فوتبال Tracab مورد استفاده قرار مي گيرند. احتمالات تجاري براي ويدئوي هوشمند چندين مثال وجود دارند که چگونه کسب و کارها مي توانند با استفاده از علم تحليل ويدئويي در تاسيسات امنيتي آنها سودمند شوند. نشان دادن سرقت و ديگر رفتارهاي نامطلوب در يک سوپرمارکت واضح است اما در همان زمان آن مي تواند براي دنبال کردن اجتماعات در فروشگاه به کار رود تا ببينيد چه محصولاتي بيشترين مشتريان را جلب مي نمايند.نمونه ديگر مي تواند تاسيسات تحليل ويدئويي در يک محيط بانکي باشد که در آن ويژگي حفاظتي براي پيشگيري از سرقت و کلاهبرداري خواهد بود اما به طور همزمان مي تواند براي بهينه سازي صف مشتريان با اعلام آلارم افزايش نوبت به کارکنان، نيز استفاده شود. ROI - مهم امروزه وقتي يک سيستم CCTV خريداري مي شود، کل مبحث درباره امنيت است و شايد بايد اينطور باشد. ممکنست زماني بيايد که تحليلگران کسب و کار و آمارگران به صحنه CCTV ورود کرده و از دستگاه هاي حفاظتي ROI مطالبه کنند. نمي دانيم اين زمان اکنون، ديرتر يا هرگز باشد. چيزيکه مي دانيم اينست که همه صنعت بايستي همان ايده و ارزش اصولي براي هر تاسيسات CCTV ياد گرفته و پياده سازد. بازگشت سرمايه يک ابزار حياتي در بقاء حق موجوديت در هر اقتصاد آزادي است.بنابراين، چگونه برگشت سرمايه از يک دورنماي علم تحليل ويدئويي در يک کاربرد امنيتي را اندازه مي گيريم؟ مانند هر مورد کسب و کاري ارقام را خرد کرده، هزينه ها را درمقابل راندمان و تقليل مخارج محاسبه کنيد. کاربردهاي نوعي يک نظارت تحليل ويدئويي انجام شده مدرسه اي شايد اشاره به کاهش ونداليسم (تخريب اموال عمومي)، کاهش هزينه کارکنان حفاظتي يا متوقف کردن تداخل هاي فعاليت هاي روز به روز آنان به سادگي داشته باشد. ROI آنها مي تواند با ارزيابي هزينه کل ونداليسم در مدرسه در مقايسه با صرفه جويي يک آلارم عمومي با استفاده از ويدئو هوشمندي که فرض مي شود، محاسبه گردد. در مدارس اجتماعي مدرن امروزي، غالبا هدف هزينه هاي ونداليسم جوانان، جمع هاي کلان سرمايه هاي عمومي است. تاسيسات حفاظتي و آلارم امروزي، به ندرت ونداليسمي را متوقف مي کند ولي تقريبا به صورت يک هشدار براي کارکنان حفاظتي براي جستجوي کساني که ممکنست آرامش را در آن مجموعه عمومي بر هم زده باشند، عمل مي کنند که اغلب درصد کمي از تماشاچيان يا زمين هاي بازي ورزشي يا حياط مدرسه کودکان مي باشند. با ويدئوي هوشمند هر آلارمي مي تواند فقط بوسيله نيروهاي حفاظتي از آلارم هاي به جا فيلتر شوند تا اطمينان ايجاد شود که هيچ آلارم خطايی وقت و منابع کارکنان دولتي را نمي گيرد.مورد نمونه ديگر براي به کارگيري ويدئوي هوشمند، مطابقت است. امروزه تعداد روبه رشدي از نهادهاي قانوني داريم که قوانيني براي کسب و کارها و سازمان هاي مختلف وضع مي کنند و بسياري از اين مقررات تمرکز بر امنيت دارند. در اثر توليد مواد بيولوژيکي، FDA آمريکا مقرراتي براي امنيت در سايت ها و سوله ها، هرچند کارخانه خارج از مرزهاي ايالات متحده تاسيس شده باشد، تعيين نموده است. مقررات FDA براي مثال مي گويد چطور در منطقه ای ترافيک ممکنست جريان يابد و چه انواع ترافيکي مجاز هستند. انطباق با اين قوانين معمولا براي هر شرکت پزشکي يک امکان نيست چون بازار ايالات متحده به قدري با ارزش است که حتي در نظر گرفتن واگذاري، رها کردن توليد کننده با راهکارهای پيچيده براي اندازه گيري سرعت و جهت وسائط نقليه تنها امکان آنها مي باشد. در اين مورد يک راه حل تحليل ويدئويي با کيفيت زياد مي تواند تمام محاسبات ROI را با يک روش بسيار با صرفه به طوريکه حتي مشاوران مديريت آنرا بستايند، انجام دهد. محاسبه ROI محاسبه ROI براي محصولات تحليل ويدئويي معمولا يک کار ساده و غير پيچيده است، افزايش امنيت اغلب مي تواند با يک کاهش هزينه ونداليسم يا سرقت محاسبه گردد. ولي همانطور که هر کاسب پيشه خوبي در نظر مي گيرد، زمان هم پول است، و کارکنان امنيتي مشخصا نياز به وقت براي بررسي آلارم هاي نادرست دارند حتي چنانکه هيچ ونداليسم يا سرقتي رخ نداده باشد. اگر ويدئوي هوشمند بتواند براي کاهش دادن نرخ هر آلارم نادرستي به کار رود، به طور مشخص يک دليل تجاري براي درست کردن چنين تاسيساتي وجود خواهد داشت. يک ايستگاه انتقال قدرت معمولا يک تاسيسات با امنيت بالاي بدون نگهبان در جائي در يک منطقه پرجمعيت با جريان هاي کشنده برق جاري درمناطق نسبتا باز است. فرستادن سيستم های حفاظتی به چنين تاسيساتي معمولا گرانقيمت است ولي چون تخطي مي تواند منجر به صدمات وحشتناکي شود، ضروريست. استفاده از علم تحليل ويدئويي در چنين محلي مي تواند نرخ هاي آلارم نادرست را کاهش داده و ضمانت کند تنها رخدادهای حقيقی باعث ايجاد آلارم شده اند و در چنين حالتي در زمان و پول نيروهاي امنيتي صرفه جويي کند.کاربردهاي مشابه در سراسر دنيا در هر تاسيسات بدون نگهباني مانند يک ايستگاه موبايل مبتنی بر شبکه، يا يک ورودي تونل راه آهن وجود دارند. تصويرسازي استريو در تجهيزات نظارت متداول معمولا يک دوربين تنها يک منطقه مشخص را مي پوشاند يعني سنسورهاي ويدئويي تک چشمي اند. در مقابل، انسان ها به خوبي بسياري از حيوانات، از ديد دو چشمي براي مشاهده و درک محيط شان بهره مي جويد. ديد تک چشمي تصوير دوبعدي از يک دنياي سه بعدي، يعني يک توضيح مسطح ارائه مي دهد. چنين تصويري نوع اطلاعاتي که مي تواند از صحنه استخراج شود را به طور چشمگيري محدود مي نمايد. مثلا هر اطلاعاتي مربوط به فاصله يا عمق در اين تصوير از دست رفته است و تخمين اندازه شيء را بدون يک مدل زمينه غير ممکن مي سازد. ديد دو چشمي يا معادل آن استريو از اين محدوديت رنج نمي برد. به هر حال سنسورهاي ويدئويي مي توانند براي ارائه اطلاعات سه بعدي به خوبي ترکيب بندي شوند. همانند ساختمان چشم انسان ها، اين امر مي تواند با نصب دو سنسور ويدئوئي با هم با فاصله اي بين آنها (مي گويند 50 cm) و نگاه کردن در جهت يکسان بدست آيد. سنسور استريو Saab مثالي از چنين سنسور تصويرسازي مرکبي است که قادر است تصوير سازي استريو زنده فراهم سازد. دوربين ها در يک فاصله معين کوچک از يکديگر تنظيم مي شوند و يک صحنه را مشاهده مي کنند. پردازش سيگنال ورودي را از دو دوربين گرفته و نقشه عمق صحنه را مي سازد.(شکل 1 را نگاه کنيد.)يک سنسور استريو مي تواند تقريبا بر مبناي هر دوربين ويدئويي باشد، به بلندي که پارامترهاي دوربينشان و فاصله داخلي آنها معلوم باشد. براي نظارت صحنه هاي پويا اين نيز مهم است که دوربين ها همزمان (سينک) شده باشند، دقت همزماني نياز به چيزي بهتر از ثابت زماني حرکت اشياء دارد.وجود اطلاعات فاصله اضافي (عمق)، در مقايسه با يک سنسور ويدئويي معمولي، در يک سيستم VCA خيلي مفيد است. براي نمونه، اين اطلاعات مي تواند براي اندازه گيري دقيق خصوصيات فيزيکي حقيقي يک شيء به همان خوبي که اشياء نسبتا بسته به آساني از هم جدا مي شوند، مورد استفاده واقع شود. به علاوه اين امر مي تواند بدون احتياج به يک مدل زمينه حادث گردد. در کنار اين مزيت بزرگ، تصوير سازي استريو به طور قابل توجهي در زنجيره پردازش پايه اي توانمندی را بهبود مي بخشد. چون استريو تعيين مکان يک شيء را در حالت سه بعدي ميسر مي سازد، پرندگان و ساير عوامل حواس پرتي مي توانند به سادگي جدا شوند و بدين طريق نرخ آلارم خطا را کاهش دهند. يک جسم مي تواند از سايه زمينه اش که در مورد دوربين تکي چالش محسوب مي شود، نيز به راحتي تفکيک شود. آشکارسازي و دسته بندي نيز به طرز قابل توجهي کمتر به شرايط نورپردازي مرتبط است. توضيح شکل2: (چپ) يک نماي شماتيک از يک شبکه دوربين و ارتباط آن با شبکه جغرافيايي. جريان انتقال هاي دوربين به دوربين محتمل را نشان مي دهد. (راست) مثالي از اينکه چطور تعقيب ازطريق دوربين هاي مستقل ممکنست به سوي تعقيب جهاني از طريق شبکه دوربين ها با استفاده از فضا – زمان به همان خوبي شکل ظاهري اشياء،امکان پذيرست. رديابي پايدار جلوتر به وضوح شرح داديم که براي ويژگي رديابي براي هر ميدان ديد دوربين مستقلي نياز است. معمولا يک تجهيزات معمولي شامل دوربين هاي چندتايي است. ميادين ديد برخي از اين دوربين ها ممکنست همپوشاني داشته باشند در حاليکه ديگر جفت ها ممکنست دور از يکديگر تنظيم شده و ميدان هاي ديد کاملا مختلفي داشته باشند. به چندين دليل، در يک چنين شبکه اي يک رديابي پايدار نسبت به تعقيب در يک ميدان ديد تنها مسئله ي چالش برانگيز است: دوربين ها مي توانند به طور گسترده اي جدا شوند و شيء مي تواند براي مدت هاي مديدي دور از ديد قرار گيرد؛ شرايط نورپردازي نيز مي تواند هر شکلي بر اساس شيء را خيلي متفاوت ساخته و با يک چالش بزرگ روبرو کند؛ دوربين ها خودشان مي توانند از مدل هاي گوناگون بوده و تنظيم نسبي آنها مي تواند خيلي زياد تغيير کند.حل اين مشکل بطور کلي، يک مسئله بسيار دشوار است. براي مثال، حمله يک نيروي خشن به محاسباتي نياز خواهد داشت که بصورت نمايي با تعداد دوربين ها و افزايش اجسام، افزايش مي يابد. در هر صورت، روش هاي رديابي مستمر در شبکه ها با حالتي سر و کار دارند که در آن، آنها عملا سودمند بوده و ارزش افزوده اي به بهره بردار نهايي مي دهد. روش هاي موفق تر ملاحظات اينکه چگونه شبکه فيزيکي ورودي ها/ خروجي ها، فضاهاي باز، و راه هاي سالن ها به شبکه دوربين ها ارتباط دارند، را در نظر مي گيرند. از اين راه ما فقط احتياج به عوامل کمکي بين ميادين ديدي داريم که در عمل متصلند، شکل 2 را ببينيد.در حاليکه يک رديابي مستمر در ميادين ديد بدون همپوشاني، هنوز يک کار در حال پيشرفت است، تعقيب در ميدان هاي ديد همپوشاني شده اين روزها در سيستم هاي تجاري در دسترس است.يک امکان رديابي شبکه اي کاري بصورت قابل ملاحظه اي مي تواند قدرت کاربر را براي اجراي ايمني و امنيت اشياء بهبود ببخشد. قبل از همه، چون اشياء مي توانند بطور پايداري از طريق FOV هاي گوناگون با و بدون همپوشاني تعقيب شوند، يک نماي کلي بهبود يافته از ناحيه تحت نظارت امکان پذير است. در ثاني، دستيابي به محل قبلي شيء به خوبي مسيرهاي محتمل آتي آن ممکن مي باشد. سر انجام، اين نوع ويژگي مي تواند در تحليل خارج از خط بسيار مفيد باشد. از آنجائيکه تفسير فيلم هاي ويدئويي ضبط شده با داده هاي شيء، ممکن مي شود، مي توانيم به شکلي کارآمد در متا ديتاي خيلي زياد متراکم شده به جاي جستجوي مشقت بارتر در داده هاي ويدئويي خام، جستجو نمائيم.
تحليل ويدئوي هوشمند در صنعت حفاظت، موضوع بحث ما چندين عنوان دارد ، دو تا از متداول ترين عناوين رايج، IVA (تحليل ويدئوي هوشمند) و VCA (تحليل محتواي ويدئو) هستند. گونه هاي متعددي از اينها وجود دارند، ولي VCA دقيق ترين عبارت براي تشريح اين مبحث در حال تحول است، به طوريکه زدن برچسب هوشمند به يک سيستم فني در معناي واقعي کلمه دشوار است. تمام انواع VCA تکنولوژي هستند که جهت تحليل تصوير براي داده ها، رفتار، عوامل يا حالات خاص به کار مي رود.امروزه، مقادير زيادي از داده هاي ويدئوئي در کاربردهاي خانگي و شرکتي وجود دارند، اما تعامل با تصوير ذخيره شده در بانک هاي داده نياز به ابزار هاي بهتر براي توضيح ، سازماندهي و مديريت آن داده ويدئوئي دارد. به اين دليل، شرکت هاي خصوصي و موسسات تحقيقاتي در پروژه هاي پژوهشي براي کشف امکانات توضيح و دسته بندي خودکار مفهوم چندرسانه اي و ويدئو در حالت خاص، با يکديگر همکاری کردند. البته تشريح تئوری مفهوم ويدئو، خيلي وقت می برد و روش هاي اتوماتيک شده مورد نياز هستند. تصور کنيد اگر تمام تصاوير ويدئويي روي رسانه های اجتماعی مي توانستند به طور خودکار به وسيله يک اپليکيشن نرم افزاري توضيح داده شوند، آنگاه عمل جستجو در آرشيو تصويري به راحتی بر اساس عناوين تگ شده توسط کاربری که فيلم را آپلود کرده، صورت می پذيرفت.البته مقادير زيادي از تصاوير هم در تجهيزات امنيتي پيدا مي شوند که با دوربين ها سر و کار دارند. گرايش به VCA در طي سال هاي اخير افزايش يافته است و نقطه تمرکز در اين مقاله خواهد بود. در حفاظت، VCA به طور اساسي در تحليل زنده تصوير به کار مي رود. به هر ترتيب، آن مي تواند براي تصوير ضبط شده اسکن شده با تعيين پارامترهاي مشخص براي نرم افزار جستجو به کار برود، که بطور بالقوه يک عملکرد صرفه جويي زماني بسيار زياد دارد که ارزش نصب VCA را افزايش می دهد.ما براي روشن کردن اينکه چرا نصب ويدئويي مي تواند با عناوين ويدئوی هوشمند يا تحليلي بيان شود، مثالي از يک مرکز خريد مي زنيم. بطور اصولي تعدادي از دوربين ها کم و بيش مستقيما به يک تعداد از نمايشگرها متصلند که بعضي اوقات توسط کاربرها تماشا مي شوند و شايد هم ضبط شوند. معمولا اگر هر تصوير براي مقاصد نمايشي بزرگنمايي شود، پردازش تصوير انجام مي شود. هر تحليل و درکي از آنچه در منطقه تحت نظارت در حال وقوع است، در بخش کاربران مي باشد. خوشبختانه بيشتر زمان ها، چيز خاص يا اتفاقات تهديد آميزي رخ نمي دهد. متاسفانه ، تحقيقات نشان مي دهند که حتي کاربران آموزش ديده طی 22 دقيقه ، 90% توجه شان را از دست مي دهند. با توجه به اين آمار ، احتمال اينکه از يک رخداد بحراني به لطف وجود دوربين جلوگيری شود يا توسط نگهبانان متوقف شود، بسيار کم خواهد بود. بررسي آنچه در طول و پس از آن واقعه اتفاق مي افتد، از قبل، بايد با اسکن کردن تصاوير ضبط شده به صورت دستي انجام شود، يک کار ذاتا سنگين و وقت تلف کن. از آنجائيکه هيچ پشتيباني واقعي و لحظه ای به وسيله سيستم ارائه نمي شود، نه در حال ضبط تصوير و نه پس از آن، چنين سيستمي نمي تواند به عنوان يک سيستم تحليلي يا هوشمند دسته بندي شود. توضيح شکل: قبل از اينکه هر تحليلي صورت گيرد، متا – ديتا از نوار ويدئو بايد استخراج شود. متا ديتا شامل اطلاعاتي چون سرعت، اندازه و موقعيت اشياء است. VCAچيست؟ برخلاف مثال مرکز خريد، انتظار مي رود تحليل محتواي ويدئو(VCA) با به کارگيری تعدادي از توابع خودکار، حداقل تا حدودي بر محدوديت هاي کاربر هم در بررسي لحظه ای و زنده تصاوير و نيز در بررسی تصاوير ضبط شده فائق آيد. پيش از پرداختن به عمق تکنولوژي VCA، يک نوع اساسي تر از علم تحليل ويدئو براي بيش از 20 سال در دسترس بوده است که آشکارسازي حرکت ويدئوئي (VMD) ناميده مي شود. آشکارسازي حرکت امروزه يک امکان پيشرفته در بسياي از دوربين هاي ويدئوئي ديجيتال و سيستم هاي مديريت ويدئوئي است. VMD به تغييرات يک تصوير در مقياس پيکسل (حرکت) نگاه مي کند و اگر تغيير بيش از يک آستانه تعريف شده توسط کاربر باشد، آن را اعلام حرکت می کند. از آنجاييکه تکنولوژی VMD بسيار ساده می باشد، معمولا با آلارم های خطا همراه است. به اين معنی که اعلام خطر می کنند در حاليکه پس از بررسی تصوير مشاهده می شود هيچ اتفاق خاصی يا حتی حرکتی صورت نگرفته است. لذا، VDM خيلي هوشمند به نظر نمی رسد. پس آن چيست که يک سيستم تحليل محتواي ويدئو را هوشمند مي کند و آيا مي توان کل صحنه را يک هوش سيستم علم تحليل ويدئوئي ناميد؟ اگر مجددا به مثال مرکز خريد بازگرديم، و حال آنرا با يک سيستم تحليل محتواي ويدئو تجهيز کنيم، مي توانيم تعدادي از بهينه سازی ها را ببينيم: چون مرکز خريد شامل تعدادي از فروشگاه ها، ورودي ها/خروجي ها، فضاهاي باز و راهروي سالن هاست، در سيستم معمول، به دست آوردن يک چشم انداز خوب از کل مرکز خريد يک چالش است. در هر حال، يک سيستم VCA ارتباط ميان شبکه فيزيکي ورودي ها/خروجي ها، راه هاي سالن ها و... با شبکه دوربين هاي تعبيه شده در مرکز خريد را مي داند. علاوه بر اين، سيستم VCA مي تواند افراد و اشياء را از طريق اين شبکه به طريقي پايدار تعقيب کند. بدين وسيله کاربرها يک چشم انداز کاملا بهبود يافته از مرکز خريد را مي بينند. براي نمونه، درخواست اينکه يک مهاجم يا دشمن از کجا آمده است يا شايد مهمتر از آن، به کجا مي تواند بدود يا کجا مي توان جلوي او را سد کرد، از سيستمVCA ممکن مي شود. ممکنست توجه ويژه لحظه به لحظه به نقاط مشخص از مرکز خريد ضروري باشد. يک تشکيلات معمولي نياز خواهد داشت که يک کاربر به شکل دستي اين مناطق را به دقت مشاهده نمايد که با توجه به کم شدن توجه کاربر اول به ديگر نواحی به يک کاربر ديگر نياز خواهد بود. در يک محصول VCA، کاربر مي تواند يک ناحيه حفاظتي مجازي و قوانين وابسته براي راه انداختن هشدارها را تعريف کند. او مي تواند هنگاميکه سيستم VCA تنها در رويدادهاي خاص، هشدارها و نواحي تعريف شده را رصد مي کند، وظايف عادي خود را انجام دهد.  در صورت نقض قانون تعريف شده، کاربر آگاه مي شود ولي يک دوربين HDTV مجهز به پن/ تيلت/ زوم نيز مي تواند به طور خودکار به سوي موقعيت رخداد جهت دهي شود تا تصاوير با کيفيت بالايي از حادثه ضبط کند. يک سيستم VCA ممکنست شامل مدول هايي براي مشخصات بيومتريک باشد، مثلا براي مشخصات کاربراني که خودشان وارد مناطق حساس مي شوند.VCA چطور کار مي کند؟VCA از طريق خلق و تحليل متا ديتا امکان پذير مي شود. مثال نوعي از متا ديتا عبارتست از: اندازه شيء و موقعيت در يک تصوير، سرعت شيء، پلاک تحت ليسانس.به بيان ديگر، متا ديتا داده اي درمورد داده است يا داده اي که محتواهاي يک تصوير را شرح مي دهد. چون اين داده ها آنگاه براي تحليل هاي بيشتر ارسال مي شوند، واضح است که ماهيت و کيفيت داده از اهميت برخوردار است.ابتدا مهم است که فقط اشياء حقيقي تشريح گردند و حرکت نباتات در باد و يا يک سايه روي زمين به طور غلط به عنوان يک شيء حقيقي گزارش نشود. در وهله دوم، به اندازه کافي دقيق بودن متا ديتا حائز اهميت است. مثال واضح شناسايي خودکار پلاک (ANPR) است. اگر دقت ID پلاک خودرو کم باشد، آنگاه سيستم ANPR تصوير بي مصرفي ارائه مي دهد. همچنين اگر اندازه يک شيء با بي دقتي تخمين زده شده باشد، خطر آن وجود دارد که نتيجه تحليل غلط باشد. بگذاريد بگوئيم که يک سيستم طراحي شده تا حادثه اي را مشخص کند چنانچه شيئي با اندازه مفروض به صحنه وارد شود. اگر اندازه شيء درست تخمين زده نشده باشد، احتمال اين مي رود که شخصي بتواند به منطقه ممنوعي وارد شود بدون آنکه آلارمي فعال گردد. تحليل پيشرفته تر متا ديتا به بيشتر دقيق بودن آن بستگي دارد.سوم آنکه ماهيت داده ها مهمند. دانستن موقعيت يک شيء در تصوير براي ساختن يک ناحيه ايزوله کافي است. در هر حال، اگر موقعيت هاي اشياء در يک مختصات جغرافيايي (نقشه) داده شده باشند و اشياء به انسان، خودرو، حيوان، و غيره دسته بندي شده باشند، احتمالاتي را که وجود دارند تصور نمائيد. تحليل متا ديتا وقتيکه به ارزش کاربر نهايي مي رسد، جالب مي باشد. آن نتيجه اين فرآيند به صورت وقايع به کاربر نمايش داده مي شود. تحليل موقعيت يک شخص در طول زمان مي تواند منجر به يک هشدار نقض محيطي يا يک هشدار ولگردي بسته به حرکت شخص و نوع تحليلي که انجام شده، شود. اگر متا ديتا شامل اطلاعاتي درباره موقعيت جغرافيايي اشياء باشد، يک تحليل متا ديتا مي تواند تشخيص دهد که يک خودرو در حال سرعت گرفتن است يا يک فرد در حال دويدن مي باشد. اطلاعات مربوط به هر سرعت خودرو مي تواند براي محاسبه سرعت متوسط روي يک جاده در صورت وقوع ازدحام براي راه انداختن يک هشدار دوباره به کار رود. در يک تاسيسات با امنيت زياد، اگر سيستم در صورت روي آوردن همزمان چندين نفر به يک منطقه ممنوعه در مکان هاي گوناگون براي تحريک آلارمي برنامه ريزي شده باشد، يک برهم زدن نظم يا حمله سازماندهي شده مي تواند سريع تر آشکار شود. اگر يک سيستم تحليلي ويدئوئي مي تواند متا ديتاهايي توليد کند که هر شخص را به روشي کامل ودقيق توضيح دهد، فرد به صورت تئوريک مي تواند بين دوربين ها تعقيب شود و حرکت وي درون يک شهر يا ساختمان مي تواند بازسازي شود. تمايز زمينه هنگاميکه چگونگي کار کردن تحليل محتواي ويدئو مورد بحث مي باشد، روشن نمودن جدايي اشياء از زمينه در يک رشته تصوير ويدئويي مهم است. موقعيکه نوبت به اجراي تکنولوژي تمايز زمينه مي رسد، تفاوت هاي بزرگي در جزئيات وجود دارند؛ به ويژه روش استفاه از فيلتر کردن سر و صداي تصوير و آشفتگي هاي آن که ناشي از تغير شرايط نورپردازي و اثرات جوي مانند باد، باران و برف است. گام هاي اصولي يک تمايز زمينه عمومي در زير شرح داده شده اند:  بخش بندي سيستم يک تصوير به آرامي در حال تغيير، از آنچه به عنوان زمينه ساکن دريافت مي کند، نگه مي دارد. براي هر فريم جديد در نوار ويدئويي، تصوير زمينه به يک تنظيم تغييرات نور و امثال آن به روز مي شود. و پيکسل ها در فريم جاري که متفاوت از تصوير زمينه تقسيم بندي شده هستند. روش هاي مختلفي براي کاهش اثر نور متغير، کنتراست ضعيف و حرکت هاي طبيعي ايجاد شده در اثر آب و هوا بکار مي روند. انواع الگوريتم ها براي جدا کردن تکنولوژي هاي پيشرفته از انواع ساده تر مورد استفاده واقع مي شوند. دسته بندي دسته هاي پيکسل هاي بخش بندي شده با يکديگر گروه بندي مي شوند تا اشياء را تشکيل دهند. سيستم هاي پيشرفته همچنين قادرند تا سايه هاي موثر و اشيائي را که نسبتا مبهمند يا جائيکه آنها در زمينه گم شدند، را حذف کنند. سيستم هاي گوناگون تفاوت هاي مهمي در دقت بخش بندي دارند طبقه بندي فارغ از آنکه سيستم هاي VCA مي توانند طبقه بندي اشياء را انجام دهند، محدوده اي از تکنيک ها وجود دارند. يک رويکرد، تخمين تعدادي از پارامترها براي هر شيء شامل اندازه، سرعت، و موقعيت مي باشد. مقدار پارامتر با مقادير از پيش تعريف شده مقايسه شده و اشياء به کلاس شيئي مربوطه تعلق مي گيرند. اين به رفع آلارم هاي خطا ناشی از مثلا سايه هاي ابر يا پرندگان کمک مي کند. نوع ديگر نگرش استفاده از تکنيک تطابق با الگو می باشد. فصل اشترک اين تکنيک ها اينست که آنها شيء را با کتابخانه اي از الگوها که برايشان تعريف شده مقايسه نموده و شباهت آن شيء را با کلاس مشابه الگو محاسبه مي نمايند. اين روش مي تواند بيشتر توسعه يابد تا يک شيء را از تصاوير تنها استخراج نموده و تمايز زمينه را غير ضروري کند. در هر صورت، با دانش ما، اين روش ها فقط در پروژه هاي پژوهشي آزموده شده و هنوز به شکل تجاري در محصولات تحليلي ويدئوئي موجود، انجام نشده است.معايب تکنيک هاي طبقه بندي مستقيم آنست که آنها قدرت محاسباتي بيشتر و وضوح بالاتر (پيکسل هاي زيادتر) از اشياء نياز دارند. اين يعني اينکه برخي سيستم هاي VCA قادرند در فواصل بلند (200 متر با وضوح 480 × 640 ) اشياء را نشان دهند و طبقه بندي کنند در حاليکه ساير سيستم ها اغلب در 50 تا 75 متري به علت محدوديت هاي تکنولوژي هاي پايه اي متوقف مي گردند.  رديابي آخرين قدم فرآيند، رديابي است، وقتي که وظيفه عبارتست از تخصيص يک ID منحصربفرد و تعقيب آن تا فاصله اي که در ميدان ديد دوربين ها باشد. تکنيک هاي متفاوتي براي رديابي اشيائي که نسبتا يا کاملا درزمان هايي مبهم هستند، وجود دارند و تفاوت هاي عمده اي در توانايي سيستم هاي گوناگون براي تعقيب يک شيء تحت شرايط متفاوت يعني کيفيت تصوير ضعيف موجود است.تمايز ميان توانمندی و ويژگي ها بنابراين چه نوع وقايعي مي توانند آشکار شوند؟ BSIA (انجمن صنعت امنيت بريتانيا) بدين روش آن را مقرر کرده است:در تئوري، هر "رفتاري" که بتواند هم ديده شود وهم با دقت روي يک تصوير ويدئوئي مشخص گردد و يک هشدار فعال شود.خوب، پس "رفتاري" که شما بدنبالش هستيد بايد ديده شود. اين بدان معني است که اگر شما نتوانيد ببينيد که فردي اسلحه يا سلاح سردي حمل مي کند نمي توانيد آنرا با استفاده از علم تحليل ويدئوئي نشان دهيد. اين عملا يک تصور غلط مشترک است و بسيار پيش می آيد. يک مثال روزمره تر نشان دادن اقلام کنار گذاشته شده است. اين امکان به صورت بالقوه اشياء خطرساز را نشان مي دهد.، يعني يک بمب رها شده در يک فرودگاه يا ديگر اماکني که مردم بسياري در آنها تردد مي کنند. تنها مسئله آنست که يک دوربين ويدئوئي نمي تواند ببيند چه پشت يک بن بست است يا اشيائي را که بوسيله عابرين مبهم مي شوند، ببيند. اين براي ما تمايز بين امکانات و ويژگي ها را مطرح مي سازد. با امکانات (يا صحيح تر امکان توانمندي)، منظورمان اينست که يک سيستم قادر به چيزهاي مشخصي است. ويژگي يک موضوع پيچيده تر است چون هم به چگونگي کار کردن امکانات و هم به اينکه آن ويژگي ها تا چه حد امکان بکارگيري دارند، مربوط مي شود. يک مثال معمولا مورد استفاده توان يک خودرو براي توقف است. اين امکاني است که هر ماشيني بايد داشته باشد. به هر ترتيب، ويژگي ترمز کردن براي قابل استفاده بودن بصورت يک پدال و نه يک کليد فشاري در يک جعبه داشبورد انجام مي شود. علاوه براين، يک خودروي اسپرت نسبت به يک خودروي خانوادگي توانايي توقف سريعتري را دارد. بين ويژگي ها تفاوت هايي وجود دارند. چنانچه نگاهي به امکاناتي که مجموعه اي از فروشندگان VCA مي خواهند که داشته باشند، بيفکنيم، ليست خيلي شلوغي به دست خواهيم آورد: محافظ اموال ولگردي نشاندهنده اشياء رها شده به عقب بردن جستجوي هوشمند نشاندهنده آيتم هاي حذف شده دفاع محيطي نشاندهنده حرکت ويدئوئي سنتي(VMD) انسداد دوربين نشاندهنده لغزش و سقوط فنس(توري) مجازي نشاندهنده جهت غلط حرکت در جهت مشکوک نشاندهنده تشکيل ازدحام غير عادي سرشماري مردم نشاندهنده ورود بي اجازه مديريت ازدحام و صف نشاندهنده نوارنقاله جابجا کننده مردم نشاندهنده فعاليت غير مجاز نشاندهنده فرارحال بايد بپرسيم آيا رفتار مي تواند ديده شود و مي تواند به دقت شرح داده شود؟ بياييد دوباره نگاهي به نشاندهنده اشياء رها شده بيندازيم. قبلا بحث کرديم که اين رفتار تنها اگر خط ديد منتهي به جسم مبهم نشده باشد، مي تواند مشاهده شود. به بيان ديگر، فقط بعضي وقت ها مي توان آن را ديد. آيا رفتار با دقت قابل توضيح مي باشد؟ چگونه يک جسم رها شده را مشخص مي کنيم؟ چه مدت بايد رها شده باشد و چقدرنياز است دور از يک شخص باشد؟ اگر کسي چمداني را نزديک فرد ديگري ترک نمايد، چمدان يک شيء رها شده است؟ آيا مي توان آن را به دقت شرح داد؟ برخي مواقع بله.پس، خيلي از فروشندگان VCA مي خواهند که سيستم هايشان بتوانند اشياء رها شده را به صورت يک رفتاري که بعضي اوقات قابل توضيح باشد و بعضي مواقع ديده شود، نشان دهند. بيائيد صادق باشيم، اين امکاني با ويژگي ضعيف است.آنگاه درباره ساير امکانات صفحه قبل چطور است؟ تشکيل ازدحام غيرعادي و حرکت در جهت مشکوک چه هستند؟ سيستم ها چقدر اين امکانات را خوب برآورده مي سازند؟ اصول کار کردن VCA همانگونه که پيش تر بحث شد، يک امکان تشخيصي مهم يک سيستم VCA توانايي آن در توليد و تحليل متا ديتا است. ما به کمک متا ديتا در اين متن، محتويات يک تصوير يا نوار ويدئويي راطوري شرح مي دهيم که يک درک از وقايع در جريان ممکن شود. براي مثال، اگر سيستم بتواند کاربر را هر موقع که شخصي در حال دويدن است، در جريان گذارد، نياز به استخراج حداقل داده هاي زير از نوار ويدئوئي(قسمت تحليلي) دارد: بيرون کشيدن اشياء پيش نما؛ برآورد اندازه و ساير خصوصيات تشخيصي اشياء جلوي صحنه؛ تخمين سرعت هر جسم (ملاحظه کنيد که براي انجام اين منظور نياز به چهارچوبي براي رديابي اشياء در فريم هاي متوالي تصوير داريم)اين داده هاي استخراجي متا ديتا مي باشد. در قدم بعدي، سيستم VCA متا ديتا را به جاي داده ويدئويي خام تحليل مي کند. در اين مورد تحليل متا ديتا (قسمت هوشمند) عبارتست از : طبقه بندي اشياء پيش صحنه به انسان ها و غير انسان ها کسي که مي داند چطور دويدن را از قدم زدن، ايستادن و امثالهم تشخيص دهد. توضيح شکل1: سنسورهاي استريوي Saab در سيستم هاي رديابي فوتبال Tracab مورد استفاده قرار مي گيرند. احتمالات تجاري براي ويدئوي هوشمند چندين مثال وجود دارند که چگونه کسب و کارها مي توانند با استفاده از علم تحليل ويدئويي در تاسيسات امنيتي آنها سودمند شوند. نشان دادن سرقت و ديگر رفتارهاي نامطلوب در يک سوپرمارکت واضح است اما در همان زمان آن مي تواند براي دنبال کردن اجتماعات در فروشگاه به کار رود تا ببينيد چه محصولاتي بيشترين مشتريان را جلب مي نمايند.نمونه ديگر مي تواند تاسيسات تحليل ويدئويي در يک محيط بانکي باشد که در آن ويژگي حفاظتي براي پيشگيري از سرقت و کلاهبرداري خواهد بود اما به طور همزمان مي تواند براي بهينه سازي صف مشتريان با اعلام آلارم افزايش نوبت به کارکنان، نيز استفاده شود. ROI - مهم امروزه وقتي يک سيستم CCTV خريداري مي شود، کل مبحث درباره امنيت است و شايد بايد اينطور باشد. ممکنست زماني بيايد که تحليلگران کسب و کار و آمارگران به صحنه CCTV ورود کرده و از دستگاه هاي حفاظتي ROI مطالبه کنند. نمي دانيم اين زمان اکنون، ديرتر يا هرگز باشد. چيزيکه مي دانيم اينست که همه صنعت بايستي همان ايده و ارزش اصولي براي هر تاسيسات CCTV ياد گرفته و پياده سازد. بازگشت سرمايه يک ابزار حياتي در بقاء حق موجوديت در هر اقتصاد آزادي است.بنابراين، چگونه برگشت سرمايه از يک دورنماي علم تحليل ويدئويي در يک کاربرد امنيتي را اندازه مي گيريم؟ مانند هر مورد کسب و کاري ارقام را خرد کرده، هزينه ها را درمقابل راندمان و تقليل مخارج محاسبه کنيد. کاربردهاي نوعي يک نظارت تحليل ويدئويي انجام شده مدرسه اي شايد اشاره به کاهش ونداليسم (تخريب اموال عمومي)، کاهش هزينه کارکنان حفاظتي يا متوقف کردن تداخل هاي فعاليت هاي روز به روز آنان به سادگي داشته باشد. ROI آنها مي تواند با ارزيابي هزينه کل ونداليسم در مدرسه در مقايسه با صرفه جويي يک آلارم عمومي با استفاده از ويدئو هوشمندي که فرض مي شود، محاسبه گردد. در مدارس اجتماعي مدرن امروزي، غالبا هدف هزينه هاي ونداليسم جوانان، جمع هاي کلان سرمايه هاي عمومي است. تاسيسات حفاظتي و آلارم امروزي، به ندرت ونداليسمي را متوقف مي کند ولي تقريبا به صورت يک هشدار براي کارکنان حفاظتي براي جستجوي کساني که ممکنست آرامش را در آن مجموعه عمومي بر هم زده باشند، عمل مي کنند که اغلب درصد کمي از تماشاچيان يا زمين هاي بازي ورزشي يا حياط مدرسه کودکان مي باشند. با ويدئوي هوشمند هر آلارمي مي تواند فقط بوسيله نيروهاي حفاظتي از آلارم هاي به جا فيلتر شوند تا اطمينان ايجاد شود که هيچ آلارم خطايی وقت و منابع کارکنان دولتي را نمي گيرد.مورد نمونه ديگر براي به کارگيري ويدئوي هوشمند، مطابقت است. امروزه تعداد روبه رشدي از نهادهاي قانوني داريم که قوانيني براي کسب و کارها و سازمان هاي مختلف وضع مي کنند و بسياري از اين مقررات تمرکز بر امنيت دارند. در اثر توليد مواد بيولوژيکي، FDA آمريکا مقرراتي براي امنيت در سايت ها و سوله ها، هرچند کارخانه خارج از مرزهاي ايالات متحده تاسيس شده باشد، تعيين نموده است. مقررات FDA براي مثال مي گويد چطور در منطقه ای ترافيک ممکنست جريان يابد و چه انواع ترافيکي مجاز هستند. انطباق با اين قوانين معمولا براي هر شرکت پزشکي يک امکان نيست چون بازار ايالات متحده به قدري با ارزش است که حتي در نظر گرفتن واگذاري، رها کردن توليد کننده با راهکارهای پيچيده براي اندازه گيري سرعت و جهت وسائط نقليه تنها امکان آنها مي باشد. در اين مورد يک راه حل تحليل ويدئويي با کيفيت زياد مي تواند تمام محاسبات ROI را با يک روش بسيار با صرفه به طوريکه حتي مشاوران مديريت آنرا بستايند، انجام دهد. محاسبه ROI محاسبه ROI براي محصولات تحليل ويدئويي معمولا يک کار ساده و غير پيچيده است، افزايش امنيت اغلب مي تواند با يک کاهش هزينه ونداليسم يا سرقت محاسبه گردد. ولي همانطور که هر کاسب پيشه خوبي در نظر مي گيرد، زمان هم پول است، و کارکنان امنيتي مشخصا نياز به وقت براي بررسي آلارم هاي نادرست دارند حتي چنانکه هيچ ونداليسم يا سرقتي رخ نداده باشد. اگر ويدئوي هوشمند بتواند براي کاهش دادن نرخ هر آلارم نادرستي به کار رود، به طور مشخص يک دليل تجاري براي درست کردن چنين تاسيساتي وجود خواهد داشت. يک ايستگاه انتقال قدرت معمولا يک تاسيسات با امنيت بالاي بدون نگهبان در جائي در يک منطقه پرجمعيت با جريان هاي کشنده برق جاري درمناطق نسبتا باز است. فرستادن سيستم های حفاظتی به چنين تاسيساتي معمولا گرانقيمت است ولي چون تخطي مي تواند منجر به صدمات وحشتناکي شود، ضروريست. استفاده از علم تحليل ويدئويي در چنين محلي مي تواند نرخ هاي آلارم نادرست را کاهش داده و ضمانت کند تنها رخدادهای حقيقی باعث ايجاد آلارم شده اند و در چنين حالتي در زمان و پول نيروهاي امنيتي صرفه جويي کند.کاربردهاي مشابه در سراسر دنيا در هر تاسيسات بدون نگهباني مانند يک ايستگاه موبايل مبتنی بر شبکه، يا يک ورودي تونل راه آهن وجود دارند. تصويرسازي استريو در تجهيزات نظارت متداول معمولا يک دوربين تنها يک منطقه مشخص را مي پوشاند يعني سنسورهاي ويدئويي تک چشمي اند. در مقابل، انسان ها به خوبي بسياري از حيوانات، از ديد دو چشمي براي مشاهده و درک محيط شان بهره مي جويد. ديد تک چشمي تصوير دوبعدي از يک دنياي سه بعدي، يعني يک توضيح مسطح ارائه مي دهد. چنين تصويري نوع اطلاعاتي که مي تواند از صحنه استخراج شود را به طور چشمگيري محدود مي نمايد. مثلا هر اطلاعاتي مربوط به فاصله يا عمق در اين تصوير از دست رفته است و تخمين اندازه شيء را بدون يک مدل زمينه غير ممکن مي سازد. ديد دو چشمي يا معادل آن استريو از اين محدوديت رنج نمي برد. به هر حال سنسورهاي ويدئويي مي توانند براي ارائه اطلاعات سه بعدي به خوبي ترکيب بندي شوند. همانند ساختمان چشم انسان ها، اين امر مي تواند با نصب دو سنسور ويدئوئي با هم با فاصله اي بين آنها (مي گويند 50 cm) و نگاه کردن در جهت يکسان بدست آيد. سنسور استريو Saab مثالي از چنين سنسور تصويرسازي مرکبي است که قادر است تصوير سازي استريو زنده فراهم سازد. دوربين ها در يک فاصله معين کوچک از يکديگر تنظيم مي شوند و يک صحنه را مشاهده مي کنند. پردازش سيگنال ورودي را از دو دوربين گرفته و نقشه عمق صحنه را مي سازد.(شکل 1 را نگاه کنيد.)يک سنسور استريو مي تواند تقريبا بر مبناي هر دوربين ويدئويي باشد، به بلندي که پارامترهاي دوربينشان و فاصله داخلي آنها معلوم باشد. براي نظارت صحنه هاي پويا اين نيز مهم است که دوربين ها همزمان (سينک) شده باشند، دقت همزماني نياز به چيزي بهتر از ثابت زماني حرکت اشياء دارد.وجود اطلاعات فاصله اضافي (عمق)، در مقايسه با يک سنسور ويدئويي معمولي، در يک سيستم VCA خيلي مفيد است. براي نمونه، اين اطلاعات مي تواند براي اندازه گيري دقيق خصوصيات فيزيکي حقيقي يک شيء به همان خوبي که اشياء نسبتا بسته به آساني از هم جدا مي شوند، مورد استفاده واقع شود. به علاوه اين امر مي تواند بدون احتياج به يک مدل زمينه حادث گردد. در کنار اين مزيت بزرگ، تصوير سازي استريو به طور قابل توجهي در زنجيره پردازش پايه اي توانمندی را بهبود مي بخشد. چون استريو تعيين مکان يک شيء را در حالت سه بعدي ميسر مي سازد، پرندگان و ساير عوامل حواس پرتي مي توانند به سادگي جدا شوند و بدين طريق نرخ آلارم خطا را کاهش دهند. يک جسم مي تواند از سايه زمينه اش که در مورد دوربين تکي چالش محسوب مي شود، نيز به راحتي تفکيک شود. آشکارسازي و دسته بندي نيز به طرز قابل توجهي کمتر به شرايط نورپردازي مرتبط است. توضيح شکل2: (چپ) يک نماي شماتيک از يک شبکه دوربين و ارتباط آن با شبکه جغرافيايي. جريان انتقال هاي دوربين به دوربين محتمل را نشان مي دهد. (راست) مثالي از اينکه چطور تعقيب ازطريق دوربين هاي مستقل ممکنست به سوي تعقيب جهاني از طريق شبکه دوربين ها با استفاده از فضا – زمان به همان خوبي شکل ظاهري اشياء،امکان پذيرست. رديابي پايدار جلوتر به وضوح شرح داديم که براي ويژگي رديابي براي هر ميدان ديد دوربين مستقلي نياز است. معمولا يک تجهيزات معمولي شامل دوربين هاي چندتايي است. ميادين ديد برخي از اين دوربين ها ممکنست همپوشاني داشته باشند در حاليکه ديگر جفت ها ممکنست دور از يکديگر تنظيم شده و ميدان هاي ديد کاملا مختلفي داشته باشند. به چندين دليل، در يک چنين شبکه اي يک رديابي پايدار نسبت به تعقيب در يک ميدان ديد تنها مسئله ي چالش برانگيز است: دوربين ها مي توانند به طور گسترده اي جدا شوند و شيء مي تواند براي مدت هاي مديدي دور از ديد قرار گيرد؛ شرايط نورپردازي نيز مي تواند هر شکلي بر اساس شيء را خيلي متفاوت ساخته و با يک چالش بزرگ روبرو کند؛ دوربين ها خودشان مي توانند از مدل هاي گوناگون بوده و تنظيم نسبي آنها مي تواند خيلي زياد تغيير کند.حل اين مشکل بطور کلي، يک مسئله بسيار دشوار است. براي مثال، حمله يک نيروي خشن به محاسباتي نياز خواهد داشت که بصورت نمايي با تعداد دوربين ها و افزايش اجسام، افزايش مي يابد. در هر صورت، روش هاي رديابي مستمر در شبکه ها با حالتي سر و کار دارند که در آن، آنها عملا سودمند بوده و ارزش افزوده اي به بهره بردار نهايي مي دهد. روش هاي موفق تر ملاحظات اينکه چگونه شبکه فيزيکي ورودي ها/ خروجي ها، فضاهاي باز، و راه هاي سالن ها به شبکه دوربين ها ارتباط دارند، را در نظر مي گيرند. از اين راه ما فقط احتياج به عوامل کمکي بين ميادين ديدي داريم که در عمل متصلند، شکل 2 را ببينيد.در حاليکه يک رديابي مستمر در ميادين ديد بدون همپوشاني، هنوز يک کار در حال پيشرفت است، تعقيب در ميدان هاي ديد همپوشاني شده اين روزها در سيستم هاي تجاري در دسترس است.يک امکان رديابي شبکه اي کاري بصورت قابل ملاحظه اي مي تواند قدرت کاربر را براي اجراي ايمني و امنيت اشياء بهبود ببخشد. قبل از همه، چون اشياء مي توانند بطور پايداري از طريق FOV هاي گوناگون با و بدون همپوشاني تعقيب شوند، يک نماي کلي بهبود يافته از ناحيه تحت نظارت امکان پذير است. در ثاني، دستيابي به محل قبلي شيء به خوبي مسيرهاي محتمل آتي آن ممکن مي باشد. سر انجام، اين نوع ويژگي مي تواند در تحليل خارج از خط بسيار مفيد باشد. از آنجائيکه تفسير فيلم هاي ويدئويي ضبط شده با داده هاي شيء، ممکن مي شود، مي توانيم به شکلي کارآمد در متا ديتاي خيلي زياد متراکم شده به جاي جستجوي مشقت بارتر در داده هاي ويدئويي خام، جستجو نمائيم.
100 out of 100 with 3000 ratings

نظرات

  • هیچ نظری یافت نشد

نظر خود را اضافه کنید.

ارسال نظر به عنوان مهمان

0
نظر شما به دست مدیر خواهد رسید

درباره ایران آلارم

گروه ایران آلارم در بهمن سال 1385 با راه اندازی سایت اینترنتی ایران آلارم فعالیت خود را شروع كرد و درهمان آغاز مورد اسقبال و توجه اكثر شركتها و افراد فعال در صنعت حفاظت و امنیتی ایران قرار گرفت. اساس و هدف این رسانه ایجاد یك شبكه اطلاع رسانی قوی و موثر برای بالا بردن سطح كیفی و كمی این صنعت بوده و می باشد .

بازگشت به بالا