Контакты
Подписка
МЕНЮ
Контакты
Подписка

Видеоаналитика для транспорта: Big Data - подводная часть айсберга

Видеоаналитика для транспорта: Big Data - подводная часть айсберга

В рубрику "Колонка эксперта" | К списку рубрик  |  К списку авторов  |  К списку публикаций

Видеоаналитика для транспорта: Big Data - подводная часть айсберга

Николай Птицын
Редактор рубрики "Машинное зрение"

Интеллектуализация видеонаблюдения на транспорте - одно из самых перспективных направлений отрасли ввиду масштабного строительства общественной инфраструктуры. Так, только в Москве планируется переоснастить 188 существующих станции метро, построить 64 новые подземные станций, 31 наземную станцию на Малом кольце железной дороги и 5 линий скоростного трамвая с оплатой проезда на станции. Каждая подземная станция будет содержать не менее 50 камер, на которых будет работать ситуационная и биометрическая видеоаналитика, оптимизированная для мест массового скопления людей. Внедрение технических средств интеллектуального видеонаблюдения является обязательным на уровне федерального закона "О транспортной безопасности", распоряжений Правительства РФ об утверждении Комплексной программы обеспечения безопасности населения на транспорте и приказов Минтраса России об утверждении требований по обеспечению транспортной безопасности категорированных объектов.

Ситуационная видеоаналитика может быть реализована на базе алгоритмов слежения для потолочных камер, которые сопровождают людей "по головам". Детекторы ситуаций работают на основе полученной траектории и правил, заданных службой безопасности. Таким образом, могут быть настроены детекторы скопления людей (толпы), движения против потока, быстрого движения (бега). Возможно применение специализированных детекторов для автоматического обнаружения фактов падения людей на рельсы, появления оставленных предметов и безбилетного прохода через турникет.

Биометрическая видеоаналитика опирается на технологию распознавания лиц по биометрическим признакам лица. В простейшем случае осуществляется поиск подозреваемых лиц по "черному списку". При более сложных сценариях, которые еще не получили распространения на практике, биометрия интегрируется с ситуационной видеоаналитикой и системой сопровождения лиц. Например, "зайцы", прыгающие через турникет, автоматически заносятся в "черный список" и при многократных нарушениях могут быть задержаны и оштрафованы.

Перспективным является многокамерная биометрия, которая предполагает множественное сравнение лиц между различными рубежами территориально распределенной сети наблюдения. Такая система позволяет проанализировать не только перемещения подозреваемых лиц по сети общественного транспорта, но и собрать детальную статистику пассажиропотоков для ее сбалансированного развития.

Видеоаналитика на транспорте все чаще используется за рамками службы безопасности для сбора статистических данных и принятия управленческих решений. Такие аналитические системы необходимы для управления пассажиропотоками, повышения качества обслуживания и производительности труда персонала.

Если посмотреть на аналитические системы для транспорта с точки зрения современных тенденций ИТ в целом, то открывается "подводная часть айсберга" предстоящей работы. Видеоаналитика и биометрия сегодня чаще всего работают на объектовом уровне, причем собираемые метаданные используются лишь для привлечения внимания оператора. Архив метаданных, скрывающих массу полезной информации, не собирается и не анализируется.

Среди десяти стратегических технологий1, выделенных Gartner на 2013 год, с задачами транспортной аналитики сильно коррелируют как минимум три:

  1. стратегические большие данные (Strategic Big Data);
  2. аналитика в точке действия (Actionable Analytics);
  3. мобильные приложения (Mobile Apps).

Похожие прогнозы2 делает IMS Research: "Метаданные как Большие данные (Video Metadata as "Big Data") и вертикализация видеонаблюдения (Video Surveillance Goes Vertical)".

Таким образом, полноценное внедрение видеоаналитики на транспорте предполагает использование принципиально новых подходов для хранения и анализа больших массивов метаданных. Частными задачами здесь являются: поиск объектов и ситуаций в распределенном видеоархиве, фильтрация и ранжирование событий, агрегирование и визуализация данных для отчетов с учетом их контекстной зависимости.

___________________________________________
1 http://www.gartner.com/technology/research/top-10-technology-trends/.
2 http://www.imsresearch.com/press-release/Video_Surveillance_Trends_for_2013.

Опубликовано: Журнал "Системы безопасности" #2, 2013
Посещений: 5156


  Автор
Птицын Н. В.

Птицын Н. В.

Генеральный директор ООО "Синезис"

Всего статей:  33

В рубрику "Колонка эксперта" | К списку рубрик  |  К списку авторов  |  К списку публикаций