В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик | К списку авторов | К списку публикаций
IP-камеры и камеры машинного зрения различаются по ряду параметров, среди них:
Полоса пропускания и степень сжатия
IP-камеры разработаны для работы в среде с низкой пропускной способностью, поэтому их легко интегрировать в существующие компьютерные системы без риска для целостности таких систем. IP-камеры настраиваются удаленно и передают сжатый видеопоток (MPEG-4, MJPEG или H.264). Приоритет в оптимизации изображения отдается эффектной картинке на мониторе оператора.
Камеры машинного зрения, выступая компонентом закрытых систем обработки изображений, напротив, предназначены для работы в среде с высокой пропускной способностью и обеспечивают оптимальное качество видео. Этим объясняется одно из основных технических различий – сжатие изображения. То есть если IP-камера сильно сжимает картинку, чтобы сэкономить ресурсы при ее передаче, промышленная камера отправляет "сырые" (raw) данные, которые будут впоследствии обработаны мощным процессором на сервере. Такой подход позволяет сохранить мельчайшие детали исходного изображения, что незаменимо, например, в системах визуального контроля качества поверхностей. Если дефект находится на том участке изображения, данные для которого отсутствуют, то система контроля качества ошибочно пропустит дефектный компонент как соответствующий стандарту качества, то есть не справится со своей задачей.
Многопотоковость
IP-камеры могут передавать сразу несколько потоков, сжатых по различным алгоритмам (H.264, MPEG-4, MJPEG). Каждое конечное устройство затем принимает совместимый видеопоток. Оператор может выбрать видеопоток с высоким разрешением MJPEG, который позволит различать на мониторе даже мелкие детали, тогда как максимально сжатый видеопоток в формате H.264 передается на архивирование.
Камеры машинного зрения передают данные уже после обработки и анализа, например для целей ведения производственной статистики, оптимизации производительности оборудования и настройки оборудования для устранения повторяющихся ошибок. По сути, изображения сохраняются только после просмотра.
Совместимость с системами реального времени
Совместимость с системами реального времени предполагает, что камера начнет захват изображения немедленно после получения сигнала от триггера (то есть через заранее известный и хорошо прогнозируемый отрезок времени), после чего изображение будет сразу передано в систему, отправившую запрос. Приемлемый диапазон задержки может варьироваться от микросекунд до секунд. В камерах машинного зрения возможность передачи изображений в режиме реального времени является обязательным условием. Например, при осуществлении визуального контроля качества изделий, движущихся по конвейеру с высокой скоростью, задержка в работе системы приведет к сбою контроля качества. Таким образом, задержка между получением сигнала и отправкой изображения является критически важной. Не менее важна и предсказуемость времени отклика, то есть консистентность работы комплекса. Например, для системы, генерирующей 300 кадров/с, задержки больше нескольких микросекунд категорически неприемлемы. Однако и за пределами промышленных объектов предъявляется это требование – в частности, в системах контроля дорожного движения камеры могут быть синхронизированы со светофором (фиксация проезда на красный свет).
Многие IP-камеры не предусматривают работу в режиме реального времени. Обычно системы видеонаблюдения, как, например, те, что установлены в банках для мониторинга помещений, эксплуатируются в режиме автоматического захвата и передачи изображений для получения непрерывного видеопотока, без необходимости срабатывания по триггеру. Камера, настроенная на получение 30 кадр/с, использует внутренний генератор импульсов для захвата кадра с интервалом 1/30 секунды. В некоторых же случаях желательно запускать захват кадра в момент, определяемый внешними событиями, например внешним триггером, который срабатывает при пересечении автомобилем выбранной границы.
Генерирование сигналов ввода-вывода
Большинство камер машинного зрения оснащены интерфейсом ввода-вывода для управления внешними устройствами. Например, для включения света в помещении только на время захвата изображения, когда человек входит в зону действия камеры.
Промышленные камеры
Системы обработки изображений часто используются для контроля качества различной продукции, например пищевых продуктов. Благодаря этим изображениям производитель может принимать обоснованные решения, что без промышленной камеры было бы невозможно.
Другими областями применения камер машинного зрения являются электроника, робототехника и полупроводниковая промышленность.
Промышленные камеры передают несжатые (raw) изображения на ПК, где они обрабатываются при помощи мощных процессоров, которые невозможно разместить внутри камеры. При этом качество изображений при передаче не страдает, так как полностью отсутствует сжатие.
IP-камеры
Ввиду своих технических характеристик IP-камеры прекрасно подходят для решения задач видеонаблюдения. Они могут применяться как классические камеры видеонаблюдения для предотвращения краж, воровства и вандализма. Кроме того, их используют для мониторинга производственных процессов, а также контроля обстановки на дорогах или выявления нарушений правил дорожного движения. IP-камеры служат и для дистанционного управления машинами, автомобилями и роботами. В зависимости от области применения решающими с точки зрения оптимальной эксплуатации будут различные характеристики камеры.
Идеальным решением для систем биометрической идентификации по изображению лица являются камеры машинного зрения. Рассмотрим одну из таких систем на примере контроля входа и выхода учеников на проходных Колледжа связи № 54 в Москве.
Задача
Руководство колледжа было заинтересовано в поиске альтернативы картам доступа с RFID-метками как способа идентификации посетителей. Целями построения системы машинного зрения были:
Принцип работы
Система состоит из компьютеров (одного сервера и одного рабочего места оператора), камер (по две на проход – одна на вход и одна на выход), контроллеров доступа, турникетов и ПО (рис. 1). Ученики, преподаватели и персонал занесены в биометрическую базу данных.
Изображения, которые наилучшим образом подходят для последующего сравнения с картинкой, полученной камерой, а также угол съемки определяются и выбираются системой автоматически. Процедура регистрации была проведена с ми н имальным и неудобствами для учеников и преподавателей – им не пришлось позировать, поворачивать голову определенным образом и т.п.
Система использует графические сопроцессоры (акселераторы), что позволяет добиться огромной скорости обработки на оборудовании сопоставимой цены. С каждым обработанным изображением линейно увеличивается точность работы системы, так как ошибки идентификации не накапливаются.
С целью накопления и сбора реальной статистики ученикам и преподавателям было предложено по-прежнему носить с собой карту доступа и решить самостоятельно, что использовать в дальнейшем: распознавание лиц или карты с RFID-меткой. Для повышения вовлеченности учеников и преподавателей в работу системы точки доступа были оборудованы открытыми мониторами, чтобы каждый человек мог видеть процесс идентификации в режиме реального времени (рис. 2).
В результате 91% участников проекта предпочли использовать систему распознавания лиц, а не карту доступа. При проведении опроса они назвали следующие причины: "потому что так быстрее", "карту легко забыть дома, а лицо никуда не денется"; "гораздо проще посмотреть в камеру, чем шарить по карманам или в сумке в поисках карты доступа".
Опубликовано: Журнал "Системы безопасности" #4, 2015
Посещений: 9554
Автор
| |||
В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик | К списку авторов | К списку публикаций
