Рекомендации по оптимальной установке камер видеонаблюдения с искусственным интеллектом для обнаружения объектов и их атрибутов

Системы видеоаналитики на основе искусственного интеллекта входят в нашу жизнь. Они успешно справляются с широким кругом задач, в первую очередь, возникающих при обеспечении безопасности. Это и поиск в кадре различных объектов, в первую очередь, людей и автомобилей, и выявление их атрибутов (например, наличие очков у человека или цвет автомобиля) и обнаружение всевозможных событий.

Однако использование видеоаналитики на основе искусственного интеллекта будет результативным только в случае, если инсталлятор уделит достаточно внимания тому, как расположены камеры. Ведущий производитель систем видеонаблюдения, компания Hanwha Techwin, снабжает искусственным интеллектом все выпускаемые ею камеры бренда Wisenet, Компания выработала рекомендации по правильной установке камер Wisenet с искусственным интеллектом. Этим рекомендациям и посвящена данная публикация. Рекомендации относятся к процедуре обнаружения объектов и их атрибутов и не касаются вопросов регистрации событий, таких как исчезновение предмета или пересечение им виртуальной линии.

1. Технология

Для обнаружения и распознавания объектов используются алгоритмы глубокого обучения, которые производители камер успешно реализуют у них «на борту». Видеоаналитика на основе искусственного интеллекта обеспечивает нахождение на видеоизображении разных объектов. Человек, лиц, транспортное средство, номерной знак — типы объектов, наиболее актуальные для систем безопасности и бизнес-аналитики.

Видеоаналитика на основе глубокого обучения даёт возможность автоматически обнаруживать факт появления объекта в кадре, определять его расположение и тип. Кроме того, с её помощью находятся атрибуты объектов. Например, для человека это пол, возраст, цвет одежды, наличие и размер сумки. Транспортные средства классифицируются по типам — грузовик, легковой автомобиль, автобус, мотоцикл. Информация об атрибутах используется для эффективного поиска объектов и событий при обработке больших объёмов информации.

2. Параметры

2.1. Освещённость и качество изображения

Для нормальной работы видеоаналитики на основе искусственного интеллекта требуется освещённость не менее, чем 300 лк. Кроме того, испортить дело может плохое качество изображения — его низкая контрастность, наличие прямого солнечного света и т.д. Помимо этого, слишком большая выдержка и низкая частота кадров вызывают размытие при движении, что негативно скажется на работе видеоаналитики.

2.2. Высота расположения камеры

Для надёжного обнаружения объекта камеру следует направить на сцену «сбоку, а не сверху». В связи с этим угол между оптической осью объектива и горизонтальной линией должен быть не более 45°. По мере того, как объект издалека приближается к камере, с его обнаружением не будет проблем, если в поле зрения камеры уже вошло не менее, чем 2/3 его корпуса.

Например, если камера с углом обзора объектива 45° установлена на высоте 3 м (рис. 1), то слепая зона при обнаружении человека высотой 170 см имеет длину 1 м от проекции камеры на плоскость пола. Ширина участка, на котором человек ещё виден перед входом в слепую зону, — 2,5 м. На расстоянии 5,5 м от камеры этот человек уже будет виден на 2/3 (нижняя часть тела), и искусственный интеллект сработает при этом вполне надёжно. В этом месте ширина поля зрения камеры — порядка 13,5 м.

Рис. 1. Телекамера на высоте 3 м

Для камеры, поднятой на высоту 10 м (рис. 2) и также имеющей угол обзора объектива 45°, слепая зона при обнаружении человека высотой 170 см составит 3,5 м. Ширина участка, в котором возможно обнаружение человека перед входом в слепую зону, — 8 м. Две трети корпуса человека войдут в поле зрения камеры на расстоянии 27 м.

Рис. 2. Телекамера на высоте 10 м

2.3. Разрешение

Для того, чтобы объект был надёжно распознан, в его изображение должно уложиться определённое число пикселей. Для оценки этого критерия используется число пикселей изображения, приходящихся на один метр по ширине на снимаемой сцене, сокращённо PPM (pixels per meter) или пиксел/м (пиксел на метр).

Согласно оценкам специалистов компании Hanwha Techwin, разрешение 25 пиксел/м и выше позволяет вести общее видеонаблюдение силами оператора, без использования искусственного интеллекта — определять форму объекта, его цвет и примерный размер, пол человека и т.д.

При разрешении более 63 пиксел/м искусственный интеллект обнаруживает объекты — находит в кадре лица людей и номерные знаки автомобилей.

При разрешении 125 пиксел/м и более распознаются объекты — определяются черты лица и символы на номерах автомобилей.

При разрешении свыше 250 пиксел/м возможна идентификация деталей, таких как шрамы на лице, цвет глаз, татуировки.

Если в приведённых выше примерах используется камера формата 4K с разрешением 3840х2160, то с высоты 3 м на расстоянии 1 м она даёт 497 пиксел/м, а на расстоянии 5,5 м — 247 пиксел/м. С высоты 10 м на расстоянии 3,3 м она даст 149 пиксел/м, а на расстоянии 27 м — всего лишь 55 пиксел/м.

3. Объекты и атрибуты

3.1. Обнаружение людей

Чтобы искусственный интеллект обнаружил человека, его «поперечный» размер должен достигать 15 пикселей. При этом рекомендуется обеспечивать для этой величины не менее 30 пикселей.

Обнаружение может оказаться невозможным, если скрыта половина тела человека (рис. 3) — левая, правая, верхняя или нижняя. Вероятность правильного обнаружения снижается и в случае, если закрыты отдельные части тела человека. Негативно влияет на работу искусственного интеллекта также движение человека со скоростью, превышающей 0,5-1,5 м/с, в зависимости от ситуации. Кроме того, обнаружение будет работать хуже или не сработает совсем, если человек находится в плотной толпе, в которой люди стоят плечом к плечу.

Рис. 3. Тело человека перекрыто на 50%

3.2. Классификация атрибутов людей

Минимальное число пикселей по высоте человека, допускающее классификацию его атрибутов, — 112. Рекомендуется обеспечивать для этого показателя 350 и более пикселей.

В числе классифицируемых атрибутов — пол и возраст человека, наличие у него сумки или очков и т.д. Определяется также цвет верхней и отдельно нижней половины одежды — чёрный, синий, серый, зелёный, оранжевый, красный, фиолетовый, белый, жёлтый. При этом одновременно распознаются один или два цвета.

Точность извлечения атрибутов снизится, если на изображение попадёт не всё тело целиком, а только его части — лицо, торс, нога... Негативно скажется на этом процессе и изменение позы, когда человек не стоит прямо, а лёг или наклонился. Атрибуты будут извлекаться хуже и в случае, если человек находится в плотной толпе либо едет на двухколёсном транспортном средстве — велосипеде или мотоцикле.

3.3. Обнаружение головы

Минимальный размер головы человека на изображении, требующийся для её обнаружения, составляет 12 пикселей по короткой оси. Рекомендованный размер — 20 пикселей и более. При этом обнаружение может оказаться невозможным, если голова перекрыта более, чем на 25% слева направо (рис. 4), а также если лицо перекрыто более, чем на 15% по горизонтали или более, чем на 50% от рта.

Рис. 4. Голова человека перекрыта более, чем на 25% слева направо

3.4. Классификация атрибутов лица

Минимальный размер лица на изображении, допускающий классификацию его атрибутов, — 80 пикселей по короткой оси, рекомендуемый — 120 пикселей и более.

Атрибуты лица, распознаваемые искусственным интеллектом, — пол, наличие или отсутствие очков, возраст: молодой (до 19 лет), взрослый (20-44), зрелый (45-64) и старый (свыше 65). На точность извлечения атрибутов могут негативно влиять закрытие части лица (глаза, носа, рта) и его расположение не в анфас, когда лицо снимается в профиль или голова опущена

3.5. Обнаружение транспортного средства

Минимальный размер, допускающий обнаружение транспортного средства, составляет 15 пикселей по короткой оси. Если на изображении оно видно спереди, то рекомендован размер 40 пикселей и более, если сбоку — 35 пикселей и более. Обнаружение может оказаться невозможным, если передняя часть транспортного средства перекрыта более чем на 75% слева направо (рис. 5) или более чем на 50% сверху вниз (рис. 6) либо если боковая часть транспортного средства перекрыта более чем на 25% слева направо (рис. 6) или более чем на 50% сверху вниз.

Рис. 5. Передняя часть автомобиля перекрыта более, чем на 75% слева направо

Рис. 6. Боковая часть автомобиля перекрыта более, чем на 50% сверху вниз
или более, чем на 25% слева направо

Точность обнаружения транспортного средства снижается, если на изображение попали лишь некоторые части транспортного средства. Скорость, на которой обнаружение перестаёт быть надёжным, зависит от угла, под которым смотрит камера. Затруднено обнаружение будет также из-за пребывания машины в большом скоплении — в пробке или перед светофором. Кроме того, обнаружение может оказаться невозможным, если транспортное средство опрокинулось.

3.6. Извлечение атрибутов транспортного средства

Минимальный размер, при котором возможна классификация атрибутов транспортного средства на изображении, — 50 пикселей по короткой оси для двухколесного транспорта и 80 пикселей для четырехколесного. Рекомендован размер 100 пикселей и более.

Распознаваться может, в первую очередь, тип транспортного средства — автомобиль, автобус, грузовой автомобиль, велосипед или мотоцикл. Кроме того, ИИ определяет цвет транспортного средства — чёрный, синий, серый, зеленый, оранжевый, красный, фиолетовый, белый, жёлтый. Одновременно для каждого транспортного средства можно обнаружить один-два цвета.

Точность извлечения атрибутов может снизиться, если транспортное средство перекрыто более чем на 50%, в том числе другими транспортными средствами, или находится на краях экрана. Различить цвет транспортного средства порой бывает невозможно из-за отражения.

3.2.7. Обнаружение номерного знака

Если номерной знак автомобиля на изображении виден спереди, то минимальный размер, допускающий его обнаружение, составляет 12 пикселей по короткой оси. Рекомендован размер 15 пикселей и более. Обнаружение может оказаться невозможным, если номерной знак на изображении не обращён вперед или перекрыт более чем на 25% слева направо (рис. 7).

Рис. 7. Номерной знак перекрыт более, чем на 25% слева направо

4. Функция BestShot

Функция BestShot обеспечивает автоматический анализ последовательности кадров, на которых присутствует обнаруженный объект. При этом выбирается тот кадр, который лучше всех подходит для извлечения информации об атрибутах данного объекта. При настройке функции пользователь в меню системы видеонаблюдения задаёт необходимые параметры. В частности, различные сценарии использования функции BestShot предполагают распознавание лиц или номерных знаков, а также повторную идентификацию объектов.

Рис. 8. Выбор кадра с помощью функции BestShot

4.1. Выбор наилучшего изображения человека

Минимальный размер, допускающий выбор наилучшего изображения человека, составляет 112 пикселей в высоту. При этом для обнаружения человека требуется, чтобы отношение ширины к высоте лежало в пределах от 1,5 до 4,5, и чтобы он оставался в кадре дольше 1 секунды.

Правильность выбора наилучшего изображения человека снизится, если в кадр попадёт не всё тело, а лишь некоторые его части — лицо, торс, нога… Кроме того, функция BestShot сработает некорректно, если люди стоят близко друг к другу, если они быстро перемещаются, и если человек не стоит прямо, а сел, наклонился или лёг.

4.2. Выбор наилучшего изображения лица

Минимальный размер, при котором возможен выбор наилучшего изображения лица, — 80x80 пикселей. Для обнаружения лица требуется соотношение сторон 1,5 и более. Объект должен оставаться в кадре дольше 1 секунды. Точность выбора наилучшего изображения лица снизится, если на изображение попадут только его части (оба глаза, нос, рот), а не всё лицо, а также если несколько лиц наложились друг на друга в плотной толпе или если объект быстро перемещается.

4.3. Выбор наилучшего изображения транспортного средства

Выбор наилучшего изображения для четырехколесного транспортного средства возможен при размере не менее, чем 80x80 пикселей, для двухколесного — 50x50 пикселей. Для обнаружения необходимо, чтобы объект оставался в кадре дольше 0,3 секунды. Точность выбора наилучшего изображения транспортного средства может снизиться, если в кадр попали лишь его части, если оно быстро перемещается или если несколько транспортных средств наложились друг на друга в плотном скоплении.

4.4. Выбор наилучшего изображения номерного знака

Выбор наилучшего положения номерного знака производится, если его размер составляет не менее 80 пикселей в ширину и 30 в высоту. Для обнаружения необходимо, чтобы объект оставался в кадре дольше 0,3 секунды. Точность выбора снижается, если на изображение попадают лишь некоторые части номерного знака, если он перекрыт, если нескольких номерных знаков наложились в плотном скоплении машин, а также при быстром перемещении объекта.

5. Обнаружение маски на лице

Камеры Wisenet на базе искусственного интеллекта в реальном времени обнаруживают людей, носящих маски на лице. Для этого анализируются лица людей в кадре. Определять наличие либо отсутствие масок можно у нескольких человек одновременно.

Маска на лице человека надёжно обнаруживается, если размер лица на изображении не меньше, чем 120х120 пикселей, и камера смотрит под углом 45° и менее к горизонтальной линии, создавая вид сбоку. Например, если камера установлена на высоте от 2 до 3 метров, то для чёткого срабатывания функции обнаружения масок люди должны находиться от неё на расстоянии от 5 до 6 метров. Рекомендуется направлять камеру так, чтобы она смотрела на людей спереди. Если камера лица людей видны не полностью, эффективность обнаружения снизится.

Ложное срабатывание при обнаружении маски на лице может случиться, если часть лица закрыта другими объектами, людьми или руками, если голова поднята или опущена, и если несколько лиц наложилось друг на друга в плотной толпе. Отрицательно повлияет на работу данной функции и быстрое перемещение людей, вызывающее размытие при движении.

Рис. 9. Обнаружение маски на лице в реальном времени
(классификация по атрибуту «маска на лице»)

6. Подсчёт людей

Необходимым условием надёжного подсчета людей является выполнение требований пунктов «3.1. Обнаружение людей» и «3.3. Обнаружение головы». Помимо этого, скорость движения людей не должна превышать 0,5-1,5 м/с (в зависимости от условий), иначе эффективность подсчёта снижается. Ограничений на количество людей, одновременно пересекающих линию, нет, однако слишком высокая плотность толпы вызовет пропуск обнаружений (рис. 10).

Рис. 10. Нежелательные условия для подсчёта людей — плотная толпа

Точность зависит также от правильности настройки правил подсчёта. Для надёжной работы следует задать граничные правила так, чтобы ширина полосы, в которой система воспринимает одного человека, была примерно в 1,5 раза больше ширины изображения его тела (рис. 11).

Рис. 11. Расстояние между синей и оранжевой линиями в 1,5 раза больше
ширины изображения человека

7. Автоматическое цифровое слежение

Применять автоматическое цифровое слежение следует там, где невелик поток пешеходов или транспортных средств, например в зонах с ограниченным доступом или ночью. На работу этой функции могут негативно влиять те же условия, что упоминались выше как отрицательно воздействующие на обнаружение объектов, например их быстрое перемещение или пребывание в плотной толпе.

8. Поле зрения

Для совмещённых изображений рекомендуется сохранять прямую линию горизонта. Объекты должны располагаться правильной стороной вверх. Если изображение с камеры перевернуто, то через меню его надо отразить по вертикали или по горизонтали.

Рис. 12. Рекомендуемое поле зрения

9. Другие нежелательные условия

Как неоднократно отмечалось выше, ложные срабатывания и пропуски обнаружения могут быть обусловлены тем, что камера смотрит на землю под слишком большим углом или посторонние предметы заслоняют некоторые объекты (рис. 13).

Рис. 13. Часть объектов заслонена посторонними предметами

Кроме того, некорректно распознаваться могут объекты, совпадающие с фоном по цвету или по уровню освещённости. Хуже распознаются объекты, которые отражаются в зеркальных поверхностях (рис. 14).

Рис. 14. Объекты отражаются в зеркальных поверхностях

Затрудняется распознавание и в ситуации, когда несколько объектов перемещаются вместе или объект перемещается слишком быстро. В последнем случае для повышения вероятности обнаружения рекомендуется увеличить поле зрения камеры. Работа видеоаналитики также осложняется, если заданный размер обнаружения объекта меньше или больше его фактического размера. Препятствует обнаружению и слишком большое отношение размера объекта к размеру всего изображения.

Заключение

Телекамеры бренда Wisenet с искусственным интеллектом — ценный инструмент для построения современных систем видеонаблюдения. При правильном использовании эти камеры обеспечивают передовую видеоаналитику, которая даёт оператору возможность оперативно узнавать о появлении объектов в кадре и впоследствии находить их в архиве. Корректная установка камер Wisenet — ключ к построению качественной системы мониторинга, которая позволяет пользователю систематически собирать и анализировать необходимую информацию.

Компания:  Hanwha Techwin / WiseNet