Устанавливаем теоретический фундамент для видеоаналитики. Часть 3.

Продолжение, начало здесь...

После первых двух статей к нам пришло много писем с изложением своего видения материала, и мы поняли, что остались непонятыми – извините за тавтологию.  Но именно она мешает в понимании, как нам кажется.

Возможно не все, но многие зациклены на классических понятиях видеоаналитики, которые, как это ни странно, Спецлаб когда-то и сформулировал. Ну, действительно, если поискать в Интернете, можно найти наши статьи десятилетней давности с «Опасными началами», «Опасными количествами», «Опасными поворотами» и т.д. Увы, эти определения и до сих пор присутствуют в интерфейсе сегодняшней видеоаналитики Спецлаб, но в качестве условных понятий для настройки. И используются они именно для отстройки повторов. Но, видимо, с ними надо расставаться, тем более что не осталось ничего по существу. Ну, надо признаться, и Спецлаб когда-то ошибался, и было это на заре охранного телевидения. Убить созданного нами же монстра нелегко, но других вариантов нет, попробуем.

Лучшая форма – это дискуссия, в которой иногда что-то рождается. Если частные письма публично обсуждать некорректно, то возьмем очень известную в узких кругах фирму «Тодес», которая выступила на нашем форуме. Эта компания – крупный инсталлятор Безопасных городов по московской области. Ставила почти все известные системы, поэтому знает ситуацию изнутри. Участник форума известен нам по обучению, которое проходил в Спецлабе, по количеству технологических споров наши специалисты такого человека еще не видели. Очень въедливый и недоверчивый, таким, наверное, сегодня и должен быть настоящий безопасник. Из негативных черт: очень долго не понимает или делает вид, что не понимает, на наш взгляд очевидных вещей. Хотя этот фактор все-таки больше позитивный в данном случае. Разговор с профи всегда приятен!

Итак, существует стереотип, что видеоаналитика – это какой-то поиск по заданным четко формализованным критериям. Еще раз извинимся, что именно Спецлаб 10 лет назад и назвал видеоаналитикой этот процесс. Но то было начало, практика всё расставляет по своим местам. «Оператор архива задает условия выборки в периоде архивации, нажимает кнопку пуск и идет курить», - вот так типично уважаемый сотрудник Тодеса описал понимание процесса видеоанализа. Так считают многие, наверное, и Вы. Однако давайте задумаемся, что бы Вы хотели получить в результатах поиска? Допустим, чисто гипотетически, что Ваши условия полностью выполнимы. Например, Вы ищете кадры с лицами, что довольно несложно реализуется.

Обратимся к практике. Человек может стоять перед камерой и минуту, и час, и… Даже за минуту система запишет 25 кадров х 60 сек = 1500 кадров. Вы получите результат, несовместимый с жизнью: по каждому человеку будут выводиться десятки тысяч кадров, ведь ищутся все кадры, где есть лица.

Такую же ситуацию мы имеем по любому другому формализованному поиску. Например, человек пересекает виртуальную линию вот уже полчаса туда-сюда – так часто бывает, когда говорят по телефону. На выходе вы получите сотни кадров одного и того же события. А, если стайка голубей бегает по этой линии? Вроде бы мы нашли понимание в том, что искусственного интеллекта нет, и птички будут фиксироваться так же, как и люди. Равно, как и все другие помехи.

Ответ напрашивается сам собой – надо убирать повторы! Вместо десятков тысяч кадров с одним и тем же лицом, выводить только один (или несколько в разных ракурсах). Вместо сотен кадров пересечения телефонного агрессора, также показать только один (или несколько в разных ракурсах). Вместо сотен номеров одной и той же машины… Вместо два дня ползающей мухи по объективу… Господа, давайте убирать ненужные повторения.

Вот этот процесс мы и называем основой основ видеоаналитики. На нем мы и строим для нее фундамент:

1. Надо сначала выделить событие как таковое – как семантическую единицу происходящего.
2. Дать ему краткое представление, понятное для человека, но обо всем семантическом событии, какой бы длительности оно не было.
3. А потом все остальное: формализация, попытки классификации, идентификации и т.д.

Вот поэтому мы сегодня и говорим, что видеоаналитика начинается с видеосемантики. А Видеосемантика – это анализ и фильтрация повторяющихся признаков действия, а также вывод – представление пользователю основы содержания самого действия.

Пока мы не отделили одно событие от другого, о чем-либо еще говорить бессмысленно, иначе мы упремся в нескончаемое количество данных. Вот поэтому уже в первой статье о фундаментальных основах мы предложили измерять интеллектуальный архив в семантических единицах – событиях. Пока мы остерегаемся публиковать научные классификаторы, но скоро придется. Пока давайте подготовимся на уровне образов. Скульптор отсекает лишнее, и из бесформенной каменной глыбы получается понятный сюжет. Мы  отсекаем лишнее из видеоизображения, что превращает длинные необработанные видеозаписи в краткую картину происходящего.

Добавим высокопарности, когда-то нам приходилось доказывать людям необходимость видеодетекции. Было время, когда системы видеозаписи писали всё. Нелегко мир перешагнул боязнь компьютерного сравнения кадров на предмет фильтрации повторений. Сегодня видеодетектор не только прижился, но и стал основополагающей функцией любой системы видеонаблюдения. Конечно, в этом не столько наша заслуга, мы лишь повествуем о своем опыте. А первый видеодетектор появился у нас в системе GOAL v5, когда большинство технарей в нашей стране еще сомневались в достоинствах цифрового видео. Тогда мы в полной мере ощутили на себе невежественные насмешки. Но это история.

Видеодетектор в сотни раз сократил записываемую информацию, избавив ее от повторяющихся статических кадров. Теперь не надо в архиве по часу разглядывать пустую стенку – есть лишь несколько кадров, где эта стена представлена во всей красе. И, сколько не разглядывай остальные сто пятьдесят миллионов, ничего нового в них не увидишь.

Теперь Спецлаб применил видеосемантику, которая ещё более сократила бесполезную информацию за счет фильтрации повторений. Посудите сами, вот стоит человек на остановке: стоит и стоит – и так полчаса. Обычный видеодетектор будет постоянно срабатывать, т.к. человек не может стоять, не двигаясь. Таким образом, появится получасовой промежуток обязательного контроля оператором. А видеосемантика заметит закономерность в том, что каждую секунду человек выполняет одни и те же движения. Вместо того чтобы демонстрировать оператору 30 минут повторений, видеосемантика выдает 3 секунды видеосюжета, полностью передающего смысл тридцати минут действия. Только и всего.

Или человек идет: каждую секунду он совершает одни и те же движения руками и ногами. Зачем это всё повторять, если ничего не меняется? Даже по трем секундам видео можно понять: откуда и в каком направлении объект движется, в какую одежду он одет, какое у него лицо и другие особые приметы,… даже манеру ходьбы. Мы отсекаем лишнее – тем самым уменьшаем время, которое необходимо оператору на осмотр событий.

Наша видеоаналитика – это новая ступенька в сокращении потока информации после видеодетектора. И человечество конечно пойдет еще дальше. Только давайте придерживаться научного фундамента, чтобы не улететь в космос.

Заметьте, мы даже не говорим о самом здании, пока лишь фундамент для видеоаналитики.

Продолжение следует…