Видеонаблюдение с датчиком движения

Вот все, что вам нужно знать, чтобы получить максимальную отдачу от этой важной функции и не разочароваться

Обнаружение движения - это волшебный ингредиент нынешних камер видеонаблюдения. Благодаря встроенным датчикам, которые внимательно следят за своим полем обзора на предмет движения, вы можете заниматься своими повседневными делами с уверенностью, что будете автоматически предупреждены о любой подозрительной активности. Без него вам пришлось бы не отрывать глаз от изображения с камеры - вряд ли это практичное решение для обеспечения безопасности.

Но эта функция также может сбивать с толку и разочаровывать. Слишком много предупреждений раздражают, а слишком мало - заставляют задуматься, работает ли камера вообще. Некоторые датчики движения срабатывают при событиях, которые даже не являются движением, например при изменении освещения.

2 типа обнаружения

Умные устройства могут использовать различные технологии - световые импульсы, тепловое излучение, радиоволны и другие. Однако чаще всего используется один из следующих двух методов:

Пассивный инфракрасный порт (PIR):

Пассивные инфракрасные датчики отслеживают тепло, излучаемое всеми живыми существами. Вот почему его иногда называют тепловым зрением. Когда датчик PIR обнаруживает достаточное движение этих теплых «объектов» и / или значительную разницу температур между объектом и фоновой сценой, он сигнализирует камере о начале записи и отправляет предупреждение пользователю.

Компьютерное зрение (CV):

Компьютерное зрение - это более широкий подход, при котором программное обеспечение камеры анализирует последовательные кадры живого видео на предмет различий и регистрирует событие движения, когда обнаруживается достаточно большое изменение.

Подход CV включает множество различных методов, которые зависят от желаемого результата. Один из самых простых способов - искать существенное изменение пикселей в течение коротких периодов времени по сравнению с более долгосрочным средним значением, чтобы получить грубый сигнал «что-то произошло». Другой способ - отследить группы пикселей и попытаться идентифицировать шаблоны направления - один кадр назад здесь была синяя точка, но теперь синяя точка на один пиксель слева.

Но идея всех подходов CV одна - обнаружение движения и, если возможно, определение формы перемещающегося объекта. Далее добавляются более продвинутые методы для классификации движущегося объекта - это был человек, животное, транспортное средство или дерево. Чтобы определить, какие сигналы обнаружения важны, а какие нет.

Плюсы и минусы

Каждый из этих методов обнаружения движения имеет свои преимущества и недостатки.

Поскольку датчики PIR отслеживают тепло тела, они, как правило, более надежно отфильтровывают несущественные действия, такие как развевающиеся занавески на ветру от ближайшего вентилятора или изменение потока света через окно, чем камеры на основе CV.

PIR также очень энергоэффективен, поэтому его часто используют в камерах с батарейным питанием, удерживая их в состоянии низкого энергопотребления без записи, пока датчик PIR не обнаружит движение. В этот момент они переключаются в состояние записи с высокой мощностью на фиксированный период времени - например, для захвата 30-секундного видеоклипа - или до тех пор, пока движение не остановится.

Но поскольку камеры на основе PIR тратят большую часть времени на режим пониженного энергопотребления, им может потребоваться больше времени, чтобы проснуться и начать запись, чем камерам на основе CV. Это означает, что вы можете пропустить часть действия, вызвавшего предупреждение о движении, например, приближение злоумышленника, когда его лицо наиболее заметно. Кроме того, по своей природе эти камеры не могут обнаруживать движение через стекло, поэтому не подходят для таких сценариев, как наблюдение за вашим двором с помощью внутренней камеры, нацеленной через окно.

Основным преимуществом обнаружения движения CV является то, что он позволяет более тщательно анализировать сцену для идентификации объекта, создающего движение - обнаружение человека или распознавание лиц. Но многие алгоритмы, которые делают это возможным, требуют слишком больших вычислительных ресурсов для локального запуска на камере. Вместо этого они вычисляются на удаленных серверах в облаке. Это влечет за собой дополнительные затраты и, часто, значительные.

Компьютерное обнаружение движения сильно зависит от «качества» программных алгоритмов. Возможны ложные срабатывания в изменяющихся условиях. Любое крупное изменение - вращающийся потолочный вентилятор, листья, движущиеся за окном, изменение внешнего освещения может быть зарегистрировано как движение.

Исключение ложных срабатываний

Оповещения о ложном обнаружении движения являются самой большой проблемой, особенно для владельцев домашних камер безопасности. Получение потока уведомлений о том, что датчик вашей камеры сработал от снегопада или домашнего животного быстро утомляет и вынуждает многих деактивировать самую важную функцию устройства.

Производители камер предлагают несколько способов снижения количества ложных срабатываний.

Камера, использующая обнаружение движения PIR, обычно позволяет регулировать уровень чувствительности в приложении, чтобы датчик срабатывал более или менее выраженным движением. Снижение уровня чувствительности может потребовать, чтобы движущийся объект был теплее или ближе к камере.

Компьютерное зрение предлагает больше возможностей для устранения ложных предупреждений. Одна из наиболее популярных - возможность устанавливать зоны обнаружения движения. Эта функция позволяет выделить части поля обзора камеры, чтобы камера игнорировала активность в этих областях, или, наоборот, выделить определенные области, которые необходимо отслеживать, игнорируя активность во всех остальных местах. Это довольно удобное решение, поскольку оно позволяет вашей камере сфокусироваться на местах, где движение скорее всего указывает на брешь - окна, двери, зоны подъезда и подхода.

CV также может делать выводы на основе геометрических свойств движущегося объекта. Что-то очень маленькое относительно поля зрения - это либо маленький объект, например, летающая пылинка, и он считается «неинтересным», либо более крупный объект, находящийся очень далеко и также не примечательный.

Все чаще камеры на основе CV включают такие функции, как обнаружение человека и распознавание лиц. Они выходят за рамки простого обнаружения движущегося объекта и фактически классифицируют объект.

Существует множество алгоритмов компьютерного зрения, которые могут использовать эти функции. Они часто организованы по так называемой «воронке», где каждый шаг вниз отсеивает сигналы. В примере с обнаружением человека первым шагом может быть определение того, что движение было достаточно значительным. Следующим шагом будет определение того, что движущийся объект напоминает человеческую форму, а не продолговатый, горизонтальный объект или объект другой формы. На следующем этапе можно определить, что движущаяся человеческая фигура имеет текстуру, напоминающую кожу или одежду. Наконец, алгоритм распознает, что движущийся человеческий силуэт в одежде имеет лицо, и решает, что это человек.

Распознавание же лиц намного сложнее. Процесс начинается с попытки обнаружить лицо в кадре. Обычно это было бы продолжением воронки обнаружения человека. Затем, в зависимости от желаемой точности и наличия вычислительных ресурсов, будет выполняться одно из двух действий. В одной реализации алгоритм попытается идентифицировать черты лица и их ориентацию в трехмерном пространстве, а затем попытается сопоставить эти особенности с базой данных заранее определенных известных лиц. Этот метод обычно дает более высокую точность. В другой реализации программа пытается сопоставить лицо с группами изображений, каждая группа представляет другого человека. Группа, ближайшая к лицу, будет считаться наиболее вероятным совпадением.

Для обоих этих методов требуется уже существующая база данных распознанных лиц, поэтому камерам с этими функциями часто требуется несколько недель использования, чтобы начать получать точные результаты. Второй метод, однако, может позволить вам создавать такую ​​базу данных на лету, позволяя вручную подтверждать или отклонять идентичность каждого распознаваемого лица.

Точность и эффективность работы распознавания напрямую зависит от качества алгоритмов программного обеспечения. Хотя технологии обнаружения движения еще требуют развития, вы можете многое сделать, чтобы повысить точность своей камеры.

В первую очередь нужно внимательно ознакомиться с инструкцией производителя оборудования и выполнить тонкую настройку камер и программного обеспечения. Не всегда нужно оставлять все настройки по-умолчанию, иногда нужно сделать более тонкую настройку, чтобы видеонаблюдение с датчиком движения работало эффективно.