Применение методов искусственного интеллекта в системах видеонаблюдения

Размещено на http://www.allbest.ru/

УДК 539.3

Применение методов искусственного интеллекта в системах видеонаблюдения

А.В. Чернопятов

Пермский государственный педагогический университет, Россия, 614990, Пермь, ул. Сибирская, 24

lexako1@mail.ru ; 8-950-469-28-04

Выполнен обзор основных производителей систем видеонаблюдения и программных продуктов, реализующих методы компьютерного зрения и искусственного интеллекта. Разработана и внедрена система видеонаблюдения на промышленном предприятии.

Ключевые слова: системы видеонаблюдения; компьютерное зрение; искусственный интеллект.

видеонаблюдение программный компьютерный интеллект

Application of artificial intelligence in video surveillance systems

A. V. Tchernopyatov

Perm State Pedagogical University, Russia, 614990, Perm, Sybirskaya st, 24

lexako1@mail.ru; 8-950-469-28-04

We take into account main producers of video surveillance systems and software for computer-based vision and object recognition. The video surveillance system has been created and implemented on the plant.

Key words: Video surveillance systems; computer vision; artificial intellgence.

Системы видеонаблюдения строятся либо на базе цифровых видеорегистраторов, либо на базе персональных компьютеров. В первом случае - это готовые "железные" решения с интегрированным программным обеспечением для некрупных потребителей. Их недостаток состоит в том, что они не совместимы между собой и плохо масштабируемы. Мы будем рассматривать только системы видеонаблюдения на базе персональных компьютеров, так как только этим системам присущи такие качества, как гибкая структура, масштабируемость и расширяемость.

Существующие системы видеонаблюдения

На сегодняшний день отечественный рынок систем видеонаблюдения в основном представлен зарубежными производителями и, в небольшом количестве, российскими фирмами. Практически все современные системы являются проприетарными, т.е. закрытыми и плохо совместимыми между собой как по форматам данных, так и по сопряжению видеоустройств.

Как правило, производителями подобных систем является производитель оборудования для систем охранного телевидения, поэтому системы наиболее всего приспособлены для работы с оборудованием этого производителя и, в большинстве своем, упор делается на создание IP-камер. Проблема же при использовании IP-видеокамер состоит в том, что они выдают изначально сжатый сигнал, следовательно, серверу - приемнику для обработки изображений - необходимо сначала разжать изображение, а затем его обрабатывать, что не удовлетворяет требованиям, предъявляемым к ресурсам сервера. Один из аргументов, который не в пользу IP-камер - это потеря качества, связанная со сжатием изображения, которое приходится дополнительно обрабатывать в виде получаемых помех на источнике. На сжатой картинке, из-за потерь качества часто теряются некоторые важные и не очень большие по размеру детали. Кроме того, стоимость IP-камер, применяемых в системах видеонаблюдения, на порядок больше стоимости аналоговых.

Наиболее распространенные иностранные системы видеонаблюдения - это RealShot Manager Software от Sony, Network Video-recorder VK-64/VK-16 от Canon, PC-DVR от ILDVR, Multicam Digital Surveillance System от GeoVision. Из отечественных разработок распространены: Патриот от ООО НПП «ВСК», TRASSIR от DSSL: Digital Security Systems Lab. По Пермскому краю распространена уже отжившая свое Pandora от ЗАО НПО «Лаби» и Domination от «Випакс».

Из бесплатных систем передачи видеоизображения с открытым кодом на рынке имеются Motion, ZoneMinder, это наиболее популярные и распространенные программные продукты зарубежных производителей. Они плохо документированы, написаны на английском языке с большим набором ошибок в коде. Поддержка данных продуктов в основном происходит через сайты разработчиков.

Системы компьютерного зрения и искусственного интеллекта

Разработки рассматриваемых систем находят практическое применение во многих отраслях - кроме воспроизведения, записи и регистрации движения компьютерное зрение и искусственный интеллект могут использоваться системами видеонаблюдения для обнаружения, распознавания и отслеживания объектов, обладающих определенными особенностями. Например, для систем спутникового наблюдения желательно распознавать и обнаруживать автомобили, самолеты, всевозможную технику, лесные пожары, границы лесов и водоемов. В медицине можно обнаруживать различные патологии на изображениях и автоматически ставить диагноз на основании данных обследования. В охранном телевидении можно распознавать физические, биометрические данные (человеческие фигуры, лица, черты лица, отпечатков пальцев или сетчатки глаза), а также номера транспортных средств, определять типы и число объектов на изображение, следить за объектами и мн. др.

Фирма Neurotechnology предоставляет продукцию для разработки программных средств для распознавания отпечатков пальцев, ладоней, радужки глаза и черт лица. Широко применяются методы искусственного интеллекта и компьютерного зрения. Этой фирмой производятся исключительно проприетарные, лицензированные продукты - т.е. исходный код скрыт, а доступен лишь внешний интерфейс.

Из бесплатных продуктов доступны лишь библиотеки с открытым исходным кодом. К ним относятся:

1. Библиотека компьютерного зрения OpenCV, разработанная фирмой Intel для демонстрации возможностей своих процессоров. В ней реализовано несколько алгоритмов компьютерного зрения, в частности базовые операции над изображением (фильтрации, геометрические преобразования), распознавание лиц с помощью простого алгоритма eigenface, распознавание жестов и т.д.

2. Библиотека Integrating Vision Toolkit; в ней реализовано несколько алгоритмов компьютерной гарфики (сглаживание Гаусианном, фильтры Собеля и Канни), преобразование Хафа (для линий и эллипсов) и алгоритм Scale-invariant feature transform (SIFT).

Решение

Коммерческие решения дуроги. Продукты с закрытым исходным кодом, как правило, предназначены для работы в операционных системах типа Windows, они не учитывают специфические требования, которые могут возникнуть у оконечного пользователя системы.

Программные продукты с открытым исходным кодом плохо документированы и не предназначены для работы на крупных промышленных объектах.

В результате проведенного анализа существующих программных продуктов, а также в связи с тем, что действующая на предприятии Система видеонаблюдения разрабатывается и внедряется на предприятии ОАО АК "Лысьвенский металлургический завод" система видеонаблюдения морально устарела и была не совместима со следующей версией этого производителя, было принято решение разработать свою систему видеонаблюдения с применением методов искусственного наблюдения для нужд предприятия. Разработка запланирована в несколько этапов.

1. Создание стабильной и надежной системы видеонаблюдения, которая была бы сравнима и даже превосходила бы существующие зарубежные и отечественные аналоги, с использованием бесплатных библиотек и средств разработки.

2. Установка разработанного программного обеспечения в существующих технических средствах с обеспечением таких параметров, как стабильность, надежность, масштабируемость, простота обслуживания и расширяемость.

3. Расширение созданной системы дополнительными модулями, например подсистемами с искусственным интеллектом для распознавания объектов, лиц, номеров транспортных средств, подсчет объектов и т.д.

4. Сопровождение и расширение функционала разработанной системы по требованиям заказчика. Этот процесс идет непрерывно с момента введения системы в эксплуатацию.

Первый и второй этапы разработок уже завершены, видеосерверы работают под управлением системы типа Linux. Клиентские приложения кроссплатформенны - работают под операционной системой как Windows, так и Linux.

В систему были включены наиболее востребованные операции из рассмотренных нами систем видеонаблюдения, например: получение конфигурации видов пользователей, настройка зон детекции движения, показ изображения только тех камер, на которых было замечено движение, ведение видеоархива, быстрый поиск по видеоархиву, проигрывание только тех кадров, на которых было замечено движение, сохранение пользователем снимка изображения с любой доступной ему камеры. Кроме того, была предусмотрена возможность экспорта видеоданных из архива в любой доступный видеоформат.

Проанализировав типы систем администрирования, мы пришли к выводам, что все подобные системы слишком сложны и перегружены управляющими элементами. Нами была разработана простая и понятная система для пользователей и администраторов с учетом всех замечаний пользователей.

Проработав два типа хранения системных данных - локально и на сервере, мы решили, что для обеспечения гибкости и переносимости системы вся информация о серверах, камерах, пользователях и их правах должна храниться в единой базе данных.

Нами было протестировано два типа просмотра архива: архива, встроенного в клиента и встроенного в отдельную программу. Был выбран второй вариант, так как это позволяло получить доступ к основным элементам программы без повторной авторизации. Т.е. пользователь может, не выходя из режима просмотра живого видео, одновременно просматривать и архив камер. В случае необходимости он может сделать экспорт видеоархива по запросу сторонним организациям в удобном для просмотра формате, например avi.

В результате разработки программы было установлено, что удобнее иметь для каждой камеры свой диапазон работы с определенными параметрами, например поделить день на два интервала, в которых установить разные параметры настроек для каждой камеры (например, яркость днем одна, а вечером - другая и т.д.).

На рис. 1 изображено окно работающего клиента программы, оно максимально использует место для вывода видеоконтента. Меню настроек расположено линейно и занимает небольшую часть экрана, освобождая основную часть для вывода изображения с камер. Доступ к индивидуальным параметрам камер осуществляется через контекстные меню, которые вызываются нажатием правой кнопкой мыши или используются назначенные для этого клавиши на клавиатуре. Интерфейс максимально прост в освоении и эргономичен.

Рис. 1. Работающее окно клиента

Система стабильно работает ужу в течение нескольких месяцев, и под ее контролем находится свыше 160 видеокамер. Прорабатываются различные методы использования искусственного интеллекта для решения поставленных задач: распознавания номерных знаков на транспортных средствах, учета проходящих по конвейерам предметов, распознавания людей и определения их по лицам.

Разработка проводилась с использованием литературы, размещенной в интернете в свободном доступе. Ознакомление с основными положениями и методами, описанными в литературе, позволило нам сэкономить время и деньги при разработке системы. Но можно отметить и существенные недостатки, информация, размещенная в интернете, не систематизирована, мало источников на русском языке и в литературе содержатся ошибочные алгоритмы, информация рассчитана на подготовленного в этой области знаний человека, так как не расписываются подробно алгоритмы решений.

Заключение

Существует множество методов решения рассмотренной выше проблемы. Прежде чем применять тот или иной алгоритм или метод решения, нужно смоделировать ситуацию. Можно, конечно, сразу решить проблему, используя стандартные способы и привлекая библиотеки, в которых уже прописаны методы, но полученные результаты могут отличаться от желаемых. Может не совсем устроить скорость и качество обработки материала. Чтобы получить более качественный метод, необходимо провести серию экспериментов и на основании их выполнить анализ - определить - какой из алгоритмов подойдет для решения конкретной проблемы, или применить смешанный способ с использованием частей разных алгоритмов.

Есть и другой способ - приобрести коммерческий продукт, который, возможно, подойдет для решения поставленной задачи.

Мы же выбрали путь проб и ошибок, но в результате мы уже получаем простую для управления и использования интеллектуальную систему видеонаблюдения, которая позволит кроме стандартного набора действий (наблюдение, детекция движения и запись) автоматизировать учет на контролируемой территории людей, транспортных средств и иных отслеживаемых объектов.

Автор выражает благодарность научному руководителю Леониду Нахимовичу Ясницкому за ценные советы и замечания.

Список литературы

1. Ясницкий Л.Н. Введение в искусственный интеллект. 2-е изд. М.: Академия, 2008. 176 c.

2. Калан Р. Основные концепции нейронных сетей. М.: Вильямс, 2001. 288 c.

3. Хайкин С. Нейронные сети: полный курс. 2-е изд. М.: Вильямс, 2006. 1104 с.

4. Nixon M.S., Aguado A.S. Feature Extraction and Image Processing. Newnes, 2002. 345 p.

5. Bernd J., Haussecker H., Geissler P. Handbook of computer Vision and Application, Three-Vol. Set. ACADEMIC PRESS, 1999. Vol.1: Sensors and Imaging. 1999. 613 p. Vol.2: Signal processing and Pattern Recognition. 1999. 927 p. Vol.3: Systems and Applications. 1999. 879 p.

Размещено на Allbest.ru