Чому варто використовувати відеоаналітику в громадському транспорті

Відеоаналітика для автобусів та поїздів допомагає виявляти загрози безпеці та отримувати корисну аналітичну інформацію в режимі реального часу завдяки таким функціям, як підрахунок людей, аналіз поведінки та аналіз щільності людей.

Існують загрози для фізичної безпеки пасажирів, включаючи отримання поранень та навіть смертельні випадки через напади. Для покращення ситуації поліція використовує камери безпеки для ідентифікації підозрюваних та планує залучити додатковий персонал для посилення безпеки на станціях.

Такі випадки загроз безпеці в громадському транспорті не є рідкісними. Вони показують необхідність більш ефективного захисту та використання сучасних технологій для запобігання подібним інцидентам.

Переваги відеоаналітики в транспорті

Камери «на борту» вже давно використовуються для криміналістичних цілей. Однак сьогодні технології відеоаналітики можуть допомогти виявити можливість інциденту ще до того, як він станеться. Постійне зростання продуктивності камер створило можливість для впровадження більш складних інструментів аналізу зображень безпосередньо у камері без потреби у додатковому сервері.

На початку впровадження відеоаналітики йшла мова лише про виявлення руху, а сьогодні ми можемо отримати детальну інформацію про поведінку або зовнішність людей чи ідентифікацію транспортних засобів. З часом камера перетворюється на пристрій Big Data IoT (інтернету речей з великими обсягами даних). Відеоаналітика як «модульний» програмний компонент активно сприяє такому розвитку, особливо завдяки прогресивній адаптації штучного інтелекту та глибинного навчання.

Функції та можливості вбудованої аналітики

Звичайно, є «класичні» функції, що стосуються пасажирів, такі як підрахунок людей, оцінка щільності пасажирів тощо, які є частиною відеоаналітики «реального часу» для громадського транспорту. Але існують також передові способи використання відеоналітики для спрощення дослідження конкретних подій/об'єктів з великих обсягів даних у відеозаписах.

Є й інші технічні застосування відеоаналітики, хоча й у менших кількостях, на камерах, встановлених на поїздах. Вони можуть бути використані для виявлення інцидентів, які «майже сталися». За допомогою спеціальних алгоритмів можна легко знайти такі інциденти у відеозаписах.

Всі ці застосування відійшли від простого «відеовиявлення», заснованого лише на детекції руху, на користь штучного інтелекту. У такому середовищі відеоаналітику використовують для двох основних випадків, застосовуючи глибинне навчання:

• Видалення всього «небажаного шуму» на зображеннях чи в умовах, щоб використовувати для конкретної мети лише вміст, який цікавить користувача.
• Класифікація цільових об'єктів за атрибутами, такими як людина/риси обличчя або наявність/відсутність окулярів, колір одягу на верхній чи нижній частині тіла, наявність чи відсутність багажу. Ця інформація зберігається у відеореєстраторах як метадані.

Окрім застосувань «на борту», є також відеоаналітика «на станціях» (наприклад, у відеореєстраторах), яка є необхідною для оцінки ситуацій у реальному часі та для подальшого розслідування. Однією з найважливіших функцій у таких нових застосуваннях є класифікація об'єктів.

Виклики, які потрібно подолати

Існує все більше камер із вбудованою аналітикою, щоб забезпечити пасажирам безперешкодну, безпечну та захищену подорож, але є й виклики, які обмежують їх функціональність.

Можливість інтеграції

Важливо забезпечити, щоб доступні апаратні ресурси були сумісні з вимогами програмного забезпечення. Переваги периферійного підходу, з відеоаналітикою у камерах, стають особливо помітними, коли обидва компоненти працюють злагоджено. Якщо у вас є найнадійніше програмне забезпечення, але воно не оптимізоване для роботи на периферії, ви не отримаєте ніякої додаткової цінності.

В повсякденному бізнесі також важливо надати партнерам можливість знаходити найкращі рішення для своїх клієнтів. З постійно зростаючою кількістю пропозицій на ринку може бути досить складно зробити правильний вибір. Часто вважається, що програмне забезпечення з глибоким навчанням або штучним інтелектом є універсальним інструментом і працює ідеально в усіх ситуаціях без додаткового втручання. Але завжди потрібно брати до уваги умови проєкту. Керування очікуваннями та вимогами клієнтів є ключовим.

Обмежене поле зору

Найбільша проблема відеоаналітики, вбудованої у камери, – це обмежене поле зору. Автобуси та поїзди мають дуже низьку стелю для встановлення камер, що означає, що камери зазвичай не можуть охопити велику частину транспорту.

Є тенденція до використання камер на 360 градусів, але багато функцій відеоаналітики не можуть працювати з відеозаписами з таким кутом огляду. Один зі способів подолання цієї проблеми – використовувати 360-градусні камери та забезпечити сумісність аналітичного програмного забезпечення з ними. Або можна встановити більше камер, які захоплюють відео з різних кутів.

Також можна встановлювати камери, призначені для конкретних цілей. Наприклад, звичайні камери часто є не найкращим вибором для підрахунку людей. Можна розглянути рішення LiDAR, які стають все більш поширеними.

Складнощі, пов'язані з рухомими транспортними засобами

Останній аспект – це характер середовища, де встановлені камери. Відеоаналітика «на борту» стикається з багатьма технічними проблемами, головним чином через постійний рух фону за вікнами під час руху поїзда (зміна освітлення, тунелі, тіні тощо), а також через щільність натовпу, наприклад, у міських поїздах або метро.

Висновок

Камери відеоспостереження на борту є невід'ємною частиною громадського транспорту в більшості розвинутих економік. Однак ці системи більше не повинні залишатися пасивними реєстраторами для судових доказів. Використовуючи можливості відеоаналітики, оператори можуть забезпечити проактивний захист для пасажирів.