Почему стоит использовать видеоаналитику в общественном транспорте

Видеоаналитика для автобусов и поездов помогает выявлять угрозы безопасности и получать полезную аналитическую информацию в режиме реального времени благодаря таким функциям, как подсчет людей, анализ поведения и анализ плотности людей.

Существуют угрозы для физической безопасности пассажиров, включая получение ранений и даже смертельные случаи из-за нападений. Для улучшения ситуации, полиция использует камеры безопасности для идентификации подозреваемых и планирует привлечь дополнительный персонал для усиления безопасности на станциях.

Такие случаи угроз безопасности в общественном транспорте не редки. Они показывают необходимость более эффективной защиты и использования современных технологий для предотвращения подобных инцидентов.

Преимущества видеоаналитики в транспорте

Камеры «на борту» уже давно используются для криминалистических целей. Однако сегодня технологии видеоаналитики могут помочь выявить возможность инцидента еще до того, как он произойдет. Постоянный рост производительности камер создал возможность для более сложных инструментов анализа изображений непосредственно в камере без необходимости в дополнительном сервере.

В начале внедрения видеоаналитики шла речь только об обнаружении движения, а сегодня мы можем получить подробную информацию о поведении или внешности людей или идентификации транспортных средств. Со временем камера превращается в устройство Big Data IoT (интернет вещей с большими объемами данных). Видеоаналитика как «модульный» программный компонент активно способствует такому развитию, особенно благодаря прогрессивной адаптации искусственного интеллекта и глубинного обучения.

Функции и возможности встроенной аналитики

Конечно, есть «классические» функции, касающиеся пассажиров, такие как подсчет людей, оценка плотности пассажиров и т.п., которые являются частью видеоаналитики «реального времени» для общественного транспорта. Но существуют также передовые способы использования видеоналитики для упрощения исследования конкретных событий/объектов с большими объемами данных в видеозаписях.

Есть и другие технические применения видеоаналитики, хотя и в меньших количествах, на камерах, установленных на поездах. Они могут быть использованы для выявления «почти случившихся» инцидентов. С помощью специальных алгоритмов можно легко обнаружить такие инциденты в видеозаписях.

Все эти приложения отошли от простого «видеообнаружения», основанного только на детекции движения, в пользу искусственного интеллекта. В такой среде видеоаналитику используют для двух основных случаев, используя глубинное обучение:

• Удаление всего «нежелательного шума» на изображениях или в условиях, чтобы использовать для конкретной цели только интересующее пользователя.
• Классификация целевых объектов по атрибутам, таким как человек/черта лица или наличие/отсутствие очков, цвет одежды на верхней или нижней части тела, наличие или отсутствие багажа. Эта информация хранится в видеорегистраторах как метаданные.

Кроме приложений «на борту», есть также видеоаналитика «на станциях» (например, в видеорегистраторах), которая необходима для оценки ситуаций в реальном времени и для дальнейшего расследования. Одной из важнейших функций в таких новых приложениях является классификация объектов.

Вызовы, которые необходимо преодолеть

Существует все больше камер со встроенной аналитикой, чтобы обеспечить пассажирам беспрепятственное, безопасное и защищенное путешествие, но есть и вызовы, ограничивающие их функциональность.

Возможность интеграции

Важно обеспечить, чтобы доступные аппаратные ресурсы были совместимы с требованиями программного обеспечения. Преимущества периферийного подхода с видеоаналитикой в камерах становятся особенно заметными, когда оба компонента работают слаженно. Если у вас есть самое надежное программное обеспечение, но оно не оптимизировано для работы на периферии, вы не получите никакой дополнительной ценности.

В повседневном бизнесе также важно предоставить партнерам возможность находить лучшие решения для своих клиентов. С постоянно растущим количеством предложений на рынке может быть достаточно сложно сделать правильный выбор. Часто считается, что программа с глубоким обучением или искусственным интеллектом является универсальным инструментом и работает идеально во всех ситуациях без дополнительного вмешательства. Но всегда нужно учитывать условия проекта. Управление ожиданиями и требованиями клиентов является ключевым.

Ограниченное поле зрения

Наибольшая проблема видеоаналитики, встроенной в камеры, – это ограниченное поле зрения. Автобусы и поезда имеют очень низкий потолок для установки камер, что означает, что камеры обычно не могут охватить большую часть транспорта.

Есть тенденция к использованию камер на 360 градусов, но многие функции видеоаналитики не могут работать с видеозаписями с таким углом обзора. Один из способов преодоления этой проблемы – использовать 360-градусные камеры и обеспечить совместимость аналитического программного обеспечения с ними. Или можно установить больше камер, захватывающих видео с разных углов.

Также можно устанавливать камеры, предназначенные для конкретных целей. К примеру, обычные камеры часто являются не лучшим выбором для подсчета людей. Можно рассмотреть решение LiDAR, которое становится все более распространенным.

Сложности, связанные с движущимися транспортными средствами

Последний аспект – это характер среды, где установлены камеры. Видеоаналитика «на борту» сталкивается со многими техническими проблемами, главным образом из-за постоянного движения фона за окнами во время движения поезда (изменение освещения, туннели, тени и т.д.), а также из-за плотности толпы, например, в городских поездах или метро.>

Вывод

Камеры видеонаблюдения на борту являются неотъемлемой частью общественного транспорта в большинстве развитых экономик. Однако эти системы не должны оставаться пассивными регистраторами для судебных доказательств. Используя возможности видеоаналитики, операторы могут обеспечить проактивную защиту для пассажиров.