A video képek helyett már számsorokat, grafikonokat, statisztikákat büntető csekkeket stb. nyernek ki a videó rendszertől. Ily módon az intelligens alkalmazások megjelenése a video rendszerekben jelentősen tágítja az iparág üzleti lehetőségeit.

Korábban pusztán a biztonságot szolgálták, ami a multik számára gazdasági szempontból a „költségek” tételsorok között szerepelt, és mint ilyen, alacsonyan tartandónak minősült. Az intelligenciával felvértezett rendszerek azonban hozzájárulhatnak a bevételek növeléséhez.

Hogyan működik?

Sok szempontból leghatékonyabbanalg az emberi agy képes intelligens video feladatokat megoldani. Számára az olyan feladatok, mint az arc- vagy rendszám felismerés, egy rossz irányba haladó jármű, eltűnt odatett tárgy, egy verekedés felismerése teljesen rutinszerűek és pillanatok alatt nagy biztonsággal oldja meg ezeket.

Nagyszerű! Ültessünk minden video-megfigyelőrendszer központjába embereket és a kisujjukból kirázzák ezeket a feladatokat. Jól hangzik, de van egy bökkenő, az ember és vele az agya.

Fáradékonyak vagyunk

Számos tanulmány igazolja, hogarcy kb. 20 perc után az operátorok a fontos információk kb. 90%-át elvesztik, pusztán azért, mert a koncentrációjuk csökken. Nem szeretik a monoton, sokszor ismétlődő feladatokat, esetleg szándékosan is „tévedhetnek” és nem utolsósorban drága az alkalmazása.

Ezzel szemben a „gépi látás” ugyan tökéletlenebb, rosszabb hatásfokú, többet téveszt, viszont 0—24-ig rendelkezésre áll, nem nyafog, végzi a dolgát, ha kell, ugyanazt a feladatot milliószámra ismétli az emberi agy „árának” a töredékéért.

Az intelligens videó rendszerek

Az intelligens video rendszerek többféleképpen csoportosíthatók. Tekintsük át a funkcionalitáson alapuló csoportokat a teljesség igénye nélkül, a leggyakoribb alkalmazásokra koncentrálva:

Az elsőbe tartoznak azok az algoritmusok, amelyek valamilyen mintát keresnek és elemeznek a képeken. Ebbe a csoportba sorolható többek között a rendszám- és arcfelismerés, amikor algoritmus megkeresi az adott képen például egy rendszámot, és ha talál olyan képrészletet, amelyet rendszámnak azonosít, azon lefuttat egy karakterfelismerő rutint és karakteres formátummá alakítja azt.

Ez már bekerülhet egy adatbázisba és különböző műveleteket lehet vele végezni, illetve sorompót vezérelni, lopott autót keresni, matrica érvényességét ellenőrizni, stb.

Objektumkövetésen alapuló algoritmusok

Az objektumkövetők a videón először egy azonos szempontból kam„érdekes” objektumot keresnek. Érdekes lehet az objektum, ha a már előre megadott paraméterek alapján mozog, vagy, mert bizonyos típusú járművek egyformák, vagy jellegzetes karakterű öltözetű embert lát.

A megtalált objektumok követése a rájuk legjellemzőbb tulajdonságok, minták alapján történik. Például szín, kontúr alapján történik képről-képre.

Ilyen eljárással határozza meg a traffipax a járművek sebességét is, ugyanis az objektum által képen adott idő alatt megtett utat pixelben ki lehet számolni, és ha ezt átkonvertáljuk valós távolságokra, akkor máris megkapjuk a jármű sebességét méter/mp mértékegységben, ami könnyen átváltható a szokásos km/h-ra.

Üdvözlettel:

MNS Védelem Kft