Системи відеоспостереження. Підрахунок людей в черзі.

0
385

В даний час систему відеоспостереження можна назвати незамінним елементом системи безпеки на об’єкті в цілому. Сучасні технології додають існуючого встаткування різні додаткові можливості. Наприклад, досить популярним у сфері торгівлі вважається модуль підрахунку людей в черзі. Дана технологія активно використовується для проведення маркетингових досліджень, а також в цілях підвищення рівня обслуговування клієнтів.

Як правило, процес відеозйомки ведеться в приміщенні, де є достатній рівень освітлення. Відеокамери встановлюють таким чином, щоб під їх об’єктив потрапляла чергу, яка утворюється на об’єкті. Камера дивиться зверху або зверху і трохи збоку. У процесі такого відеоспостереження об’єкти зйомки знаходяться в кадрі з досить близької відстані. Функціональні можливості системи відеоспостереження дозволяють їй відрізнити в черзі людини від іншого об’єкта, наприклад, візків і виконати підрахунок. Труднощі у функціонуванні такої системи пов’язані з тим, що підрахунок здійснюється тоді, коли детектор зафіксував пересування в черзі. А, як правило, чергу малорухлива. Результат буде залежати від того, наскільки точно буде виконувати свої функції детектор руху.

Підрахунок кількості клієнтів черзі ведеться шляхом застосування двох груп методів: статистичних та класифікаційних. Група статистичних методів здійснює підрахунок завдяки аналізу непрямих причин, наприклад, враховується розмір об’єкта. Детектор руху працює таким чином, що фіксується не тільки рух у певний час (відмінність між кадрами), але і запам’ятовуються ті ділянки, де раніше рух спостерігалося, а зараз відсутній. Тому, настройка датчика руху виконується так, щоб після припинення руху в черзі, датчик продовжував ще деякий час детектувати.

У даному процесі перед детектором не ставиться завдання чітко розділяти зображення людей в русі. Головна мета стоїть в тому, щоб як можна точніше розпізнати ті пікселі, які відносяться до рухомому об’єктів, і максимально точно розділити змінну частину кадру від фону. Якщо це досягнуто, то алгоритм може зробити підрахунок кількості людей в кадрі, так як є інформація про те, якого розміру має бути зображення людини. За допомогою такого методу неможливо здійснити підрахунок людей в черзі, якщо там знаходяться сторонні предмети, результат буде помилковий.

Методи класифікації можна назвати більш точними. З їх допомогою люди розпізнаються кожен окремо, можна виконати підрахунок числа людей в кадрі. Можна використовувати дані детектора руху, щоб враховувати дані тільки про не статичних об’єктах, а можна здійснювати пошук людей по всьому кадру.

Робота даного методу ґрунтується на використанні класифікатора, за рахунок якого проводиться розпізнавання і поділ об’єктів. Якщо відеокамера встановлена вгорі, то може проводиться ідентифікація голів людей, тобто відбувається детектування об’єктів округлої форми. В даному випадку значно менше будуть враховуватися різні сторонні предмети в черзі. Наскільки точно буде виконаний підрахунок кількості людей залежить від того, наскільки точно спрацює класифікатор. Алгоритм, який використовує інформацію, отриману від класифікатора, дає найбільш точні дані. Звичайно ж, ймовірність помилки все ж залишається, так як за потрібні об’єкти можуть бути прийняті сторонні об’єкти зазначеної форми.

Крім розглянутих варіантів, теоретично підрахунок осіб можна виконувати шляхом розпізнавання осіб, але на практиці такий варіант майже не зустрічається, оскільки має дуже серйозні вимоги до якості картинки, а також характеризується великими фінансовими витратами.