En Ru Es
Macroscop запускает инструменты для поддержки партнеров! Модули БЕСПЛАТНО!
Получить Демо
Macroscop запускает инструменты для поддержки партнеров! Модули БЕСПЛАТНО!

Как фактически измеряется конечная польза от системы видеонаблюдения?

Началось закономерное развитие возможностей видеосистем

Одна из осей, по которой они стали развиваться – количественная ось. Росло количество камер и количество точек наблюдения, с которых можно было вести работу с этими камерами. К слову, развитие систем IP-видеонаблюдения – это следование количественной оси. Потому что IP-видеонаблюдение позволяет включить камеры и рабочие станции, где могут работать операторы, в любые места сети и в любом количестве.

Одновременно с этим развитие систем шло по другой оси – качественной. В рамках него компании-разработчики (и мы, и наши коллеги) предлагали интеллектуальные модули видеоаналитики. Компании разрабатывали модули трекинга объектов, распознавания лиц, распознавания автомобильных номеров, детектора дыма и огня и т.д. Вместо простого наблюдения и записи видеосистемы выходили на некий новый качественный уровень функциональности.

Если попытаться положить два эти тренда в единую систему координат, мы обнаружим, что количественное и качественное развитие находятся в антикорреляции. Если вы поговорите с любым вендором продуктов для видеонаблюдения, то он вам подтвердит, что модули видеоанализа всегда применяются на очень небольшом количестве камер. Это модули для решения каких-то узких, конкретных задач. В большой системе видеонаблюдения, которая состоит из нескольких сотен или тысяч камер, реально модули видеоанализа применяются на единицах или десятках камер. Эта антикоррецияция подтверждается на практике.

Итак, если у нас есть большая видеосистема, в которой работает большое количество камер, ее использует несколько операторов, то обычно для большинства из ее камер имеет место лишь базовый функционал. А когда речь идет о каких-то продвинутых модулях видеоанализа: распознавании автономеров, подсчете посетителей, распознавании лиц,- то они почти всегда применяются на небольшом количестве камер. Поэтому, с нашей точки зрения, сейчас индустрию ждет этап развития, в рамках которого будут предложены решения, которые одновременно являются движением вперед в области количества (прежде всего количества камер) и качества -функциональности нового уровня.

Переход в трехмерную систему координат

Для себя мы выделили еще одну ось в этой системе координат. Мы называем ее осью реальной полезности.

Развитие функционала интеллектуального видеонаблюдения исходило из технологических трендов, технологического фундамента. На самом деле компании-разработчики всегда предлагали то, что они могли технически сделать. Развитие шло не по пути ориентации на реальную задачу и реальную полезность, а по пути того, что можно сделать технологически.  И по факту результаты работы часто оказывались такими, что реальную пользу реальным пользователям на реальном объекте модули видеоанализа не несли.

Поэтому мы считаем, что необходимо рассматривать ситуацию в такой системе координат: количество, качество, реальная полезность.

Перед собой мы поставили задачу для начала даже не реализовать, а найти такую функцию, которая одновременно будет востребована фактически на большом количестве камер, будет предоставлять функционал нового уровня, качественно большего, чем обычный просмотр и запись, и будет нести реальную полезность.

Спросить пользователя, чего ему не хватает

Реальные задачи часто отличаются от фантазий разработчиков. В нашем случае мы тоже много фантазировали. Но в какой-то момент мы поняли, что для того чтобы сделать востребованную, применимую на большом количестве камер и реально полезную функцию, нам нужно пойти к людям. Мы должны пойти к пользователям и просто с ними говорить, узнавать, чего им не хватает. И когда мы получим тысячу ответов, появится шанс, что среди этой тысячи мы найдем одну функцию, которая находится в этой заветной красной точке на системе координат.

В наибольшей степени всем этим требованиям сегодня в Macroscop отвечает функция межкамерного трекинга.

Когда мы пришли к пользователям, выяснилось, что у большинства из них повторялась одна и та же проблема: в ситуации, когда какой-то человек появился в поле зрения какой-то камеры на 5 секунд, потом из него вышел, как быстро узнать, куда он пошел дальше? Если в непосредственной близости никаких камер нет, то как понять, а под какой камерой и когда он появился в следующий раз? Люди сказали, что сталкиваются с этой задачей довольно часто, для ее решения они вынуждены вручную просматривать каждую камеру в отдельности или включать синхронный просмотр архива, отмечать на бумаге время и камеру и т.д. С удивлением для себя мы обнаружили, что эта проблема: понять, откуда человек пришел, куда пошел, как перемещался по объекту, - встречается очень часто на совершенно разных объектах. Услышав об этом, мы начали работать над решением, которое в дальнейшем получило название функции межкамерного трекинга. Функция выглядит следующим образом: в режиме просмотра видео оператор кликает на изображение объекта, которого он хочет отследить, система ищет людей с теми же либо сходными приметами одежды на близких камерах в близкие моменты времени и выводит оператору эту объекты, отсортировав их по степени соответствия. Оператору необходимо вручную подтвердить, какие из этих выведенных объектов являются его искомым. Подтверждение необходимо потому, что в одинаковой одежде могут ходить разные люди. 

В итоге оператор получает ролик, состоящий из видеофрагментов с разных камер, и понимает, как человек перемещался по объекту. А также если камеры были привязаны к плану, траекторию перемещения на этом плане. Это то, к чему мы пришли в рамках своей работы по выявлению и воплощению реально полезного и применимого решения задач пользователей.

Справедливости ради отметим: наши исследования показывают, что есть еще две функции, которые в гораздо меньшей степени, но все-таки отвечают требованиям полезности, применимости на большом количестве камер и функциональности нового уровня. Это модули подсчета посетителей и распознавания автономеров.

Как разрабатывать с учетом трех осей развития?

Мы поняли, что любые наши идеи – это не более чем гипотезы, и мы не можем просто начать без разбора их реализовывать. Мы должны отвалидировать их на реальных пользователях. Поэтому прежде чем запустить какую-то функцию в разработку, мы идем на объекты к реальным пользователям и пытаемся понять, а есть ли у них та проблема, которую мы пытаемся решить. На этапе валидации 99% наших идей отбрасываются. 
Далее мы делаем прототипы, снова идем к пользователям и предлагаем их применить. В 8 из 10 случаев оказывается, что наш прототип сделан неправильно. И когда мы наконец реализуем в виде конечного результата то, что пытались сделать в прототипе, мы снова идем на реальные объекты и тестируем силами пользователей этот конечный результат.

Только при таком подходе есть шанс, что нам удастся найти что-то такое, что будет реально полезно нашим конечным пользователям.

Артем Разумков,
генеральный директор Macroscop 

amaze
Мы используем cookies на этом сайте, чтобы обеспечить наилучший сервис. Подробнее