Тепловизионная видеоаналитика

Тепловизионные камеры все больше и больше занимают место в каталогах ведущих фирм, производящих системы видеонаблюдения. При этом большинство из них стремится продавать «умные тепловизоры», позволяющие работать в режиме автоматического детектирования объектов.

В продолжении предыдущей статьи, где обсуждались предельные параметры работы тепловизоров по дальности обнаружения, попробуем понять, следуют ли сами производители критерию Джонсона, когда детектируют цели. Изображения взяты из открытых источников в качестве стоп-кадров из демонстрационных видеоклипов.

Пример 1

Видно, что аналитика выделяет цели – ростовые фигуры человека, но эти цели значительно превосходят все требования критерия Джонсона (значительно более 12 пикс/м, порядка 200 пикс/м по вертикали), поэтому этот ролик можно отнести к демонстрации того, что аналитика работает вообще, но не решает задач обнаружения целей на предельных заявленных дистанциях тепловизора.

Пример 2а

Заявлено, что дистанция до людей – 100 м. Аналитика отрабатывает хорошо, но и цели более чем доступные для их обработки. В отличие от предыдущего снимка, тепловая схема инвертирована: тут более нагретые объекты показаны черным, в предыдущем примере – белым.

Пример 2б

Аналитика замечает тепловое отражение от плитки как часть идущего человека. Это в определенных случаях может приводить к ошибкам.

Пример 2в

Заявлено, что дистанция до людей – 200 м (красный прямоугольник в правом верхнем углу). Аналитика видит цели, но для компьютерного зрения 2 человека уже сливаются в одного, при этом разрешение изображения в зоне людей порядка 6 пикс/м, что по критерию Джонсона должно хватать для распознавания цели. По факту чтолибо распознать там нереально, но цифровое зрение цепляется за любую возможность.

Пример 3

Демонстрация возможности тепловизионной камеры и аналитического комплекса детектировать проникновения человека в охраняемую зону. С таким размером цели это несложная задача.

Пример 4а

Аналитика детектирует пересечение линии неким объектом за пределами охраняемой зоны (красный прямоугольник и красная линия).

Пример 4б

Объект появляется в полный рост, но аналитика ошибочно не детектирует пересечение линии.

Пример 5

Аналитика четко срабатывает на пересечение линии человеком, но, как нетрудно заметить, погодные условия для этого самые благоприятные и на цель приходится порядка 42 пикселей, что по Джонсону достаточно даже для идентификации цели.

Пример 6

По сути, аналогичный ролик, но на ростовую фигуру человека приходится даже большее разрешение, чем в первом примере. Было бы более наглядно попытаться «увидеть» цель на дальнем плане справа.

Пример 7

В открытых источниках не удалось найти актуальную информацию по работе интеллектуального комплекса данной модели на предельных расстояниях. При этом на кадре видно, что аналитика легко справляется с определением ростовой фигуры человека в условиях достаточно большого разрешения, приходящегося на «цель».

Пример 8

Изображение низкого качества с детектора предыдущего поколения, тем не менее можно отметить, что аналитика видит человека в центре, но при этом человек немного поодаль остается незамеченным, как и люди в левой части изображения.

Вывод
Видеоаналитика вообще, и тепловизионная видеоаналитика в частности, помогает оператору эффективно реагировать на угрозы, предоставляя нужную информацию в нужный момент. Но это при условии грамотной настройки камеры и тепловизора. В случае с тепловизором особенно важно не полагаться на предельные параметры обнаружения целей, а выбирать тепловизор с 2–3-кратным запасом по расстоянию. Что и подтверждают представленные кадры – ни один из производителей не показывает работу своего продукта в сложных погодных низкоконтрастных условиях и на предельных заявленных дистанциях, так как вероятность положительного определения цели крайне мала, при этом пропорционально вырастает количество ложных срабатываний, что в конечном счете приводит к неэффективности всей аналитической системы в целом.