Автоматические системы видеонаблюдения


Телевизоры с замкнутым контуром (CCTV) уже давно используются в качестве эффективного инструмента для мониторинга; CCTV является одной из лучших машин для целей безопасности. В последние годы технология видеонаблюдения и видеонаблюдения развивалась быстрее, чем раньше. Но автоматические системы наблюдения модифицируются таким образом, чтобы повысить эффективность камер видеонаблюдения, хотя эффективность зависит от различных факторов наряду с технологическими достижениями (подробнее).

Процесс автоматизации используется в сложных ситуациях, когда он снижает нагрузку на человека-оператора и тем самым помогает повысить производительность и улучшить производительность. Немаловажным фактором является проектирование систем автоматического наблюдения, которое определяет уровень надежности и может быть использовано для повышения эффективности этих систем. С ростом преступности и террористической деятельности существует необходимость в огромном количестве телевизоров с замкнутым контуром (CCTV), чтобы следить за окрестностями, но мониторинг каждого из экранов камер является очень сложной задачей.

В отличие от грабежей и разбойных нападений, которые могут быть раскрыты с помощью видеозаписей камер видеонаблюдения с помощью криминалистического анализа, есть случаи, когда требуется немедленное реагирование на условия. Систем общественного транспорта, таких как железнодорожные пути станций более уязвимы для тяжелых событий, таких как террористические акты и т. д. что требует непрерывного контроля видеоматериала. Автоматические системы видеонаблюдения должны помочь операторам в этом вопросе.

Мониторинг камеры видеонаблюдения

В последние годы широко используется система видеонаблюдения, из-за чего они превратились из простой системы записи для общего мониторинга в автоматическую систему наблюдения с целью обнаружения подозреваемых. Система видеонаблюдения состоит из нескольких камер, систем проверки и записи и операций диспетчерской. Оператор может контролировать показы видеонаблюдения как реактивно, так и проактивно.
Реактивная проверка. Реактивная проверка - это незаметное наблюдение за камерами видеонаблюдения после тревоги по звуку. Установлено, что реактивная проверка является наиболее интенсивно используемой проверочной задачей, которая обычно активируется полицией и радиостанциями.

Проактивная проверка. Упреждающее наблюдение намекает на онлайн-проверку сцен для выявления и предвидения подозрительных случаев и предотвращения их возникновения. Несмотря на важность проактивного наблюдения, степень проактивной проверки на самом деле практически ничто.

Концепция автоматического наблюдения была разработана главным образом для непрерывного мониторинга и в сочетании с проактивным мониторингом. С другой стороны, автоматическое наблюдение может также применяться в реактивном мониторинге, если контроллер имел возможность переключаться в автоматический режим после предупреждения.

Проведённая работа и объем будущей работы

Были проведены различные исследования и исследования в области автоматического наблюдения, и большая часть работы была связана с машинным обучением, чтобы обучить систему распознавать и идентифицировать различные аномальные ситуации. Стерео камеры использовались для моделирования объектов в 3-D для обнаружения цели, и дальнейшее отслеживание было выполнено с использованием схемы сопоставления BLOB-объектов наряду с использованием фильтра Калмана. Впоследствии деятельность классифицируется на различные ранее определенные подозрительные действия по методике, основанной на семантике.

Но мы разработали алгоритм, использующий фоновое вычитание, чтобы упростить алгоритм, так как он не акцентирует внимание на обучении системы. В этом проекте мы предложили простой и надежный алгоритм. Кроме того, система, которая позволяет оператору идентифицировать объект вручную и, кроме того, позволяет системе отслеживать объект или цель и сообщать о ее назначении, может быть разработана в будущем. Дальнейшее изучение интерфейса автоматизации человека может помочь нам определить более строгие рекомендации по определению подозрительных действий и улучшить автоматизированные системы наблюдения в будущем.

Выводы

Обнаружение объектов с помощью системы видеонаблюдения или, в этом отношении, любой системы автоматического видеонаблюдения является одним из ближайших планов, поскольку оно призвано сделать мир намного безопаснее. Обнаружение объекта с помощью камер видеонаблюдения может быть установлено и применено во многих местах, где требуется высокая безопасность. Шансы на улучшение и дальнейшее развитие в этой области огромны. С ростом уровня террора и преступности использование этого проекта поможет облегчить нагрузку на человека. Кроме того, это поможет нам остановить преступление или террористический акт по сравнению с использованием записей видеонаблюдения для анализа после событий. Основной процесс обнаружения человека и объекта использует концепцию вычитания фона изображения с активностью и адаптивную фоновую модель. Обнаружение объекта осуществляется с помощью концепции определения порога на основе площади и межпиксельного расстояния, а затем отслеживания оставленного объекта. это делается путем установки порога времени, после того как объект был отделен от человека на время, превышающее пороговое время, он помечается как оставленный объект. Такая концепция может быть применена к другим областям, таким как поиск потерянного багажа или потерянного груза. Есть много других возможностей для дальнейшей разработки этого алгоритма на основе приложения и точки установки системы.

Использованные источники

  1. Sandesh Patil and Kiran Talele, ”Suspicious Movement Detection and Tracking Based on Color Histogram”, International Conference on Communication, Information and Computing Technology, ICCICT- 2015, 15-17 January, 2015, pp. 1-6.

  2. Mohannad Elhamod, and Martin D. Levine, Real-Time Semantics- Based Detection of Suspicious Activities in Public Spaces, Proc. 9th Conf. CRV, Toronto, ON, Canada, 2012, pp. 268-275.

  3. H. Weiming , T. Tieniu , W. Liang and S. Maybank, ”A survey on vi- sual surveillance of object motion and behaviors”, IEEE Trans. Syst., Man, Cybern. C, Appl. Rev., vol. 34, no. 3, pp. 334-352, 2004.

  4. Qian Zhang and King Ngi Ngan; Segmentation and Tracking Multiple Objects Under Occlusion From Multiview Video, IEEE Transactions On Image Processing, Vol. 20, No. 11, November 2011.

  5. PETS-ECCV. (2004). [Online]. Available: prima.imag.fr/PETS04/caviar data.html

  6. L. M. Fuentes and S. A. Velastin, ”Tracking-based event detection for CCTV systems”, Pattern Anal. Appl., vol. 7, no. 4, pp. 356-364, 2004.

  7. M. Elhamod and M. D. Levine, ”A real time semantics-based detec- tion of suspicious activities in public scenes”, Proc. 9th Conf. CRV, pp. 268-275, 2012


Parakh Agarwal, Sanaj Singh Kahlon, Nikhil Bisht, Pritam Dash, Sanjay Ahuja, and Ayush Goyal

 

Авторизация
Забыли свой пароль?