2. La Video Content Analysis (VCA), indicata pi湛 diffusamente come 束video
analytics損, 竪 definita in Wikipedia come:
the capability of automatically analyzing video to detect and determine temporal
events not based on a single image. As such, it can be seen as the automated
equivalent of the biological visual cortex.
Ovvero la capacit di elaborare in
automatico le immagini video (filmati)
per identificare eventi, in maniera
simile a quanto avviene con locchio
umano.
速
息 Copyright 2012 XTrust s.r.l.
3. Nel corso della presentazione vedremo:
Esempi applicativi di video analytics
Problemi legati allefficacia delle applicazioni (ma soprattutto
delle implementazioni)
Classiche applicazioni 束state-of-the-art損
Soluzioni avanzate di video analytics
Quando 竪 necessario realizzare un progetto personalizzato.
速
息 Copyright 2012 XTrust s.r.l.
4. Gli ambienti aeroportuali richiedono controlli di sicurezza su ampi spazi, sia interni
che esterni , con flussi molto intensi di passeggeri, che sono distribuiti anche su
molteplici code e costretti a sostare per lunghi periodi in attesa con bagagli sia
leggeri sia pesanti. Le funzionalit di video analytics a supporto della sicurezza sono
molteplici, tra cui:
Controllo oggetti abbandonati
Controllo perimetrale (zona
aeromobile)
Monitoraggio code
Monitoraggio transiti anomali
Identificazione pattern sospetti
速
息 Copyright 2012 XTrust s.r.l.
5. Gli esercizi commerciali, oltre ad avere ovvie esigenze di controllo ai fini della
sicurezza, possono trarre vantaggio anche da informazioni raccolte per
migliorare il servizio offerto ai clienti e per analizzare lorientamento dei clienti:
Conteggio e analisi dei transiti
Analisi punti di attrazione
Identificazione colli di bottiglia
Ottimizzazione delle file
Analisi della reazione dei clienti
速
息 Copyright 2012 XTrust s.r.l.
6. Nel settore dei trasporti, in particolar modo, le applicazioni che possono
richiedere lutilizzo di video anlytics sono molteplici, per evidenziare eventi che
possono rappresentare un rischio per la sicurezza, intralcio al traffico, :
Analisi del traffico e velocit
Identificazione veicoli fermi
Identificazione violazioni
Riconoscimento targhe
Mezzi abbandonati
Segnalazione incidenti
速
息 Copyright 2012 XTrust s.r.l.
7. I porti hanno la caratteristica di ospitare una grande variet di mezzi, persone e merce in
transito: navi e barche di vario tipo e dimensione, passeggeri, addetti ai lavori, mezzi di terra,
ecc. Le minacce alla sicurezza del porto e allincolumit dei passeggeri sono molteplici ed il
monitoraggio di ci嘆 che sta avvenendo trova beneficio nella identificazione rapida di alcuni
eventi anomali, che possono essere evidenziati dalle applicazioni di video analytics:
Classificazione e identificazione delle
imbarcazioni in transito
Identificazione posizione, direzione e
velocit delle imbarcazioni
Identificazione automatica
movimenti anomali
Verifica anomalie e conteggio nelle
operazioni di imbarco e sbarco
Segnalazione incidenti
Controllo automatico delle
videocamere PTZ
速
息 Copyright 2012 XTrust s.r.l.
8. Lo scopo di un progetto 竪 soddisfare l'esigenza del cliente e risolvere il suo problema
al meglio. La spinta verso una soluzione di VA pu嘆 essere di natura economica o
finalizzata esclusivamente ad aumentare il livello di sicurezza.
Spesso i clienti si sono gi informati riguardo a soluzioni disponibili sul mercato e
possono avere aspettative poco realistiche riguardo a ci嘆 che le applicazioni di VA
possono offrire, sia in generale, sia nel loro caso particolare.
E importante chiarire che la scelta del software di VA incide solo in piccola parte sul
risultato. In un progetto di VA, il software 竪 come la punta di un iceberg. Se una o pi湛
delle altre componenti del progetto falliscono, il VA non funzioner come previsto.
Anche i migliori applicativi di VA non possono offrire le prestazioni desiderate se integrati
in un sistema disfunzionale di videosorveglianza.
速
息 Copyright 2012 XTrust s.r.l.
9. VCA
Video
Management
System
Configurazione
videocamere
Hardware videocamere
Custodia videocamere e fissaggio
Luce artificiale (se necessario)
Comunicazione (rete o fibra) e alimentazione
Zona monitorata (idonea per la sorveglianza)
Comprensione dei requisiti e soluzione concettuale
速
息 Copyright 2012 XTrust s.r.l.
10. Quali sono le aspettative del cliente
-> "Troppo CSI?
Di che cosa ha realmente bisogno?
Quali sono le minacce?
Come viene misurato il successo?
-> tasso di rilevamento vs tasso di falsi allarmi
-> prezzo vs prestazioni
->
Quale soluzione di VA 竪 la pi湛 adatta il progetto?
速
息 Copyright 2012 XTrust s.r.l.
11. Ci sono oggetti visibili /distinguibili nella zona monitorata?
C竪 tanta attivit nella zona / background?
Ci saranno molti oggetti nella zona monitorata?
Esempio ambienti non idonei
速
息 Copyright 2012 XTrust s.r.l.
12. Definizione della rete di comunicazione e
alimentazione
per impianti pi湛 grandi decidere tra un
sistema centralizzato o un sistema di VCA e
VMS distribuito.
Scelta tra soluzione VCA e/o VMS centralizzata o
distribuita
E necessario considerare nel calcolo
dellenergia necessaria anche le eventuali luci
artificiali
速
息 Copyright 2012 XTrust s.r.l.
14. La qualit dell'immagine 竪 fondamentale per il coretto funzionamento di un
sistema VCA; aspetti importanti da non sottovalutare:
Fissaggio videocamere disturbo da vento e vibrazioni del terreno
da macchine passanti
Evitare il posizionamento troppo basso e lorientata in orizzontale
Evitare videocamera senza paraluce
Esempio posizionamenti non idonei
速
息 Copyright 2012 XTrust s.r.l.
15. Le applicazioni di VA non richiedono necessariamente
immagini ad altra definizione, n辿 un elevato frame rate;
tuttavia 竪 importante garantire sempre:
poca distorsione
frame rate costante
buona sensibilit nel caso scarsa illuminazione
tolleranza ai cambiamenti dilluminazione
minimo rumore termico
(meglio immagini scure che disturbate)
Di regola le applicazioni centralizzate di Vasi applicano flussi MJPEG.
E possibile prevedere flussi distinti per VA e altre applicazioni (es:
registrazione).
速
息 Copyright 2012 XTrust s.r.l.
16. Il VMS 竪 una parte molto importante della
soluzione Analytics. Nella maggior parte dei casi 竪
l'unica interfaccia utilizzata dal cliente.
Il modo con cui vengono segnalati gli allarmi
influisce notevolmente sullesperienza dell'utente
finale e sull'utilit dell'intera soluzione.
Le applicazioni di VA commerciali sono
normalmente progettate per essere integrate con
diversi VMS high-end.
.
速
息 Copyright 2012 XTrust s.r.l.
17. Asset protection
Intrusion detection
People slip and fall detection
People counting
License plate detection
速
息 Copyright 2012 XTrust s.r.l.
20. VA on Camera
Si sfrutta HW gi presente a
bordo delle videocamera
VA applicato a monte della
compressione immagini
VPN
Massima scalabilit
aggiunta videocamere
con
Vincoli imposti dalla
! potenza dellHW
Disponibilit applicazioni
! vendor-dependent
Mono-camera vision e uso
! limitato di sensori esterni
速
息 Copyright 2012 XTrust s.r.l.
21. VA on Edge
VA applicato a immagini poco
compresse
Massima scalabilit al crescere
dellinstallazione
VPN
Parziale indipendenza
tecnologia
dalla
Compatibile con luso di multi-
camera vision e sensori esterni
Necessit di hardware
! aggiuntivo
Necessit di definire un
! alloggiamento adeguato
速
息 Copyright 2012 XTrust s.r.l.
22. VA on Local VR
VA applicato a immagini poco
compresse
Buona compatibilit
videocamere alternative
con
VPN
Compatibile con luso di multi-
camera vision e sensori esterni
Possibilit di integrare VR e VA
nello stesso HW
La qualit dipende dalla rete
! locale
Lhardware deve essere
! opportunamente dimensionato
速
息 Copyright 2012 XTrust s.r.l.
23. VA on NOC
Massima flessibilit e
indipendenza dalle videocamere
e
Ottimizzazione dellhardware su
scala WAN
VPN Compatibile con luso di multi-
camera vision e sensori esterni
Limiti imposti da esigenze di
! compressione
Criticit nella progettazione
! della rete
速
息 Copyright 2012 XTrust s.r.l.
24. Approccio ibrido
Si sfruttano al massimo le
potenzialit delle videocamere
Massima scalabilit e flessibilit
VPN
Compatibiit con multi-camera
vision e uso di sensori esterni
Uso minimo di hardware
aggiuntivo
Maggiore complessit di
! progettazione e gestione
速
息 Copyright 2012 XTrust s.r.l.
25. Localizzazione 3D dei Identificazione delle
target, attraverso la modellizzazione minacce sulla base di :
del terreno, e la conseguente
calibratura della videocamere Posizione
Integrazione visuale con mappe Altezza
Velocit
Direzione
Ingombro
v
h
速
息 Copyright 2012 XTrust s.r.l.
26. Possibile utilizzo di immagini
束stereo損, integrando il video di
due telecamere, per una
migliore identificazione dei
target quando luso della ripresa
2D non 竪 sufficiente.
Tracking :tramite luso di
videocamere PTZ 竪 possibile
puntare in automatico sugli
oggetti che rappresentano
possibili minacce e zoomare
sulla scena;
Semplificazione per gli operatori
della sicurezza;
Registrazione pi湛 accurata degli
eventi critici.
速
息 Copyright 2012 XTrust s.r.l.
27. Con la cucitura degli immagini provenienti da molteplici telecamere si ottiene un unico flusso video
con una visione panoramica dellarea sorvegliata. Consentendo alloperatore e/o al al sistema di video
analytics di tracciare eventuali intrusioni in tutta la scena sorvegliata senza interruzioni.
速
息 Copyright 2012 XTrust s.r.l.
28. Soluzione in grado di combinare in tempo reale immagini provenienti da sorgenti di tipologia diversa
(termico e visible-band) con funzionalit di zoom. Il sistema 竪 in grado di fornire un quadro efficace
con situazioni in condizioni di giorno e di notte, su obiettivi vicini e lontani e attraverso il fumo, la
nebbia e altre condizioni visive avverse o occluse.
La soluzione 竪 disponibile anche come unit
integrata, (Digital Barriers) che comprende un
sensore combinato termico e visivo e ununit di
elaborazione che 竪 in grado dintegrare sensori
di terze parti.
速
息 Copyright 2012 XTrust s.r.l.
29. Xtrust partecipa al consorzio D-SenS (Depth Sensing System for People Safety).
In D-Sens creeremo un framework con soluzioni di video
analytics nei settori orientati alla sicurezza umana: Smart
Building, Assisted living e Sicurezza.
I partner del consorzio sono composti da centri di ricerca e PMI
dei paesi Italia, Francia, Olanda, Finlandia e Austria, favorendo
lapporto di conoscenze e requisiti provenienti da un pi湛 ampio
mercato.
Lo sviluppo sar concentrato intorno a sensori di rilevamento d'immagini con informazioni di
profondit (visione in 3D) che forniscono preziose informazioni complementari alla classica visione
2D aumentando notevolmente l'efficienza della Computer Vision. A differenza delle normali
telecamere, questi sensori di profondit come ad esempio telecamere time-of-flight forniscono in
uscita un'immagine che contiene l'informazione della distanze degli oggetti visibili, la cosiddetta
"mappa di profondit" che permette nuove possibilit e affidabilit per l'analisi automatica degli
eventi in una scena monitorata. L'arrivo di nuovi sensori a basso costo come ad esempio la Kinect
della Microsoft sono sufficientemente economici per essere utilizzati in applicazioni di ogni giorno e
per un mercato di massa.
速
息 Copyright 2012 XTrust s.r.l.
30. Le applicazioni commerciali di video analytics risolvono gran parte delle esigenze pi湛 comuni,
configurando un numero elevato di parametri, per adattarsi a contesti applicativi anche molto
diversi.
Rimangono tuttavia alcuni casi particolari, nei quali non 竪 possibile identificare una soluzione
commerciale pronta alluso, e questo pu嘆 accadere per diverse ragioni, e per esempio:
quando linformazione che si vuole estrarre dai video non
rientra nei casi tipici comunemente richiesti;
quando 竪 possibile integrare nella scena informazioni
provenienti da sorgenti (es: sensori) diversi;
quando risulta opportuno portare una applicazione su uno
specifico hardware (non supportato dalle applicazioni
commerciali), ad esempio per supportare una migliore
scalabilit del software;
quando si vuole introdurre un nuovo stadio elaborativo nella
catena applicativa, ad esempio per sfruttare meglio
linformazione allinterno di un particolare spettro visivo.
速
息 Copyright 2012 XTrust s.r.l.
31. Conversione di formato
Conversion Applicazioni di filtri, ottimizzazione
Estrazione delle parti di interesse
Background
Subtration
Eliminazione informazioni irrilevanti
Trasformazioni geometriche
Mapping Eventuale fusione 3D
Eventuale integrazione con altre informazioni
Detection Logica applicativa: riconoscimento eventi
Eventuali calibrazioni e adattamenti
Integration Integrazione con ambiente NVR / PSIM
速
息 Copyright 2012 XTrust s.r.l.
32. Progetto sviluppato per rendere pi湛 efficace lidentificazione di bagagli
abbandonati in aree critiche.
Obiettivi:
Utilizzare linformazione proveniente da molteplici
videocamere (pi湛 di 2 videocamere fisse) per riconoscere in
maniera pi湛 accurata gli oggetti che si inseriscono nella scena
Semplificare le operazioni di calibrazione delle videocamere
Sfruttare HW basato su GPU e software scalabile per
implementare il mapping e algoritmi pi湛 sofisticati di
background subtraction.
速
息 Copyright 2012 XTrust s.r.l.
33. Fasi impegnative pi湛 impegnative in termini di processing sono il background
subtraction ed il mapping:
Input: 720 x 576px a
colori
Background Output: 720 x 576px
BW
Subtration
Trasformazioni
omografiche
Mapping Fusione sorgenti
速
息 Copyright 2012 XTrust s.r.l.
34. La fusione dei profili rappresentanti gli
oggetti, ripresi da pi湛 videocamere produce una
informazione visiva combinata, che prende una
forma caratteristica di stella.
La sovrapposizione di almeno tre profili produce
una informazione chiamata 束blob損.
I 束blob損, che vengono classificati tramite un codice,
la posizione e dimensione, consentono di
identificare in maniera pi湛 accurata gli oggetti che
toccano il pavimento.
Le informazioni relative ai profili combinati ed i
blob vengono gestite per identificare situazioni
anomale.
速
息 Copyright 2012 XTrust s.r.l.
35. Lutilizzo di GPUs consente di rendere pi湛 performante lutilizzo
dellapplicazione. La scalabilit del codice consente di utilizzare lapplicazione
anche in contesti che prevedono lutilizzo di numeri elevati di videocamere
ed applicare algoritmi pi湛 sofisticati di background subtraction.
La seguente tabella propone un raffronto tra le prestazioni ottenute
utilizzando lalgoritmo A-BGS di background subtraction con un processore
convenzionale vs. la stessa applicazione che fa utilizzo di GPU.
Hardware Image Size Throughput
Intel Core 2 Duo CPU E7600 @3,06 GHz 720x576 2,79 fps
GeForce GTX 550 Ti 720x576 26,35 pfs
速
息 Copyright 2012 XTrust s.r.l.
36. Le applicazioni di video analytics non sono solo
mature, ma spesso possono produrre risultati che
superano le aspettative
Aspetto fondamentale 竪 laccuratezza nella
gestione di tutto il progetto, a partire dalla
corretta definizione del requisito, passando per
una corretta progettazione di tutti gli elementi che
entrano a far parte dellarchitettura, avendo
chiare in mente le esigenze di analytcs.
Molto si pu嘆 ottenere da soluzioni
economiche, pronte alluso. Quando queste non
soddisfano il requisito, 竪 possibile progettare
lapplicazione partendo dal requisito.
速
息 Copyright 2012 XTrust s.r.l.