Existen tres grandes tipos de tecnología de análisis de vídeo disponibles en soluciones de CCTV basadas en servidor y en sistemas de gestión de vídeo (VMS).
Por orden de precisión y capacidad, son: análisis neuronal; a continuación, análisis basado en el aprendizaje profundo y la inteligencia artificial (DL y IA); y, por último, objetos binarios de gran tamaño (BLOB).
Digifort es compatible con los tres tipos y, además, se integra con las funciones de análisis de los NVR de terceros, los dispositivos de análisis «todo en uno» y las cámaras. Por ello, hemos pedido a Nick Bowden, director general de Digifort UK, que nos explique las ventajas que ofrece en cuanto a la relación calidad-precio.
La opción de análisis más precisa y eficaz es la basada en redes neuronales. Se trata de la opción más cara de implementar, ya que el software es más costoso y requiere un hardware de alto rendimiento para su funcionamiento. Las demás opciones de análisis pueden ser menos eficaces, pero resultan perfectamente adecuadas para muchas aplicaciones de CCTV en las que los presupuestos son más ajustados.
Digifort es socio tecnológico de Nvidia. Su software de análisis está optimizado para ejecutarse en unidades de procesamiento gráfico (GPU) de Nvidia. Estas se instalan en un servidor junto al procesador del sistema operativo (SO). El «rendimiento» de un servidor de vídeo analítico (VA) se mide en núcleos CUDA, lo que es similar a la potencia en caballos de freno (BHP) en los coches. Las GPU de 4000 núcleos CUDA o más son habituales y asequibles. Este «presupuesto» de rendimiento de la GPU se distribuye entre múltiples canales de análisis y la funcionalidad de análisis se asigna a los canales de vídeo necesarios, con la flexibilidad de reasignarla a diferentes canales de vídeo del sistema, si fuera necesario. Los NVR, las soluciones de análisis en caja y las cámaras con análisis integrado simplemente no cuentan con esta «potencia» de rendimiento ni con esta flexibilidad de implementación del sistema. Las tarjetas GPU se están desarrollando rápidamente, y su rendimiento de procesamiento se duplica cada año, por el mismo coste. Por lo tanto, podemos esperar beneficiarnos de mejoras de rendimiento aún mayores y de reducciones de costes en los sistemas de CCTV basados en servidor en el futuro. Además, dedicar los núcleos de la GPU al análisis y los núcleos del servidor al sistema operativo y al procesamiento de vídeo es una buena práctica para optimizar el rendimiento del servidor, ya que cada uno accede a sus respectivos recursos de procesador de forma diferente.
1. Análisis neuronal
El análisis neuronal es una tecnología relativamente nueva en el ámbito de la videovigilancia convencional. Al igual que en el reconocimiento de personas, los distintos objetos que aparecen en el campo de visión de una cámara se identifican a partir de una base de datos de objetos conocidos; los objetos nuevos específicos se «introducen» en el sistema, mientras que el resto de objetos son aprendidos por el sistema con el paso del tiempo. Se pueden aplicar reglas a objetos individuales o a combinaciones de ellos, lo que activa alarmas o eventos en tiempo real para que el operador actúe en consecuencia. Digifort ofrece tres redes neuronales entre las que elegir:
- Objetos «generales», como vehículos y personas.
- Delitos, para identificar armas, posturas sospechosas de las manos y movimientos (como apuntar con un arma).
- De uso industrial, para identificar a personas que llevan cascos, mascarillas, gafas protectoras y EPI.
El análisis neuronal resulta ideal para aplicaciones de «ocupación», como el recuento de coches en un aparcamiento o de personas en una cola. Reconoce los objetos «visibles» en el campo de visión de la cámara, o en una zona determinada, y los cuenta. Se pueden agregar varias zonas, procedentes de una o varias cámaras, para obtener un recuento global del recinto. Los fondos de las escenas se ignoran, ya que no se consideran objetos reconocibles, lo que reduce las falsas alarmas.
2. Aprendizaje profundo e inteligencia artificial (DL y IA)
El análisis basado en aprendizaje profundo (DL) e inteligencia artificial (IA) también puede incluir un componente neuronal y, por lo general, reconoce personas, furgonetas, bicicletas, coches, camiones, grupos de personas, bolsas, ciclistas y mucho más, incluso con un perfil de color específico. A medida que la cámara «aprende» una escena, el análisis de aprendizaje profundo (DL) e inteligencia artificial (IA) se autocalibra para reconocer los fondos de la escena, lo que minimiza las falsas alarmas. Se pueden aplicar numerosas reglas de forma individual o simultánea, como la presencia, entrada, salida, aparición o desaparición de un objeto; la dirección; filtros de conducción pegada al vehículo de delante; recuento al cruzar una línea; y objetos detenidos, que merodean, abandonados o retirados. El sistema de análisis de Digifort también utiliza un marco de generación de informes de metadatos que permite la búsqueda forense en el vídeo grabado de diferentes objetos según la configuración original.
Muchos NVR, sistemas de análisis en caja y soluciones de cámaras integradas utilizan versiones de este tipo de análisis, normalmente sin el componente neuronal, pero a menudo carecen de la capacidad de procesamiento necesaria para aprovechar al máximo su potencial, ya que no resulta práctico ni rentable incorporar GPU de Nvidia en los NVR.
3. Objeto binario de gran tamaño / BLOB
Se trata del nivel más básico de análisis, que permite reconocer el tamaño de los objetos (número de píxeles) y su comportamiento a partir de la detección de movimiento y de algunos análisis sencillos, como el cruce de líneas. Muchos NVR utilizan este tipo de análisis. Es una opción de bajo coste, ideal para activar la grabación por movimiento o por eventos en un sistema VMS, con el fin de ahorrar espacio de almacenamiento.
Rendimiento de los análisis y sobrecarga de hardware
Neural Analytics utiliza flujos de vídeo D1 (720 x 576 píxeles) para el procesamiento, incluso si el flujo «probatorio» grabado en el VMS es de 4 MP, 8 MP o más. Algunos tipos de análisis muy específicos utilizan 1080p (1920 x 1080 píxeles), normalmente al analizar comportamientos humanos. A modo de indicación de su capacidad, una GPU de 3000 núcleos por menos de 500 libras suele procesar alrededor de 40 canales neuronales.
Una advertencia: algunas soluciones de análisis en caja solo graban el flujo de procesamiento de datos analíticos —que puede ser de D1 o inferior— sin un flujo simultáneo de alta resolución que sirva como Evidence. Esto significa que el vídeo analítico a menudo se graba a baja resolución, así que compruébalo bien si te decantas por una solución de análisis en caja.
Cada tipo de análisis tiene su lugar, siempre que se tengan en cuenta el coste y el rendimiento. Sin embargo, el análisis neuronal supera a todos los demás en cuanto a precisión y capacidad; su coste de implementación se está reduciendo a medida que bajan los precios de los servidores y las GPU; y está preparado para el futuro, ya que permite actualizaciones de las GPU y mejoras en el rendimiento y la precisión en consonancia con el desarrollo continuo del software de análisis neuronal.
