Er zijn drie grote categorieën van technologie voor videoanalyse beschikbaar in servergebaseerde VMS- en CCTV-oplossingen.
In volgorde van nauwkeurigheid en mogelijkheden zijn dat: Neural Analytics; vervolgens Deep Learning en Artificial Intelligence (DL en AI) Analytics; en ten slotte Binary Large Object, oftewel BLOB.
Digifort ondersteunt alle drie de typen en kan bovendien worden geïntegreerd met de analysefuncties van NVR’s van derden, ‘alles-in-één’-analyseapparaten en camera’s. Daarom hebben we Nick Bowden, algemeen directeur van Digifort UK, gevraagd om de voordelen op het gebied van kosten en prestaties nader te belichten.
De meest nauwkeurige en krachtige analyseoptie is neurale analyse. Dit is de duurste optie om te implementeren, omdat de software meer kost en er krachtige hardware nodig is om deze te laten draaien. De andere analyseopties zijn misschien minder krachtig, maar ze zijn prima geschikt voor veel CCTV-toepassingen, waar de budgetten krapper zijn.
Digifort is een technologiepartner van Nvidia. De analysesoftware van het bedrijf is geoptimaliseerd voor gebruik op grafische verwerkingseenheden (GPU’s) van Nvidia. Deze worden naast de processor van het besturingssysteem (OS) in een server ingebouwd. De ‘prestaties’ van een VA-server worden gemeten in CUDA-kernen, wat vergelijkbaar is met het remvermogen (BHP) bij auto’s. GPU’s met 4000 CUDA-kernen of meer zijn gangbaar en betaalbaar. Dit ‘budget’ aan GPU-prestaties wordt verdeeld over meerdere analysekanalen en de analysefunctionaliteit wordt toegewezen aan de benodigde videokanalen – met de flexibiliteit om deze indien nodig opnieuw toe te wijzen aan andere videokanalen in het systeem. NVR’s, kant-en-klare analyseoplossingen en camera’s met ingebouwde analyse beschikken simpelweg niet over deze prestatiekracht of flexibiliteit bij de systeemimplementatie. GPU-kaarten ontwikkelen zich in hoog tempo, waarbij de verwerkingskracht elk jaar verdubbelt tegen dezelfde kosten. We kunnen daarom verwachten dat we in de toekomst zullen profiteren van nog meer enorme prestatieverbeteringen en kostenbesparingen in servergebaseerde CCTV-systemen. Bovendien is het toewijzen van de GPU-kernen aan analyse en de serverkernen aan het besturingssysteem en de videoverwerking een goede werkwijze voor optimale serverprestaties, aangezien elk van beide op een andere manier gebruikmaakt van de respectievelijke processorbronnen.
1. Neurale analyse
Neurale analyse is een relatieve nieuwkomer in de gangbare CCTV-technologie. Net als bij gezichtsherkenning worden veel verschillende objecten binnen het camerabeeld geïdentificeerd aan de hand van een database met bekende objecten, waarbij specifieke nieuwe objecten aan het systeem worden ‘toegevoegd’ en andere objecten door het systeem in de loop van de tijd worden aangeleerd. Er kunnen regels worden toegepast op afzonderlijke objecten of combinaties daarvan, waarbij realtime alarmen of gebeurtenissen worden geactiveerd die een reactie van de operator vereisen. Digifort biedt de keuze uit drie neurale netwerken:
- ‘Algemene’ objecten, zoals voertuigen en mensen.
- Misdrijven, met het oog op het herkennen van wapens, verdachte houdingen van de armen en bewegingen (zoals het richten van een wapen).
- Industrieel gebruik, voor het identificeren van personen die een helm, mondkapje, veiligheidsbril en persoonlijke beschermingsmiddelen dragen.
Neurale analyse leent zich voor toepassingen op het gebied van ‘bezettingsgraad’, zoals het aantal auto’s op een parkeerterrein of het aantal mensen in een rij. Het herkent de objecten die in het camerabeeld of in een zone worden ‘waargenomen’ en telt ze. Meerdere zones van één of meerdere camera’s kunnen worden samengevoegd om een totaal voor de locatie te berekenen. De achtergrond van de scène wordt genegeerd, aangezien dit geen herkenbare objecten zijn, waardoor het aantal valse alarmen wordt verminderd.
2. Deep learning en kunstmatige intelligentie (DL en AI)
DL- en AI-analyses kunnen ook een neuraal element bevatten en herkennen meestal mensen, bestelwagens, fietsen, auto’s, vrachtwagens, groepen mensen, tassen, fietsers en nog veel meer, ook aan de hand van een specifiek kleurprofiel. Naarmate een camerascène wordt ‘aangeleerd’, kalibreert de DL/AI-analyse zichzelf om de achtergronden van de scène te leren herkennen, waardoor valse alarmen tot een minimum worden beperkt. Er kunnen veel regels afzonderlijk of gelijktijdig worden toegepast, zoals aanwezigheid, binnenkomst, vertrek, verschijning of verdwijning van een object; richting; filters voor te dicht achter elkaar rijden; het tellen van objecten die een lijn overschrijden; en gestopte, rondhangende, achtergelaten en verwijderde objecten. De analyse van Digifort maakt ook gebruik van een rapportagekader op basis van metadata, waarmee forensisch in opgenomen videobeelden kan worden gezocht naar verschillende objecten op basis van de oorspronkelijke instellingen.
Veel NVR’s, kant-en-klare analyseoplossingen en ingebouwde cameraoplossingen maken gebruik van varianten van dit type analyse, meestal zonder het neurale element, maar beschikken vaak niet over de verwerkingscapaciteit die nodig is om hun potentieel ten volle te benutten, aangezien het niet praktisch of kosteneffectief is om Nvidia-GPU’s in NVR’s in te bouwen.
3. Binary Large Object / BLOB
Dit is het meest elementaire niveau van analyse, waarbij de grootte van objecten (aantal pixels) en hun gedrag worden herkend op basis van bewegingsdetectie en enkele eenvoudige analyses, zoals het overschrijden van een lijn. Veel NVR’s maken gebruik van dit soort analyse. Het is een voordelige optie, ideaal om bewegings- of gebeurtenisopnames in een VMS-systeem aan te sturen, om zo opslagruimte te besparen.
Analytics-prestaties en hardware-overhead
Neural Analytics gebruikt D1-videostreams (720×576 pixels) voor de verwerking, zelfs als de opgenomen ‘bewijskrachtige’ stream in het VMS 4 MP, 8 MP of meer is. Sommige zeer specifieke soorten analyses maken gebruik van 1080p (1920×1080 pixels), meestal bij het analyseren van menselijk gedrag. Ter indicatie van de capaciteit: een GPU met 3000 cores van minder dan £500 verwerkt doorgaans ongeveer 40 neurale kanalen.
Een waarschuwing: sommige kant-en-klare analyseoplossingen registreren alleen de verwerkingsstroom van de analyse, die mogelijk op D1 of lager ligt, zonder dat er tegelijkertijd een HR-stroom als Evidence wordt vastgelegd. Dit betekent dat de analysevideo vaak in lage resolutie wordt opgenomen – controleer dit dus goed als je voor een kant-en-klare analyseoplossing kiest.
Er is voor elk type analyse een rol weggelegd, mits rekening wordt gehouden met kosten en prestaties. Neurale analyse overtreft ze echter allemaal wat betreft nauwkeurigheid en mogelijkheden; de implementatiekosten dalen naarmate de kosten voor servers en GPU’s dalen; en het is toekomstbestendig, waardoor upgrades van GPU’s en prestaties/nauwkeurigheid mogelijk zijn in lijn met de voortdurende ontwikkeling van neurale analysesoftware.
