Existem três grandes tipos de tecnologia de análise de vídeo disponíveis em soluções baseadas em servidor, VMS e CFTV.
Por ordem de precisão e capacidade, temos a Análise Neural; depois, a Análise de Aprendizado Profundo e Inteligência Artificial (DL e IA); e, por fim, o Objeto Binário de Grande Tamanho, ou BLOB.
A Digifort é compatível com os três tipos, além de se integrar às ferramentas de análise de NVRs de terceiros, dispositivos de análise “tudo em um” e câmeras. Por isso, pedimos a Nick Bowden, diretor-geral da Digifort UK, para falar sobre as vantagens em termos de custo-benefício.
A opção de análise mais precisa e avançada é a análise neural. Essa é a opção mais cara de implementar, porque o software custa mais e exige hardware de alto desempenho para funcionar. As outras opções de análise podem ser menos avançadas, mas são perfeitamente adequadas para muitas aplicações de CFTV, onde os orçamentos são mais apertados.
A Digifort é parceira de tecnologia da Nvidia. Seu software de análise está otimizado para rodar em Unidades de Processamento Gráfico (GPUs) da Nvidia. Elas são instaladas em um servidor junto com o processador do sistema operacional (SO). O “desempenho” do servidor VA é medido em núcleos CUDA, o que é parecido com a potência em cavalos (BHP) nos carros. GPUs com 4.000 núcleos CUDA ou mais são comuns e acessíveis. Esse “orçamento” de desempenho da GPU é distribuído por vários canais de análise, e a funcionalidade de análise é alocada aos canais de vídeo necessários — com a flexibilidade de ser realocada para outros canais de vídeo no sistema, se necessário. NVRs, soluções de análise em caixa e câmeras com análise integrada simplesmente não têm essa “potência” de desempenho nem essa flexibilidade de implantação do sistema. As placas de GPU estão se desenvolvendo rapidamente, com o desempenho de processamento dobrando a cada ano, pelo mesmo custo. Portanto, podemos esperar nos beneficiar de melhorias ainda maiores de desempenho e reduções de custo nos sistemas de CFTV baseados em servidor daqui para frente. Além disso, dedicar os núcleos da GPU à análise e os núcleos do servidor ao sistema operacional e ao processamento de vídeo é uma boa prática para otimizar o desempenho do servidor, já que cada um acessa seus respectivos recursos de processamento de maneira diferente.
1. Análise Neural
A análise neural é uma novidade relativamente recente no mundo do CFTV convencional. Assim como no reconhecimento humano, vários objetos diferentes dentro do campo de visão da câmera são identificados a partir de um banco de dados de objetos conhecidos, com novos objetos específicos sendo “introduzidos” no sistema e outros objetos aprendidos pelo sistema ao longo do tempo. É possível aplicar regras a objetos individuais ou a combinações deles, com alarmes ou eventos em tempo real acionados para que o operador reaja. A Digifort oferece três redes neurais à sua escolha:
- Objetos “gerais”, como veículos e pessoas.
- Crime, por identificar armas, posições suspeitas dos braços e movimentos (como apontar uma arma).
- Industrial, para identificar pessoas usando capacetes, máscaras, óculos de proteção e EPI.
A análise neural é ideal para aplicações do tipo “ocupação”, como o número de carros em um estacionamento ou de pessoas em uma fila. Ela reconhece os objetos “visíveis” no campo de visão da câmera, ou em uma zona, e os conta. Várias zonas captadas por uma ou várias câmeras podem ser agregadas para uma contagem no local. Os fundos das cenas são ignorados, já que não são objetos reconhecidos, o que reduz os alarmes falsos.
2. Aprendizado Profundo e Inteligência Artificial (AP e IA)
A análise de DL e IA também pode incluir um componente neural e, geralmente, reconhece pessoas, vans, bicicletas, carros, caminhões, grupos de pessoas, bolsas, ciclistas e muito mais, inclusive com um perfil específico de cores. À medida que a cena captada pela câmera é “aprendida”, a análise de DL/IA se autocalibra para reconhecer os fundos da cena, minimizando os alarmes falsos. Várias regras podem ser aplicadas individualmente ou ao mesmo tempo, como presença, entrada, saída, aparecimento e desaparecimento de um objeto; direção e filtros contra seguir muito próximo; contagem ao cruzar uma linha; e objetos parados, vagando, abandonados ou removidos. A análise da Digifort também usa uma estrutura de relatórios de metadados que permite a busca forense em vídeos gravados por diferentes objetos, de acordo com as configurações originais.
Muitos NVRs, soluções de análise em dispositivos dedicados e câmeras com análise integrada usam versões desse tipo de análise, geralmente sem o elemento neural, mas muitas vezes não têm a capacidade de processamento necessária para maximizar seu potencial, já que não é prático nem econômico instalar GPUs da Nvidia nos NVRs.
3. Objeto binário de grande porte / BLOB
Esse é o nível mais básico de análise, que reconhece o tamanho dos objetos (número de pixels) e o comportamento com base na detecção de movimento e em algumas análises simples, como a travessia de linhas. Muitos NVRs usam esse tipo de análise. É uma opção de baixo custo, ideal para acionar a gravação por movimento ou por evento em um sistema VMS, a fim de economizar espaço de armazenamento.
Desempenho da análise e sobrecarga de hardware
O Neural Analytics usa fluxos de vídeo D1 (720×576 pixels) para processamento, mesmo que o fluxo “probatório” gravado no VMS seja de 4 MP, 8 MP ou mais. Alguns tipos de análise bem específicos usam 1080p (1920×1080 pixels), geralmente na análise de comportamentos humanos. Para se ter uma ideia da capacidade, uma GPU de 3.000 núcleos que custa menos de £500 costuma processar cerca de 40 canais neurais.
Só pra te avisar: algumas soluções de análise em caixa só gravam o fluxo de processamento de análise — que pode ser em D1 ou menos —, sem um fluxo simultâneo de alta resolução como prova. Isso significa que o vídeo de análise muitas vezes pode ser gravado em baixa resolução — então, dá uma conferida se você decidir usar uma solução de análise em caixa.
Cada tipo de análise tem seu lugar, quando se leva em conta o custo e o desempenho. No entanto, a análise neural supera todas as outras em termos de precisão e capacidade; seu custo de implantação está diminuindo à medida que os custos dos servidores e das GPUs caem; e ela está preparada para o futuro, permitindo atualizações de GPUs e de desempenho/precisão em sintonia com o desenvolvimento contínuo do software de análise neural.
