Die Vorteile Von Virtual Barrier-Video Analysefunktionen

Künstliche Intelligenz (KI) und maschinelles Lernen haben die PerimeterSicherheitslandschaft durch den Einsatz von Videoanalysen zur Erkennung von Eindringlingen verändert. Hochempfindliche bewegungsbasierte Analysesysteme, die in der Lage sind, mikroskopisch kleine Bewegungen bei beeindruckenden Reichweiten zu erkennen, haben sich bei Perimetersystemen für kritische Infrastrukturen durchgesetzt. Heute jedoch bringt die FLIR Virtual Barrier-Videoanalyse den Kunden noch größere Vorteile. Denn sie verbessert die Erkennungspräzision, die Klassifizierungsgenauigkeit, die Geolokalisierung von Zielen und die Widerstandsfähigkeit gegenüber Fehlalarmen. In dieser technischen Mitteilung werden der strategische Wert der Virtual Barrier-Analysefunktionen in PerimeterIntrusion-Detection-Systemen (PIDS) sowie ihre spezifischen Leistungsvorteile im Vergleich zu den bewegungsbasierten Analysefunktionen diskutiert.

DEFINITION DER BEWEGUNGSBASIERTEN ANALYSE

Der Einsatz von Videoanalyse mit analogen Überwachungssystemen führte in den frühen 2000er Jahren zu einem Paradigmenwechsel in der Sicherheitsbranche. Die anfängliche pixelbasierte Bewegungserkennung, die Alarme auf der Grundlage eines Prozentsatzes von Pixelveränderungen innerhalb definierter Grenzen auslöste, konnte mit Hilfe von Onboard-Hardware die Algorithmen zur Bewegungserkennung ausführen. So können die Systeme Erkennungswarnungen sofort ausgeben und ohne Bandbreiten- oder Latenzprobleme an der Peripherie arbeiten

Zahl 1: Beispiel für die Erkennung und Klassifizierung von Menschen durch Video analyse

Diese Analysefunktionen arbeiteten mit Algorithmen, die aus drei Schritten bestanden: Hintergrundinitiierung, Vordergrunderkennung und Vordergrundverarbeitung

Laden Sie das Whitepaper herunter

Der erste Schritt erstellt einen Referenzrahmen, indem der Hintergrund auf der Grundlage früherer Bilder aufgebaut wird. Der zweite Schritt vergleicht das unmittelbare Bild mit dem Hintergrundbild und kommt zu dem Schluss, dass jeder Unterschied zwischen den beiden Bildern eine Bewegung sein muss. Im dritten Schritt werden die Pixel, die als in Bewegung gekennzeichnet sind, gefiltert, um nicht relevante Ursachen zu entfernen. Sie werden verarbeitet, um Einbruchsalarme zu erzeugen. Diese bewegungsbasierten Methoden können zwar sehr empfindlich sein, wenn es um die Erkennung von Bedrohungen geht, aber sie erfordern in der Regel auch eine umfangreiche Kalibrierung und Konfiguration, um Fehlalarme in realen Umgebungen zu minimieren. Selbst wenn sie richtig kalibriert sind, erzeugen manche Umgebungen bei bewegungsbasierten Analysefunktionen immer noch Fehlalarme. Störbewegungen, z. B. schwankende Bäume, wackelnde Kamera, Schatten oder Reflexionen, verursachen die meisten dieser Fehlalarme. Ein weiteres Problem sind Objekte, die eine Zeit lang stillstehen oder stationär erscheinen, wenn sie sich in großer Entfernung entlang der Kameraachse bewegen. Diese Ziele werden anschließend im Hintergrundbild absorbiert und unerkennbar gemacht. Diese Einschränkungen bei bewegungsbasierten Analysetechnologien können für das Sicherheitspersonal kostspielig sein und bildeten die Grundlage für die nächste Generation der Videoanalyse mit neuronalen Netzwerken.

DEFINIEREN DER CNN-VIDEOANALYSE

Die Virtual Barrier-Videoanalyse basiert auf Convolutional Neural Networks (faltungsneuronalen Netzwerken, CNN). Diese Videoanalysetechnik wurde entwickelt, um neurobiologische Systeme zu replizieren. Sie ist in der Lage, Objekte in einem Bild zu finden und zu klassifizieren.

Bei herkömmlichen Systemen wird die Position eines potenziellen Objekts
durch die Bewegungserkennung ermittelt. Jedes sich bewegende Ziel
wird von einer Reihe von Filtern verarbeitet, die bestimmen, ob das Objekt
eine Bedrohung darstellt. Es ist jedoch unmöglich, jede einzelne Situation
in der realen Welt zu berücksichtigen. Das bedeutet, dass ein gewisses
Maß an Fehlalarmen immer möglich ist. Die von Virtual Barrier verwendete
CNN-Videoanalyse geht auf dieses Problem ein, indem sie dem Algorithmus eine automatische Bestimmung der Merkmale und Filter ermöglicht, die für das Auffinden und die Identifizierung eines gewünschten Objekts besonders relevant sind. Die Erstellung eines solchen Systems beginnt mit der manuellen Analyse von Zehntausenden von Bildern, um die Position und Klassifizierung von Objekten von Interesse zu bestimmen. Diese Bilder werden dann verwendet, um das neuronale Netzwerk in einem iterativen Prozess zu trainieren. Im Gegensatz zu anderen CNN-gesteuerten Systemen verwenden Virtual Barrier-Analysefunktionen keine Bilder aus öffentlich zugänglichen Datensätzen, die häufig von anderen Systemen verwendet werden. Stattdessen verwenden sie nur Teledyne FLIR-Datensätze, die speziell auf die Sicherheitsanwendung ausgerichtet sind. Dadurch werden nicht nur Fehlalarme weiter reduziert, sondern es wird auch sichergestellt, dass alle potenziellen Bedrohungen korrekt erkannt werden

Abbildung 2: Virtual Barrier Analytics, die zwei Personen klassifiziert und ihren Standort und ihre Geschwindigkeit bestimmt

VERGLEICH ZWISCHEN VIRTUAL BARRIER UND BEWEGUNGSBASIERTER ANALYSE

Ein Verständnis der Unterschiede zwischen den Virtual BarrierAnalysefunktionen und den bewegungsbasierten Analysefunktionen ist wichtig, wenn Sie sich für eines der beiden Modelle entscheiden möchten. Die Virtual Barrier-Analysefunktionen lassen sich einfach kalibrieren und bieten eine zuverlässige Erkennung mit minimalen Fehlalarmen. Sie unterstützen auch das Erkennen von herumstehenden Personen und die Geolokalisierung von Bedrohungen zur Visualisierung auf einer dynamischen Karte. Bewegungsbasierte Analysefunktionen bieten in der Regel eine größere Erkennungsreichweite als Virtual Barrier-Analysefunktionen, sind aber anfälliger für Fehlalarme. Im Folgenden finden Sie eine Aufschlüsselung der verschiedenen Vorteile, die Virtual Barrier-Analysefunktionen für Ihr Sicherheitssystem bedeuten können

ROBUSTE KLASSIFIZIERUNG

Mit Hilfe einer Bibliothek mit Tausenden von Bildern, die wichtige Erweiterungen und Variationen in der visuellen Darstellung von erkennbaren Objekten enthalten, werden die Virtual Barrier-Analysefunktionen darauf trainiert, Objekte in realen Situationen zu klassifizieren, in denen Ziele evtl. leicht verdeckt oder schwer zu erkennen sind. Die FLIR FH-Series ID erkannte zum Beispiel in einer Stichprobe von 100 einzigartigen Szenarien 15 % mehr Bedrohungen als bewegungsbasierte Analysefunktionen

In Bezug auf den Klassifizierungsbereich stellen die bewegungsbasierten Analysefunktionen und die Virtual Barrier-Analysefunktionen einen bemerkenswerten Kompromiss dar. Für die Analysefunktionen sind mehr Pixel auf dem Ziel erforderlich als für die bewegungsbasierten Analysefunktionen. Daher ist der Klassifizierungsbereich für die Virtual Barrier-Analysefunktionen reduziert. Der Klassifizierungsbereich der FLIR FH-Series ID ist im Vergleich zur FLIR FC-Series ID um ca. 20 % reduziert.

REDUZIERUNG VON FEHLALARMEN

Abbildung 3: Virtual Barrier Analytics zur Klassifizierung von Menschen und Fahrzeugen

Einer der größten Vorteile der Virtual Barrier-Analyse ist die Reduzierung von Fehlalarmen. Da die Virtual Barrier-Analysefunktionen die Bewegung nicht als Input für die Erkennung verwenden, sind sie viel weniger anfällig für Alarme bei häufigen Störquellen wie sich hin und her bewegendes Laub, im Wind wackelnde Kameras und wilde Tiere

Es hat sich gezeigt, dass diese Analysefunktionen Fehlalarme in einer Stichprobe von 100 einzigartigen Szenarien um 60 % reduzieren. Dazu gehörten Störungen im Zusammenhang mit extremen Wetterbedingungen, ins Bild laufende Tiere, das Wackeln von Kameras usw. Dies ist ein entscheidender Vorteil der Virtual Barrier-Analyse, da Fehlalarme zu den kostspieligsten Problemen gehören, mit denen das Sicherheitspersonal heutzutage konfrontiert wird

GEOLOKALISIERUNG FÜR DIE ZIELVERFOLGUNG

Abbildung 4: Das menschliche Ziel wird mithilfe der Geolokalisierungsfunktion der Virtual Barrier-Analysefunktionen genau kartiert

Die FLIR Virtual Barrier-Analysefunktionen unterstützen die Geolokalisierung von Zielen in einer Szene. Das bedeutet, dass die Position, die Geschwindigkeit und der Kurs jedes Ziels von den Analysefunktionen identifiziert und als Metadaten gestreamt werden, die von einer Videomanagement-Software (VMS) oder anderer nachgeschalteter Software verwendet werden können. Geolokalisierungsdaten können (wie oben gezeigt) nahtlos auf einer dynamischen Karte visualisiert werden, um Sicherheitsmitarbeitern ein Situationsbewusstsein für Bedrohungen in der Nähe ihrer Einrichtung zu vermitteln. Die von den Analysefunktionen gelieferten Geolokalisierungsdaten eignen sich auch für die Positionierung einer PTZ-Kamera zur genaueren Beurteilung eines Ziels.

ERKENNT HERUMSTEHENDE OBJEKTE

Im Gegensatz zu bewegungsbasierten Analysemodellen unterstützen die Virtual Barrier-Analysemodelle herumstehende Objekte und können diese im Bild erkennen und klassifizieren, egal ob sie sich bewegen oder nicht. Da bewegungsbasierte Analysefunktionen Ziele nur erkennen können, wenn sie sich bewegen, bieten diese Modelle einen einzigartigen Vorteil gegenüber Analysefunktionen, die auf der Hintergrundsubtraktion basieren

KONZIPIERT FÜR DIE ZUKUNFT

Die Virtual Barrier-Analysefunktionen werden ständig weiterentwickelt, um den heutigen und zukünftigen Anforderungen des Sicherheitspersonals in kritischen Infrastrukturen gerecht zu werden. Teledyne FLIR ist bestrebt, die Bildbibliotheken zu erweitern, um die Klassifizierungsgenauigkeit immer weiter zu verbessern und die Analysefunktionen für die Aufrüstung vor Ort zu erweitern. Sicherheitsverantwortliche können bedenkenlos Kameras mit integrierten FLIR Virtual Barrier-Analysefunktionen als Lösung für ihre aktuellen und zukünftigen Anforderungen einsetzen

WICHTIGSTE ERKENNTNISSE

Die Virtual Barrier-Analysefunktionen wurden speziell entwickelt, um die Erkennung von Bedrohungen zu verbessern. Sie bieten eine höhere Genauigkeit und ein besseres Situationsbewusstsein bei der Verfolgung von Eindringlingen und der Reaktion darauf, während gleichzeitig Fehlalarme minimiert werden. Diese Analysefunktionen sind so konzipiert, dass sie ständig verbessert werden und mit den sich entwickelnden Technologien und Bedrohungen Schritt halten können. Wenden Sie sich noch heute an Ihren Teledyne FLIR-Vertreter vor Ort, um zu erfahren, wie die Virtual BarrierAnalysefunktionen die Sicherheit Ihres Geländes verbessern können.