Što se dogodilo?
Videonadzor prolazi kroz temeljnu tehnološku preobrazbu. Desetljećima je osnovna zadaća sustava kamera bila stvaranje, prijenos i snimanje što boljih slika. Taj se fokus sve više pomiče: moderni sustavi trebali bi sami prepoznavati relevantne situacije, obrađivati slikovne informacije već unutar kamere i međusobno povezivati različite senzore. Kamera se tako razvija od čistog davatelja slike u inteligentni senzor unutar šire sigurnosne arhitekture.
Detalji
Na strani klasičnih kamera tehnološki razvoj još nije završen. Dr.-Ing. Markus Müller iz Fraunhofer IOSB-a, Odjel za sustave za obradu videozapisa, očekuje daljnji napredak u geometrijskoj i radiometrijskoj rezoluciji. Prema njegovoj procjeni, i termalni senzori postaju učinkovitiji i jeftiniji, što omogućuje djelotvornije cjelokupne sustave. Vjerojatno je da će se ubuduće sve češće koristiti sustavi s dva ili tri različita kanala – primjerice vizualno-optičke kamere u kombinaciji s bliskim infracrvenim i termalnim infracrvenim zračenjem. Taj se razvoj već može primijetiti na tržištu: multisenzorske kamere sve se više šire, a poboljšana tehnologija za slabo osvjetljenje ne pruža samo bolje slike pri slaboj rasvjeti, nego i poboljšava preduvjete za pouzdanije automatsko prepoznavanje objekata i događaja.
Rubno računalstvo i umjetna inteligencija u kameri
Usporedno se mijenja i arhitektura sustava. Umjesto prijenosa svih video tokova centralno na poslužitelj, kamere same preuzimaju sve veći dio obrade – rubno računalstvo (edge computing) smatra se jednim od najvažnijih trendova u industriji. Moderne kamere mogu prepoznati osobe ili vozila, klasificirati objekte i generirati metapodatke prije nego što se informacije proslijede sustavu za upravljanje videozapisima ili cloud platformi.
Koliko daleko može ići automatsko tumačenje, pokazuje istraživanje prepoznavanja ponašanja u Fraunhofer IOSB-u. Iz prepoznatih osoba stvaraju se digitalni modeli kostura, odnosno ključne točke tijela, nakon čega se analizira obrazac kretanja. Sustav bi trebao, primjerice, prepoznati udaranje ili udaranje nogom i upozoriti operatera na potencijalno relevantnu situaciju. Identitet promatrane osobe pritom nije potreban – digitalni kostur nema identitet, podrijetlo, boju kože ni spol.
Fuzija senzora u zaštiti perimetra
Ovaj se razvoj posebno jasno pokazuje u zaštiti perimetra. Veliki vanjski prostori postavljaju visoke zahtjeve na domet, pouzdanost detekcije i izbjegavanje lažnih uzbuna. Vidljive kamere, termalna tehnologija, radar i drugi detekcijski senzori sve češće preuzimaju različite zadaće unutar zajedničkog sustava. Radar može detektirati pokretni objekt neovisno o osvjetljenju i odrediti njegov položaj, dok optička ili termalna kamera služi za provjeru i klasifikaciju. Video analiza temeljena na umjetnoj inteligenciji potom razlikuje osobe, vozila ili životinje i dojavljuje operativnom centru samo relevantne događaje.
Upravo složene scene i dalje ostaju zahtjevne. Prema Mülleru, automatska analiza videozapisa u nekontroliranim uvjetima i dalje se suočava sa značajnim izazovima. Različita kretanja, promjenjive pozadine, zaklanjanje i mnogo objekata koji se pojavljuju istovremeno otežavaju pouzdano tumačenje. Daljnji razvoj stoga neće ići isključivo u smjeru umjetne inteligencije – hibridni pristupi koji kombiniraju klasičnu obradu signala i slike s neuronskim metodama mogu dati bolje rezultate. Ključno usko grlo i dalje ostaju prikladni i dovoljno opsežni podaci za treniranje.
Novi senzorski principi
Osim inteligentne obrade, videonadzor bi mogli proširiti i novi senzorski principi. Jedan je primjer Range-Gated Imaging, odnosno Gated Viewing: scena se osvjetljava vrlo kratkim laserskim pulsevima, a kamera se otvara samo tijekom točno definiranog vremenskog prozora. Budući da je vrijeme putovanja svjetlosti poznato, sustav može ciljano zabilježiti reflektirano svjetlo iz određenog raspona udaljenosti. Svjetlo koje se prethodno raspršuje natrag na magli, kiši ili snijegu uglavnom ne dospijeva u relevantnu sliku. U multisenzorskim sustavima ova se tehnika kombinira s dnevno-noćnim i termalnim kamerama. Područja primjene sežu od pomorskog nadzora preko zaštite granica do detekcije i praćenja objekata i dronova.
I Fraunhofer IOSB istražuje Gated Viewing za uvjete loše vidljivosti. Vremenskim odabirom povratnih fotona mogu se potisnuti ometajuće refleksije iz prednjeg i pozadinskog plana, a istovremeno se mogu dobiti informacije o udaljenosti. Dodatno rješenje je milimetarski radar, koji može detektirati objekte čak i u mraku, dimu ili magli te odrediti njihovu udaljenost i brzinu kada optički sustavi dosegnu svoje granice.
Procjena
Za buduće sigurnosne sustave stoga se ne nazire dominacija jednog pojedinačnog senzora, nego prije kombinacija različitih fizikalnih mjernih principa. Sljedeći razvojni korak u videonadzoru stoga neće odrediti jedna pojedinačna tehnologija: bolji optički i termalni senzori, metode temeljene na Range-Gated principu, radar, rubno računalstvo i umjetna inteligencija razvijaju se paralelno. Tome se pridodaju i učinkovitije metode semantičkog tumačenja slika – Fraunhofer IOSB u međuvremenu radi i s temeljnim modelima (foundation models) te velikim jezično-slikovnim modelima koji mogu ne samo klasificirati sadržaj slike, nego ga staviti u širi semantički kontekst.
Taj razvoj temeljno mijenja zadaću video sustava. Ubuduće će biti manje važno stvoriti što više slika, a više pouzdano izdvojiti iz postojećih senzorskih podataka informaciju koja je potrebna za konkretnu sigurnosnu zadaću. Za operatere sigurnosne tehnike – bilo u zaštiti objekata, pri osiguranju opasnih mjesta poput kutije za priloge ili uplatnog trezora, ili u sklopu većih rješenja za zaštitu perimetra – to znači: kvaliteta sustava sve se više mjeri sposobnošću procjene situacije, a ne više samo rezolucijom ili kvalitetom slike.
Praktični savjeti
- Pri nabavi nove opreme ne obraćajte pozornost samo na rezoluciju, nego i na sposobnost multisenzorike i rubne obrade – one presudno određuju pouzdanost automatskog prepoznavanja.
- Za projekte zaštite perimetra isplati se provjeriti kombinirana rješenja radara, termalne slike i optičke kamere kako bi se smanjile lažne uzbune i poboljšala detekcija u promjenjivim vremenskim uvjetima.
- U okruženjima s često ograničenom vidljivošću (magla, kiša, snijeg) operateri bi trebali procijeniti prikladnost metoda temeljenih na Range-Gated principu, odnosno Gated Viewing tehnologiji.
- Budući da složene scene s mnogo objekata i dalje predstavljaju izazov za sustave umjetne inteligencije, čovjek kao ključna instanca ostaje nezamjenjiv – sustave bi trebalo osmisliti kao podršku, a ne kao potpunu automatsku zamjenu za operatere.
- Kod primjena osjetljivih na zaštitu podataka, metode poput prepoznavanja ponašanja temeljenog na kosturu, odnosno ključnim točkama, mogu biti opcija jer ne zahtijevaju identifikaciju promatrane osobe.
Izgledi za budućnost
Kamera postaje sve više dio umreženog senzorskog sustava koji prepoznaje i procjenjuje situacije te ciljano upozorava ljude na relevantne događaje. Istraživačke ustanove poput Fraunhofer IOSB-a aktivno potiču taj razvoj radovima na hibridnim pristupima umjetnoj inteligenciji, temeljnim modelima i novim senzorskim principima. Za sigurnosnu industriju to znači kontinuiranu promjenu: od čistog snimanja slike prema integriranim sustavima koji kombiniraju različite fizikalne mjerne principe i automatski izdvajaju relevantne informacije – uz istovremeno očuvanje ljudske odlučujuće uloge u sigurnosno kritičnim situacijama.
