Co się wydarzyło?
Monitoring wizyjny przechodzi fundamentalną transformację technologiczną. Przez dziesięciolecia podstawowym zadaniem systemów kamer było generowanie, przesyłanie i rejestrowanie możliwie najlepszych obrazów. Ten punkt ciężkości coraz bardziej się przesuwa: nowoczesne systemy mają same rozpoznawać istotne sytuacje, analizować informacje obrazowe już na poziomie kamery i łączyć ze sobą różne czujniki. Kamera przekształca się tym samym z czystego generatora obrazu w inteligentny czujnik wchodzący w skład szerszej architektury bezpieczeństwa.
Szczegóły
Po stronie klasycznych kamer rozwój techniczny nie jest jeszcze zakończony. Dr inż. Markus Müller z Fraunhofer IOSB, z działu systemów analizy wideo, spodziewa się dalszych postępów w zakresie rozdzielczości geometrycznej i radiometrycznej. Jego zdaniem również czujniki termowizyjne staną się wydajniejsze i tańsze, co umożliwi tworzenie skuteczniejszych systemów całościowych. Prawdopodobne jest, że w przyszłości częściej stosowane będą systemy z dwoma lub trzema różnymi kanałami – na przykład kamery wizyjno-optyczne w połączeniu z bliską podczerwienią i podczerwienią termiczną. Ten rozwój można już zaobserwować na rynku: kamery wielosensorowe upowszechniają się coraz bardziej, a ulepszona technika pracy w słabym oświetleniu dostarcza nie tylko lepszych obrazów przy niskim poziomie światła, lecz także poprawia warunki dla bardziej niezawodnego automatycznego rozpoznawania obiektów i zdarzeń.
Edge computing i AI w kamerze
Równolegle zmienia się architektura systemów. Zamiast przesyłać wszystkie strumienie wideo centralnie do serwera, kamery przejmują coraz większą część przetwarzania na własną rękę – edge computing uznawany jest za jeden z najważniejszych trendów branżowych. Nowoczesne kamery potrafią rozpoznawać osoby lub pojazdy, klasyfikować obiekty i generować metadane, zanim informacje zostaną przekazane do systemu zarządzania wideo lub platformy chmurowej.
Jak daleko może sięgać automatyczna interpretacja, pokazują badania nad rozpoznawaniem zachowań prowadzone w Fraunhofer IOSB. Z rozpoznanych osób tworzone są cyfrowe modele szkieletowe, czyli tzw. keypointy ciała, a następnie analizowane jest zachowanie ruchowe. System ma rozpoznawać na przykład bicie lub kopanie i zwracać uwagę operatora na potencjalnie istotną sytuację. Tożsamość obserwowanej osoby nie jest do tego wymagana – cyfrowy szkielet nie posiada tożsamości, pochodzenia, koloru skóry ani płci.
Fuzja sensorów w ochronie perymetrycznej
Ten rozwój widać szczególnie wyraźnie w ochronie perymetrycznej. Duże obszary zewnętrzne stawiają wysokie wymagania dotyczące zasięgu, pewności detekcji i unikania fałszywych alarmów. Kamery w świetle widzialnym, technika termowizyjna, radar i inne czujniki detekcyjne przejmują coraz częściej różne zadania w ramach wspólnego systemu. Radar może wykryć poruszający się obiekt niezależnie od oświetlenia i określić jego pozycję, podczas gdy kamera optyczna lub termiczna służy do weryfikacji i klasyfikacji. Analiza wideo oparta na AI rozróżnia następnie osoby, pojazdy lub zwierzęta i zgłasza do centrum operacyjnego jedynie istotne zdarzenia.
Szczególnie złożone sceny pozostają jednak trudne. Według Müllera automatyczna analiza wideo w niekontrolowanych warunkach wciąż stoi przed znacznymi wyzwaniami. Różnorodne ruchy, zmienne tła, zasłonięcia i wiele jednocześnie występujących obiektów utrudniają solidną interpretację. Dalszy rozwój nie będzie więc przebiegał wyłącznie w kierunku AI – podejścia hybrydowe, łączące klasyczne przetwarzanie sygnałów i obrazów z metodami neuronowymi, mogą dawać lepsze rezultaty. Kluczowym wąskim gardłem pozostają odpowiednie i wystarczająco obszerne dane treningowe.
Nowe zasady działania sensorów
Oprócz inteligentnej analizy monitoring wizyjny mogą rozszerzyć nowe zasady działania sensorów. Przykładem jest range-gated imaging, czyli gated viewing: scena jest oświetlana bardzo krótkimi impulsami laserowymi, a kamera otwierana jest tylko na precyzyjnie zdefiniowane okno czasowe. Ponieważ czas przebiegu światła jest znany, system może celowo rejestrować odbite światło z określonego zakresu odległości. Światło odbite wcześniej od mgły, deszczu lub śniegu w dużej mierze nie trafia do istotnego obrazu. W systemach wielosensorowych technika ta jest łączona z kamerami dzień/noc oraz termowizyjnymi. Zastosowania obejmują od nadzoru morskiego, przez ochronę granic, po detekcję i śledzenie obiektów oraz dronów.
Również Fraunhofer IOSB bada gated viewing pod kątem złych warunków widoczności. Dzięki czasowej selekcji powracających fotonów można tłumić zakłócające odbicia z pierwszego i drugiego planu, a jednocześnie uzyskiwać informacje o odległości. Kolejnym uzupełnieniem jest radar fal milimetrowych, który potrafi wykrywać obiekty nawet w ciemności, dymie lub mgle oraz określać ich odległość i prędkość, gdy systemy optyczne osiągają swoje granice.
Podsumowanie
Dla przyszłych systemów bezpieczeństwa rysuje się zatem nie dominacja pojedynczego czujnika, lecz raczej kombinacja różnych fizycznych zasad pomiarowych. Kolejny krok rozwoju monitoringu wizyjnego nie będzie więc determinowany przez pojedynczą technologię: lepsze czujniki optyczne i termiczne, technologie range-gated, radar, edge computing i AI rozwijają się równolegle. Dochodzą do tego wydajniejsze metody semantycznej interpretacji obrazów – Fraunhofer IOSB pracuje obecnie również z modelami fundamentowymi oraz dużymi modelami językowo-obrazowymi, które potrafią nie tylko klasyfikować treści obrazowe, lecz umieszczać je w szerszym kontekście semantycznym.
Ten rozwój zasadniczo zmienia zadanie systemu wizyjnego. W przyszłości decydujące będzie nie tyle generowanie jak największej liczby obrazów, co niezawodne wyodrębnianie z dostępnych danych sensorowych informacji potrzebnej do konkretnego zadania związanego z bezpieczeństwem. Dla operatorów techniki bezpieczeństwa – czy to w ochronie obiektów, zabezpieczaniu miejsc niebezpiecznych, takich jak skarbonka kolekty czy sejf wrzutowy, czy w ramach większych rozwiązań perymetrycznych – oznacza to: jakość systemu coraz bardziej mierzona jest zdolnością do oceny sytuacji, a nie wyłącznie rozdzielczością czy jakością obrazu.
Wskazówki praktyczne
- Przy nowych zakupach warto zwracać uwagę nie tylko na rozdzielczość, lecz także na zdolność do multisensoryki i przetwarzania brzegowego (edge) – to one decydują o niezawodności automatycznego rozpoznawania.
- W projektach ochrony perymetrycznej warto rozważyć sprawdzenie rozwiązań łączących radar, termowizję i kamerę optyczną, aby zredukować fałszywe alarmy i poprawić detekcję w zmiennych warunkach pogodowych.
- W środowiskach o często ograniczonej widoczności (mgła, deszcz, śnieg) operatorzy powinni ocenić przydatność technik range-gated, czyli gated viewing.
- Ponieważ złożone sceny z wieloma obiektami wciąż stanowią wyzwanie dla systemów AI, człowiek jako instancja decyzyjna pozostaje niezbędny – systemy powinny być projektowane jako wsparcie, a nie w pełni automatyczny zastępnik operatorów.
- W zastosowaniach wrażliwych pod względem ochrony danych rozwiązaniem może być metoda rozpoznawania zachowań oparta na szkielecie lub keypointach, ponieważ nie wymaga identyfikacji obserwowanej osoby.
Perspektywy
Kamera staje się coraz bardziej częścią połączonego systemu sensorów, który rozpoznaje sytuacje, ocenia je i celowo zwraca uwagę ludzi na istotne zdarzenia. Instytucje badawcze, takie jak Fraunhofer IOSB, aktywnie napędzają ten rozwój poprzez prace nad hybrydowymi podejściami AI, modelami fundamentowymi i nowymi zasadami działania sensorów. Dla branży bezpieczeństwa oznacza to ciągłą zmianę: odejście od czystej rejestracji obrazu na rzecz zintegrowanych systemów, które łączą różne fizyczne zasady pomiarowe i automatycznie wyodrębniają istotne informacje – przy jednoczesnym zachowaniu ludzkiej suwerenności decyzyjnej w sytuacjach krytycznych dla bezpieczeństwa.
