Vad har hänt?
Videoövervakningen genomgår en grundläggande teknisk förändring. Under decennier har kamerasystemens kärnuppgift varit att skapa, överföra och spela in så bra bilder som möjligt. Detta fokus förskjuts alltmer: moderna system ska själva kunna identifiera relevanta situationer, analysera bildinformation redan i kameran och koppla samman olika sensorer. Kameran utvecklas därmed från ren bildgivare till en intelligent sensor inom en mer omfattande säkerhetsarkitektur.
Detaljerna
På den klassiska kamerasidan är den tekniska utvecklingen ännu inte avslutad. Dr.-Ing. Markus Müller från Fraunhofer IOSB, avdelningen för videoanalyssystem, förväntar sig ytterligare framsteg inom geometrisk och radiometrisk upplösning. Även värmekamerasensorer blir enligt hans bedömning mer kraftfulla och kostnadseffektiva, vilket möjliggör mer effektiva helhetssystem. Troligt är att system med två eller tre olika kanaler kommer att användas allt oftare framöver – till exempel visuellt-optiska kameror i kombination med nära infrarött och termiskt infrarött ljus. Denna utveckling kan redan observeras på marknaden: multisensorkameror blir allt vanligare, och förbättrad teknik för svagt ljus ger inte bara bättre bilder vid dålig belysning, utan förbättrar även förutsättningarna för mer tillförlitlig automatisk objekt- och händelseidentifiering.
Edge computing och AI i kameran
Parallellt förändras systemarkitekturen. I stället för att överföra alla videoströmmar centralt till en server tar kamerorna själva över en allt större del av bearbetningen – edge computing anses vara en av branschens viktigaste trender. Moderna kameror kan identifiera personer eller fordon, klassificera objekt och generera metadata innan informationen vidarebefordras till ett videohanteringssystem eller en molnplattform.
Hur långt automatisk tolkning kan gå visar forskningen om beteendeidentifiering vid Fraunhofer IOSB. Från identifierade personer skapas digitala skelettmodeller respektive kroppsnyckelpunkter, varefter rörelsemönstret analyseras. Systemet ska till exempel kunna identifiera slag eller sparkar och uppmärksamma en operatör på en potentiellt relevant situation. Den observerade personens identitet krävs inte för detta – ett digitalt skelett har ingen identitet, ursprung, hudfärg eller kön.
Sensorfusion inom perimeterskydd
Denna utveckling blir särskilt tydlig inom perimeterskydd. Stora utomhusområden ställer höga krav på räckvidd, detektionssäkerhet och undvikande av falsklarm. Synliga kameror, värmekamerateknik, radar och andra detektionssensorer tar i allt högre grad över olika uppgifter inom ett gemensamt system. En radar kan registrera ett rörligt objekt oberoende av belysning och bestämma dess position, medan en optisk eller termisk kamera används för verifiering och klassificering. AI-baserad videoanalys skiljer därefter mellan personer, fordon eller djur och rapporterar endast relevanta händelser till en larmcentral.
Komplexa scener förblir dock särskilt svåra. Enligt Müller står den automatiska videoanalysen under okontrollerade förhållanden fortfarande inför betydande utmaningar. Olika rörelser, växlande bakgrunder, skymda vyer och många objekt som förekommer samtidigt försvårar en robust tolkning. Den fortsatta utvecklingen kommer därför inte uteslutande att gå i riktning mot AI – hybrida metoder som kombinerar klassisk signal- och bildbehandling med neurala metoder kan ge bättre resultat. En central flaskhals förblir lämpliga och tillräckligt omfattande träningsdata.
Nya sensorprinciper
Förutom den intelligenta analysen skulle nya sensorprinciper kunna utöka videoövervakningen. Ett exempel är range-gated imaging respektive gated viewing: scenen belyses med mycket korta laserpulser, och kameran öppnas endast under ett exakt definierat tidsfönster. Eftersom ljusets gångtid är känd kan systemet selektivt registrera reflekterat ljus från ett specifikt avståndsintervall. Ljus som tidigare spritts tillbaka av dimma, regn eller snö når i stor utsträckning inte in i den relevanta bilden. I multisensorsystem kombineras denna teknik med dag-/nattkameror och värmekameror. Användningsområdena sträcker sig från maritim övervakning över gränsskydd till detektion och spårning av objekt och drönare.
Även Fraunhofer IOSB undersöker gated viewing för dåliga siktförhållanden. Genom det tidsmässiga urvalet av återvändande fotoner kan störande reflektioner från för- och bakgrund undertryckas, samtidigt som avståndsinformation kan utvinnas. Ett ytterligare komplement är millimetervågsradar, som kan detektera objekt även i mörker, rök eller dimma och bestämma deras avstånd samt hastighet när optiska system når sina gränser.
Sammanfattande bedömning
För framtidens säkerhetssystem tecknar sig därmed inte dominansen av en enskild sensor, utan snarare en kombination av olika fysikaliska mätprinciper. Nästa utvecklingssteg inom videoövervakning kommer därför inte att bestämmas av en enskild teknik: bättre optiska och termiska sensorer, range-gated-metoder, radar, edge computing och AI utvecklas parallellt. Till detta kommer mer kraftfulla metoder för semantisk tolkning av bilder – Fraunhofer IOSB arbetar numera även med foundation-modeller samt stora språk-bild-modeller, som inte bara kan klassificera bildinnehåll utan sätta det i ett vidare semantiskt sammanhang.
Denna utveckling förändrar ett videosystems uppgift i grunden. Avgörande i framtiden blir mindre att skapa så många bilder som möjligt, och mer att tillförlitligt filtrera ut den information från befintliga sensordata som behövs för en konkret säkerhetsuppgift. För operatörer av säkerhetsteknik – oavsett om det gäller objektsskydd, säkring av riskplatser som en kollektbössa eller inkastsafe, eller inom ramen för större perimeterlösningar – innebär detta: ett systems kvalitet mäts i allt högre grad av förmågan till situationsbedömning, inte längre enbart av upplösning eller bildkvalitet.
Praktiska tips
- Vid nyinvesteringar bör man inte bara se till upplösning, utan till förmågan till multisensorik och edge-bearbetning – dessa avgör i hög grad tillförlitligheten hos den automatiska identifieringen.
- För perimeterskyddsprojekt lönar det sig att undersöka kombinationslösningar av radar, värmekamera och optisk kamera för att minska falsklarm och förbättra detektionen under växlande väderförhållanden.
- I miljöer med ofta begränsad sikt (dimma, regn, snö) bör operatörer utvärdera lämpligheten hos range-gated-metoder respektive gated-viewing-teknik.
- Eftersom komplexa scener med många objekt fortfarande utgör en utmaning för AI-system förblir människan en oumbärlig, avgörande instans – system bör utformas som stöd, inte som helautomatisk ersättning för operatörer.
- För integritetskänsliga tillämpningar kan metoder som skelett- respektive nyckelpunktsbaserad beteendeidentifiering vara ett alternativ, eftersom de fungerar utan att identifiera den observerade personen.
Framtidsutsikter
Kameran blir alltmer en del av ett sammankopplat sensorsystem som identifierar och bedömer situationer samt riktar människors uppmärksamhet mot relevanta händelser. Forskningsinstitutioner som Fraunhofer IOSB driver aktivt denna utveckling genom arbete med hybrida AI-metoder, foundation-modeller och nya sensorprinciper. För säkerhetsbranschen innebär detta en pågående förändring: bort från ren bildinspelning, mot integrerade system som kombinerar olika fysikaliska mätprinciper och automatiskt filtrerar ut relevant information – samtidigt som det mänskliga beslutsfattandet bevaras i säkerhetskritiska situationer.
