Облачная видеоаналитика: добро пожаловать, вы в кадре

Вокруг нас повсюду видеокамеры и умные устройства. Мы почти перестали их замечать, воспринимая как само собой разумеющуюся часть технического прогресса.

А вот они нас не только замечают, но еще и анализируют. В этой статье мы хотим рассказать о том, как IP-видеокамеры и системы видеоаналитики меняют жизни каждого из нас, прямо или косвенно.

Наш мир постепенно становится похож на сценарии фантастических фильмов и сериалов, таких как «‎Остров»‎ Майкла Бея, «‎Черное зеркало»‎ Чарли Брукера и «‎Подарок»‎ Грега Маркса. Рассмотрим простой пример из жизни жителя мегаполиса, например, Москвы. Вы собрались поехать в офис на автомобиле. Расстояние всего 10 км. По дороге заехали на заправку за кофе и в магазин за пироженкой. Сколько же камер и систем видеоаналитики отслеживало вас?

Подъезд. В Москве, по данным Портала открытых данных Правительства Москвы, насчитывается почти 100 тысяч камер подъездного видеонаблюдения. Так что скорее всего ваш выход из дома был зафиксирован и соответствующий файл был записан в архив. Без крайней необходимости его трогать никто не будет и спустя 5 календарных дней он будет уничтожен.

Дорожные камеры. Вот тут уже интереснее. Путь в 10 километров по Москве означает, что вы попали в обзор нескольких десятков камер видеофиксации. Эти камеры не только передают изображение, но еще и анализируют видеопоток, распознавая нарушения правил дорожного движения.

При всем этом государственный регистрационный номер автомобиля распознается и проверяется по различным базам данных. Задача корректного распознавания гос. номера — не настолько проста как может показаться. И это не все. Система видеоаналитики умеет определять ситуации, когда регистрационный номер частично или полностью закрыт и предупреждать сотрудников ГИБДД о таких фактах.

Камеры на заправке. Разумеется, часть камер выполняют только функцию видеофиксации и защиты от краж. Но системы видеоаналитики на АЗС считают количество машин и посетителей для последующего анализа пропускной способности. Некоторые системы, также как и в системах видеофиксации нарушений, определяют и сохраняют номер автомобиля.

Камеры в торговом центре. Применение видеоаналитики в данном случае может быть весьма полезно сразу в нескольких сценариях. Первый — это анализ возникновения очередей. Это помогает не только оповестить менеджера о том, что следует открыть дополнительные кассы, но и грамотно спланировать график сотрудников. Второй сценарий нужен для подсчета количества покупателей и возможно определения KPI сотрудников. Третий же помогает предотвращать кражи и контролировать выкладку товаров из тележек на ленты. Разумеется, этим применение видеоаналитики не ограничивается.

Помимо вышеперечисленного видеоаналитика обладает отличными возможностями для ритейла. Это и построение так называемых «‎тепловых карт»‎, и выявление пустых полок, а также демографические данные покупателей. Все эти данные, будучи должным образом проанализированными, позволяют предпринять различные действия по увеличению вовлеченности покупателей, повышения шанса спонтанных покупок и управлению маркетинговыми акциями.

Камеры в офисе. Тут вариантов использования может быть множество. От совсем простых до весьма продвинутых. Видеоаналитика может помогать охране выявлять лиц, нарушающих пропускной режим, обращать внимание на забытые или оставленные вещи. Такие системы способны осуществлять распознавание лиц, саботажа (например, несанкционированную смену ракурса камеры или заклеивание объектива) и даже угрозу террористического акта (по специфичным позам, которые принимают люди с оружием).

Таким образом, за достаточно простой и быстрый путь от дома до работы вы попадаете «‎в прицел»‎ нескольких десятков камер, которые выполняют различные задачи. Хорошо это или плохо? И не то, и не другое.

В большинстве своем такие системы устанавливаются и настраиваются с определенными конкретными целями. Например, опознавать отсутствие защитных касок в опасных зонах, попытки пересечения запретных линий разметки на производстве и тому подобное. Если система качественно выполняет свою функцию, то ее внедрение приносит вполне ощутимую пользу.

Зачем это надо

Прежде всего бизнес должен определиться с целями внедрения. Этими целями могут быть:

• минимизация ущерба от краж и экстренных ситуаций;
• планирование графика работы сотрудников;
• улучшение показателей продаж;
• оценка маркетинговых акций;
• оценка загруженности площадей;
• и прочие подобные цели.

Часть этих задач вполне может быть решена текущими средствами, однако, если человеческий фактор не позволяет достичь требуемых показателей, то стоит обратить внимание уже на современные автоматизированные решения. Их плюс в том, что они способны решить весьма широкий спектр задач, а минус — в стоимости. Подобные решения не могут стоить дешево по одной объективной причине — обработка видеопотоков требует серьезных вычислительных мощностей.

Чаще всего применяется следующая схема работы. Большинство недорогих IP-камер не обладают собственными возможностями по видеоаналитике и их задача только формирование и трансляция потока на центральный сервер. Тот в свою очередь принимает и «‎на лету»‎ обрабатывает все поступающие видеопотоки, исходя из заложенной в него программной логики. При необходимости система уведомляет администратора или же самостоятельно выполняет какие-либо действия.

Также существуют IP-камеры высшего ценового диапазона, имеющие собственный встроенный механизм видеоаналитики, но к сожалению, они обладают рядом существенных недостатков. Они менее гибкие в настройке аналитических сценариев, да и хранение видео чаще всего осуществляется на самой камере, что усложняет централизованное управление.

Основная проблема в том, что обработка даже одного видеопотока в реальном времени — задача достаточно ресурсоемкая. Если таких видеопотоков много, то один сервер с задачей уже не справится. Решение — горизонтальное масштабирование, а попросту говоря серверов должно быть несколько, а нагрузка должна распределяться по ним равномерно.

Необходимость построения IT-инфраструктуры и поддержания ее работоспособности — ключевой фактор, мешающий внедрению систем видеоаналитики. Помочь бизнесу любого уровня внедрить видеоаналитику призваны облачные сервисы видеоаналитики, в частности Selectel VideoAnalytics.

Как работает облачная видеоаналитика

Установленные у клиентов IP-камеры формируют видеопотоки, которые отправляются на адрес облачного сервиса. Первым в дело вступает балансировщик нагрузки, перенаправляя поступающий видеопоток на одну из виртуальных машин кластера обработки. Таким образом исключается вариант, что видеопотоку не хватит вычислительной мощности. Сами кластеры состоят из мощных серверов, установленных в ЦОД и работающих в режиме 24/7/365.

Виртуальные машины производят необходимые операции над видеопотоками, формируют аналитические данные, накладывают их на изображение, тем самым создавая новые видеопотоки для просмотра. Аналитические данные отправляются на хранение в базу данных, чтобы позже к ним можно было обратиться. Оригинальный видеопоток сохраняется в архиве.

Облачная видеоаналитика — одна из немногих сфер, где машинное обучение и искусственный интеллект наиболее применимы. Опознавание поведения объектов и классификация их по определенным признакам — штатные возможности нейронных сетей.

Помимо основных функций, есть скрытые от заказчика механизмы обеспечения бесперебойной работы кластеров, системы мониторинга и межсетевые экраны. Их основная роль — сделать так, чтобы все части системы работали корректно. Смысл не в том, чтобы сбоев не было, а в том, чтобы эти сбои не могли повлиять на общую работоспособность сервиса. Достигается это различными способами, прежде всего резервированием всех элементов облачного сервиса.

Еще одна крайне важная функция — поиск по архивным записям. Чтобы найти требуемый видеоматериал не потребуется просматривать записи вручную. Достаточно задать критерии поиска и система сама отберет и предоставит нужные видеофрагменты. Магии тут нет, только технологии. Когда в кадр попадают движущиеся объекты, система автоматически формирует метаданные и сохраняет их в базу данных параллельно с записью видеопотока. Поиск по метаданным делает возможным сразу получить искомые фрагменты записей.

Примеры использования видеоаналитики

Контроль очередей

С точки зрения покупателя, очереди — это зло. Никому не хочется тратить часть своей жизни на то, чтобы банально оплатить покупки. Ну, а с точки зрения магазина очереди еще большее зло, ведь каждая очередь не только уменьшает прибыль, но и неизбежно ухудшает лояльность покупателей. Справляются с этими проблемами по-разному:

• ставят дополнительные кассы и кассы самообслуживания;
• выводят дополнительных кассиров в «‎часы пик»‎;
• обучают, мотивируют и всячески стимулируют кассиров работать быстрее;
• заботятся о комфорте покупателей в прикассовой зоне.

Все эти решения достаточно успешны, но расходы для их организации сложно оптимизировать. В частности, это касается оплаты труда кассиров. Решение этой задачи выполняется комплексно и системы видеоаналитики здесь могут:

• подсчитать время нахождения покупателей в очереди;
• рассчитать время обслуживания;
• определить количество людей, покинувших очередь;
• оповестить ответственного при превышении длины очереди.

Контроль касс

Несмотря на активное внедрение касс самообслуживания — традиционные кассы по-прежнему главенствуют и несут за собой привычный набор проблем, таких как воровство и мошенничество кассиров. Выявить нарушения и доказать их даже с помощью обычного видеонаблюдения достаточно сложно — тут и приходит на помощь система видеоаналитики. Интеллектуальный поиск подозрительных моментов в работе и своевременное оповещение ответственных лиц помогает снизить потери на рассчетно-кассовых узлах магазина от краж со стороны сотрудников.

Также сильная сторона видеоаналитики при использовании на кассах — возможность создания отчетов об эффективности работы сотрудников. Четкая работа с картами лояльности, POS-терминалами и кассой всегда работает на прибыль магазина и может служить качественным показателем действий каждого отдельно взятого кассира.

Изучение посетителей

Задача каждого магазина — задержать покупателя внутри, поэтому планировка торговых залов разрабатывается как лабиринт. Создание хорошего лабиринта — простая задача для начинающих программистов, но сложная для людей не имеющих отношения к программированию. Видеоаналитика позволяет визуализировать траекторию движения каждого покупателя. Полученные треки помогут оптимизировать планировку таким образом, чтобы задержать покупателя, но не вызвать этим раздражения.

Еще одна немаловажная задача — формирование индивидуальных предложений для клиентов. Это нужно для повышения лояльности покупателей и создает отличную точку взаимодействия, но требует, чтобы сформированное предложение было релевантно. Для этого можно, например, использовать определение пола и примерного возраста покупателя и сразу отсеивать нерелевантные варианты предложений.

У многих магазинов, кафе и ресторанов есть программы лояльности. Чаще всего они заключаются в том, что клиенту дается некий идентификатор, приняв и используя который клиент получает определенные привилегии (скидки и бонусы). В качестве такого идентификатора может быть пластиковая карта или мобильное приложение. Проблема лишь в том, что карту можно забыть (дома, в машине, на работе), а мобильное приложение удалить. Что с этим делать? Использовать распознавание лиц и таким образом заранее предугадывать, что нужно посетителю.

Если клиент кафе приходит каждое утро и заказывает привычный для него сорт кофе и булочку, то вполне стоит начать готовить этот сорт еще до того как заказ сделан. А учтивый вопрос от бариста «‎Вам как обычно?»‎ вызовет отличные ассоциации (даже если официант видит гостя первый раз в жизни). Лицо не получится забыть дома или в машине, это прекрасный идентификатор, позволяющий реализовать действительно персональный подход к каждому клиенту.

Заключение

Внедрение систем видеоаналитики — это дорого и сложно. Нужно организовать инфраструктуру не только для приема видеопотоков, но и для их обработки и хранения. Резервирование инфраструктуры, ее обслуживание, организация балансировки нагрузки и необходимость масштабирования кратно увеличивают стоимость интеграции и эксплуатации.

Так что облачный сервис — практически единственный способ использования видеоаналитики для малого и среднего бизнеса. Игнорировать тренд на цифровизацию уже невозможно, ведь такие преобразования дают существенные конкурентные преимущества, а также сокращают потери не в теории, а на практике.