Журнал "Системы Безопасности" № 5‘2020

В И Д Е О Н А Б Л Ю Д Е Н И Е И В И Д Е О А Н А Л И Т И К А 109 www.secuteck.ru октябрь – ноябрь 2020 СПЕЦПРОЕКТ КАМЕРЫ МАШИННОГО ЗРЕНИЯ Ваше мнение и вопросы по статье направляйте на ss @groteck.ru Есть ли перспектива у камер с линейными сенсорами? Владимир Плюснин, Basler AG С развитием матричных сенсоров спектр задач, решаемых матричными камерами, заметно уве- личился и включил в себя в том числе и часть задач, решаемых ранее с помощью линейных камер. Отсутствие необходимости использовать энкодер, как в случае с линейными камерами, также говорит в пользу матричных. Максим Сорока, "Витэк-Автоматика" Линейные камеры – по-прежнему неплохой выбор в задачах визуального контроля рулон- ных материалов. Однако последние поколе- ния сенсоров матричных камер практически лишают линейные камеры их главного пре- имущества – более высокой чувствительности за счет большего размера пикселя. Поэтому во многих задачах предпочтительным стано- вится использование матричных камер на сенсорах последнего поколения ввиду оче- видно лучшей цены, высокого качества изоб- ражения движущихся объектов даже при небольших экспозициях и богатых функцио- нальных возможностей. Владимир Слинько, Intel Линейные сенсоры могут быть востребованы для машинного зрения на промышленном про- изводстве с задачами анализа качества протя- женных движущихся объектов – труб, металло- проката и т.д. Вне этого сегмента удобнее работать с камера- ми с обычными прямоугольными сенсорами. Нужна ли совместимость камер машинного зрения с системами охранного видеонаблюдения? Владимир Плюснин, Basler AG Камеры машинного зрения встраиваются в системы обычного видеонаблюдения для решения дополнительных задач – идентифика- ции людей или транспортных средств. Камеры машинного зрения требуют использования сетей с большой скоростью передачи данных (GigE или USB 3.0), поэтому встраивать их можно только с устройствами сжатия видеопотока, если сеть не обеспечивает нужной скорости передачи данных. В противном случае распознавание целесообразно производить на процессоре, непосредственно подключенном к камере, и передавать только результат распознавания. Максим Сорока, "Витэк-Автоматика" Поскольку природа камер машинного зре- ния в принципе другая (предполагается обработка исходных изображений, а не передача их в каком-то стандартном форма- те, как это присуще IP-камерам), то речь должна идти о совместимости скорее про- граммно-аппаратных решений, сделанных на базе камер машинного зрения. Чаще всего такие решения представлены в виде комбинации камеры или камер и встраивае- мой платформы, которые должны быть интегрированы с системами охранного видеонаблюдения. При этом встраиваемая платформа должна системой воспринимать- ся как некая "суперкамера" – не дублирую- щая (в этом нет никакого смысла), но обес- печивающая за счет своих возможностей дополнительный, недоступный обычным, даже интеллектуальным, IP-камерам функ- ционал. Владимир Слинько, Intel Если предполагается развитие системы охранного видеонаблюдения до задач авто- матизированного распознавания, то совме- стимость нужна обязательно. Целесообразна ли обработка видеосигнала непосредственно на камере машинного зрения? Владимир Плюснин, Basler AG В камерах машинного зрения уже возможна предобработка изображения, которая пред- ставляет из себя комбинацию функций повыше- ния резкости, шумоподавления, сглаживания цветов и дебайеризации 5x5. Эти функции полезны практически в любом приложении и не создают никакой дополнительной нагрузки на центральный процессор. В случае необходимо- сти использования более сложных вычисли- тельных алгоритмов разумно воспользоваться мощным компактным одноплатным вычислите- лем, что и является сейчас одним из основных трендов в машинном зрении. Максим Сорока, "Витэк-Автоматика" Продолжая мысль о нецелесообразности дуб- лирования камерами машинного зрения функ- ционала IP-камер, в том числе со встроенной видеоаналитикой, обработка изображений, получаемых с камеры, иногда нескольких камер (например, на перекрестке), должна выпол- няться на отдельном вычислителе, который может, а в ряде случаев и должен располагаться рядом с камерой. Речь идет в первую очередь о задачах с высокими требованиями к качеству изображения, недоступному стандартным каме- рам в силу очевидных рыночных ограничений их стоимости и, как следствие, технического уровня, необходимости использования допол- нительной информации от других датчиков, систем и/или камер, лидаров и другого обору- дования. Владимир Слинько, Intel Важно различать обработку видеосигнала для общего повышения качества изображения (резкость, освещенность, снижение смазанно- сти) от обработки машинного зрения (выявле- ния объектов и событий). Это разные задачи, которые выполняются разным программным обеспечением и, как правило, на разных про- цессорах. Бывают ситуации, когда обработку машинного зрения выгодно разместить рядом с камерой (например, распознавание на входе в офис, распознавание номеров и скорости автомобилей, счетчик количества покупателей в очереди). В этих случаях задача относитель- но проста, а задержки или сбой в сетевом соединении могут сделать решение непри- емлемым, или же хочется избежать перегруз- ки сетевого канала видеопотоками от большо- го количества камер. Интеграция алгоритмов и вычислителей машинного зрения в корпус камеры выглядит привлекательно, но пока для большинства задач остается менее удобным вариантом. Вычислитель, расположенный вне камеры, оставляет больше гибкости для обновления самого вычислителя и его программного обес- печения без замены камеры. Это особенно ценно для задач машинного зрения, которые находятся в развитии (например, уже можно распознавать людей и пересчитывать их, затем нужно распознавать, носят ли эти люди каску и жилеты на стройке, затем – увидеть на них медицинские маски и т.д.). n www.pbs.twimg.com