I Vantaggi Offerti Dall'analisi Virtual Barrier Del Video

L’intelligenza artificiale (IA) e l’apprendimento automatico hanno trasformato il panorama della sicurezza perimetrale attraverso l’uso di analisi video per il rilevamento delle intrusioni. L'analisi basata sul movimento altamente sensibile, in grado di rilevare il movimento su scala microscopica a intervalli impressionanti, ha sperimentato un'adozione diffusa in tutti i sistemi perimetrali distribuiti presso i siti di infrastrutture critiche. Oggi, tuttavia, l’analisi video FLIR Virtual Barrier sta offrendo vantaggi ancora maggiori ai clienti, migliorando la precisione del rilevamento, la precisione della classificazione, la geolocalizzazione degli obiettivi e la resilienza contro i falsi allarmi. Questa nota tecnica discuterà il valore strategico dell’analisi Virtual Barrier nei sistemi di rilevamento delle intrusioni perimetrali (PIDS) e i suoi vantaggi specifici in termini di prestazioni rispetto all’analisi basata sul movimento.

DEFINIZIONE DELL'ANALISI BASATA SUL MOVIMENTO

L'esecuzione dell’analisi video con sistemi di sorveglianza analogici ha creato un cambiamento di paradigma nel settore della sicurezza all'inizio degli anni 2000. Il rilevamento del movimento iniziale basato su pixel, che ha attivato gli allarmi in base a una percentuale di pixel che è cambiata su uno schermo entro bordi definiti, è stato in grado di eseguire degli algoritmi di rilevamento del movimento utilizzando l'hardware integrato. Ciò ha consentito ai sistemi di inviare istantaneamente degli allarmi di rilevamento e di operare ai margini evitando problemi di larghezza di banda o latenza.

Figura 1: Esempio di esseri umani rilevati e classificati mediante analisi video

Queste analisi hanno funzionato su algoritmi costituiti da tre fasi: avvio in background, rilevamento del primo piano ed elaborazione del primo piano.

scarica il whitepaper 

Il primo crea un’immagine di riferimento creando lo sfondo in base alle immagini precedenti. Il secondo ha confrontato l’immagine presente con quella di sfondo, concludendo che qualsiasi differenza tra le due deve essere un movimento. Nella terza fase i pixel contrassegnati come in movimento vengono filtrati per rimuovere le cause non rilevanti e sono elaborati per generare degli allarmi anti-intrusione. Anche se questi metodi basati sul movimento possono essere altamente sensibili quando rilevano le minacce, tendono anche a richiedere una calibrazione e una configurazione significative per ridurre al minimo i falsi allarmi negli ambienti reali. Anche se calibrati correttamente, alcuni ambienti generano comunque dei falsi allarmi con le analisi basate sul movimento. Il movimento di disturbo, ad esempio, scuotimento degli alberi, vibrazione della telecamera, ombre o riflessi, causa la maggior parte di questi falsi allarmi. Un altro problema riguarda gli oggetti che rimangono fermi per un certo tempo o che appaiono fermi quando si spostano lungo l'asse di una telecamera a lungo raggio. Questi obiettivi vengono assorbiti successivamente nell'immagine di sfondo e resi non rilevabili. Queste limitazioni con la tecnologia di analisi basata sul movimento possono essere costose per il personale di sicurezza e gettano le basi per la prossima generazione di analisi video che usa le reti neurali.

DEFINIZIONE DELL’ANALISI VIDEO CNN

Le analisi video Virtual Barrier analisi si basano sulle reti neurali convoluzionali (CNN). Questa tecnica di analisi video è progettata per replicare i sistemi neurobiologici ed è in grado di trovare e classificare gli oggetti in un'immagine.

I sistemi convenzionali si basano sul rilevamento del movimento per identificare dove si trova un possibile oggetto. Qualsiasi obiettivo mobile viene elaborato da una serie di filtri che determinano se l'oggetto è una minaccia. Tuttavia, è impossibile tenere conto di ogni singola situazione nel mondo reale e ciò significa che è sempre possibile un certo livello di falsi allarmi. L'analisi video CNN utilizzata da Virtual Barrier risolve questo problema consentendo all'algoritmo di determinare automaticamente quali caratteristiche e filtri sono più rilevanti per trovare e identificare un oggetto desiderato. La creazione di tale sistema inizia con l'analisi manuale di decine di migliaia di immagini per determinare la posizione e la classificazione degli oggetti di interesse. Quindi queste immagini vengono utilizzate per addestrare la rete neurale in un processo iterativo. Contrariamente ad altri sistemi basati su CNN, l’analisi Virtual Barrier non utilizza immagini di serie di dati disponibili pubblicamente, spesso utilizzati da altri sistemi. Al contrario utilizza solo serie di dati FLIR Teledyne, che hanno come obiettivo univoco l'applicazione di sicurezza. Questo non solo riduce ulteriormente i falsi allarmi, ma garantisce anche il rilevamento corretto di tutte le minacce potenziali.

Figura 2: Analisi della barriera virtuale che classifica due persone e determina la loro posizione e velocità

CONFRONTO TRA L’ANALISI VIRTUAL BARRIER E QUELLA BASATA SUL MOVIMENTO

Le differenze tra l’analisi Virtual Barrier e quella basata sul movimento sono importanti da comprendere quando si sceglie tra i due modelli. L'analisi Virtual Barrier è semplice da calibrare e fornisce un rilevamento affidabile con un numero minimo di falsi allarmi, supportando al contempo il rilevamento del vagabondaggio e la geolocalizzazione delle minacce per la visualizzazione su una mappa dinamica. L'analisi basata sul movimento tende a offrire intervalli di rilevamento più lunghi rispetto all'analisi Virtual Barrier, ma è più suscettibile ai falsi allarmi. Di seguito è riportata una suddivisione dei vantaggi notevoli che l'analisi Virtual Barrier può aggiungere al sistema di sicurezza.

CLASSIFICAZIONE AFFIDABILE

Supportata da una libreria di migliaia di immagini che contengono ingrandimenti e variazioni importanti nella presentazione visiva dei soggetti rilevabili, l'analisi Virtual Barrier è stata addestrata per classificare i soggetti in situazioni reali in cui gli obiettivi possono essere leggermente oscurati o difficili da identificare. L’ID FLIR serie FH, ad esempio, ha rilevato il 15% di minacce in più rispetto all’analisi basata sul movimento in un campione di 100 scenari unici.

Per quanto riguarda l'intervallo di classificazione, l’analisi basata sul movimento e quella Virtual Barrier rappresentano un compromesso da tenere in considerazione. L'analisi richiede più pixel sull’obiettivo rispetto all'analisi basata sul movimento, quindi viene ridotto l'intervallo di classificazione per l'analisi Virtual Barrier. L'intervallo di classificazione per l'ID FLIR serie FH è ridotto di circa il 20% rispetto all'ID FLIR serie FC.

RIDUZIONE DEI FALSI ALLARMI

Figura 3: L’analisi Virtual Barrier classifica esseri umani e veicol

Uno dei vantaggi principali dell'analisi Virtual Barrier è la riduzione dei falsi allarmi. Poiché le analisi Virtual Barrier non utilizzano il movimento come input per il rilevamento, sono molto meno inclini ad allarmare su fonti comuni di disturbo, come l’ondeggiamento del fogliame, la vibrazione della telecamera nel vento e gli animali selvatici.

nfatti, queste analisi hanno dimostrato di ridurre i falsi allarmi del 60% in un campione di 100 scenari unici, che includevano dei disturbi correlati a condizioni meteorologiche estreme, animali che entrano nell’immagine, vibrazione della telecamera, ecc. Si tratta di un vantaggio fondamentale dell'analisi Virtual Barrier, poiché i falsi allarmi sono uno dei problemi operativi più costosi che il personale di sicurezza riscontra oggi.

GEOLOCALIZZAZIONE PER IL MONITORAGGIO DEGLI OBIETTIVI

Figura 4: Obiettivo umano che viene mappato accuratamente utilizzando la funzione di geolocalizzazione dell’analisi Virtual Barrier

L’analisi FLIR Virtual Barrier supporta la geolocalizzazione degli obiettivi in una scena. Ciò significa che la posizione, la velocità e la sezione di ciascun obiettivo sono identificate dall’analisi e trasmesse in streaming come metadati da utilizzare da un software di gestione video (VMS) o da un altro software a valle. I dati di geolocalizzazione possono essere visualizzati senza problemi su una mappa dinamica, come mostrato sopra, per fornire agli operatori di sicurezza una consapevolezza situazionale delle minacce vicino alla loro struttura. I dati di geolocalizzazione forniti dall'analisi sono efficaci anche per il posizionamento di una telecamera PTZ per una valutazione più approfondita di un obiettivo.

RILEVA SOGGETTI CHE VAGABONDANO.

A differenza delle analisi basate sul movimento, i modelli di analisi Virtual Barrier supportano le funzionalità di rilevamento del vagabondaggio e sono in grado di rilevare e classificare i soggetti nell’immagine, indipendentemente dal fatto che si stiano muovendo o meno. Poiché le analisi basate sul movimento non sono in grado di rilevare gli obiettivi a meno che non si spostino, questi modelli offrono un vantaggio unico rispetto alle analisi basate sulla sottrazione dello sfondo

PROGETTATA PER IL FUTURO

Progettata per l'evoluzione continua, l’analisi Virtual Barrier continuerà a migliorare, nella sua capacità di soddisfare le esigenze relative alle intrusioni di oggi e di domani per il personale di sicurezza nelle infrastrutture critiche. Teledyne FLIR si impegna ad ampliare le librerie di immagini per migliorare costantemente l’accuratezza della classificazione, nonché ad aggiungere funzionalità all’analisi per gli aggiornamenti sul campo. I responsabili della sicurezza possono sentirsi sicuri nell’installare telecamere con l'analisi FLIR Virtual Barrier integrata come soluzione per le loro esigenze attuali e future.

CONCLUSIONI PRINCIPALI

Le analisi Virtual Barrier sono progettate appositamente per migliorare il rilevamento delle minacce, offrendo una precisione maggiore e una consapevolezza situazionale critica quando si monitora e si risponde agli intrusi, riducendo al minimo i falsi allarmi. Progettate per migliorare continuamente, queste analisi sono costruite per tenere il passo con le tecnologie perimetrali e le minacce odierne in continua evoluzione. Contatta oggi stesso il rappresentante locale di Teledyne FLIR per scoprire come l’analisi Virtual Barrier può rafforzare la tua sicurezza perimetrale.