Построение автоматизированной системы видеонаблюдения
Когда речь идет о безопасности, то установка камер видеонаблюдения являются наиболее популярным вариантом её реализации. Количество установленных камер в домах и организациях постоянно растет. Это способствует уменьшению количества краж со взломом и повышает социальную стабильность. И хотя системы наблюдения могут быть чрезвычайно полезными, у них есть некоторые недостатки:
- Стоимость
- Конфиденциальность
Камера – это только часть стоимости. Необходимо еще достаточно много различного дополнительного оборудования для записи, хранения и просмотра. Так же необходимо организовать мониторинг, чтобы кто-то или что-то анализировали изображение и предупреждало о подозрительных ситуациях в зоне наблюдения.
Вопросы конфиденциальности сегодня вызывают у многих людей скепсис в отношении камер видеонаблюдения. Многие считают, что эти камеры нарушают их права и что наличие камер свидетельствует о наличии опасности.
Задачи автоматизированной системы видеонаблюдения
Главная задача любой современной системы видеонаблюдения заключается в обнаружении подозрительного поведения в определенной области. Выполнять обнаружение можно различными способами, но самый актуальный и прогрессивный вариант – это использование различных интеллектуальных методов обнаружения движения. Например, библиотеки обработки изображений с открытым исходным кодом OpenCV, которая включает в себя несколько сотен алгоритмов компьютерного зрения.
Если вам необходима сложная система видеонаблюдения, то рекомендую её заказать вместе с установкой. Это повысит надежность системы, т.к. специалисты лучше понимают тонкости реализации таких систем и учтут все возможные факторы. Если же ваш бюджет скромен, но вы любите возится с “железом”, то можно попробовать реализовать интеллектуальную систему самостоятельно.
Вариант реализации системы
Для реализации интеллектуальной системы видеонаблюдения предлагается использовать Raspberry Pi совместно с IR-датчиком и IP-камерой. ИК-датчик будет использоваться для обнаружения движения, когда кто-то попадает в его диапазон. Как только ИК-датчик обнаружит движение, камера активируется для захвата изображения. Далее такое изображение сохраняется в системе и анализируется с использованием библиотек на языке Python. Такой анализ позволит выявить в зону обнаружения посторонних лиц с дальнейшим информированием владельца системы посредством мобильных сетей. Альтернативным режимом будет постоянный мониторинг изображение и распознавание движение путем анализа изменения изображения с применением методов фонового вычитания.
Компоненты системы
Raspberry Pi 3
Raspberry Pi 3 обладает четырехъядерным ARM Cortex A53 с частотой 1,2 ГГц достаточным для традиционного компьютерного зрения в бюджетных приложениях (с использованием OpenCV). Он может выводить видео в fullHD/1080p. Альтернативными вариантами могут быть Banana Pi или Orange Pi.
Raspberry Pi Camera
Камера Raspberry Pi состоит из крошечной (25 мм на 20 мм на 9 мм) монтажной платы, которая подключается к разъему шины SerialInterface (CSI) камеры Raspberry Pi через гибкий шлейф. Шина CSI способна работать с чрезвычайно высокими скоростями передачи данных и отлично переносит пиксельные данные в процессор BCM2835. Камера поддерживает fullHD видео при 1080p @ 30fps.
Raspberry Pi GPIO Sensing/Motion Detection
Этот датчик движения состоит из линзы Френеля, инфракрасного детектора и схемы обнаружения. Линза на датчике фокусирует любое инфракрасное излучение вокруг инфракрасного детектора. Когда тепло тела улавливается датчиком движения, он выдает сигнал 5В. Обладает дальностью обнаружения около 6–7 метров и высокой чувствительностью.
Основа работы системы
С использованием ИК-датчика алгоритм работы системы весьма прост. Как только датчик обнаруживает движение, система активирует запись и производит съемку пока есть движение и еще некоторое время после прекращения сигналов с ИК-датчика.
Альтернативным способом является определение изменения изображения, путем анализа изменения фоновой картинки. Методы вычитания фона являются основной идеей процесса обнаружения движения. Существует несколько алгоритмов анализа. Останавливаться на них подробно в рамках данной статьи не будем. Базовая концепция работы системы представлена на следующей схеме.
Заключение
Интеллектуальные системы видеонаблюдения очень важны, так как они способны решать многие проблемы безопасности. Предложенная концепция создания автоматизированной системы видеонаблюдения позволяет создать бюджетный вариант системы с применением компьютерного видения и анализа изображения с последующей его выгрузкой в облако и уведомления пользователя о событии. Для программирования системы идеально подходит язык Python и библиотека OpenCV для реализации обработки изображений. Оптимальным вариантом реализации функции обнаружения движения является Mixture of Gaussians (MOG2), который имеет возможность обнаруживать тени и игнорировать их из маски переднего плана. Функцию записи видео рекомендуется активировать только по событию в целях экономии места на накопите и в облачном диске. Подобная система имеет перспективы усовершенствования и модернизации путем использования нескольких камер для расширения области наблюдения, а так же реализацию функций распознавания объектов и лиц, их подсчета и анализа поведения.