Bülten
Özel uzman ipuçları, kullanıcı raporları ve daha fazlası.
Video teknolojisi çarpıcı bir hızla gelişmeye devam ediyor: Olayların optik kanıtlarının yanı sıra, görüntü verilerinin otomatik veya yarı otomatik analizi açısından da yetenekler çoğalıyor. Böyle bir ortamda, yeni çözümler büyük bir hızla piyasaya sürüldüğünden ve daha birçok sistem henüz araştırma ve deney aşamasında olduğundan, gelişmeleri net bir şekilde görmek her zaman kolay değildir. Bu kısa makale, karar vericilerin pahalı hatalar yapmaktan nasıl kaçınabileceklerini göstermeyi amaçlamaktadır. Bunların en ciddileri analiz sistemlerinin kendileriyle ilgili bile değildir.
Genel olarak, "optik sensörler" olarak kameralar, analiz için veri yakalamak üzere mükemmel bir şekilde tasarlanmıştır: Karmaşık bağlamlardan ve durumlardan muazzam çeşitlilikte veriyi nispeten daha az çabayla elde etmenin video görüntüsünden daha iyi birkaç yolu vardır. Video analizinden doğan olasılıklar çok sayıda ve çeşitlidir: İnsanları veya nesneleri saymak için "Kalabalık Analizleri", belirli özelliklere göre insanları bulmak için "Görünüş Arama", örneğin stadyumların çevresindeki "Steril Alanları" veya Kritik Altyapıların çevrelerini korumak için çeşitli "İzinsiz Giriş Tespit" sistemleri ve çok daha fazlası. Günümüzde çoğu sistem, popüler konuşmalarda genellikle "Yapay Zeka" ile eş tutulan sinir ağlarına dayalı bir nesne sınıflandırma sistemi ile çalışmaktadır.
Ancak tüm bu heyecan içinde bir şey genellikle hafife alınmaktadır: veri kalitesinin önemi. Gerçekten de sıklıkla yapılan bir hata, toplam çözümü değil sadece analiz sistemini dikkate almak ve değerlendirmektir. Sonuç olarak, "sadece birkaç kamera asan" ve ardından bu şekilde elde ettikleri görüntü materyali üzerinde analizler "çalıştıran" birçok kullanıcı hayal kırıklığına uğramaktadır. Eski bir atasözü olan "Kalite Girdi, Kalite Çıktı "da ifade edildiği gibi, analiz sonuçlarının kalitesi ancak girdi verileri kadar iyi olabilir, bu da görüntünün kalitesine bağlıdır. Görüntü kalitesi DIN EN 62676-4'te "metre başına piksel (px/m)" olarak tanımlanır ve herhangi bir video sistemi için en önemli parametredir: ister bir hakimin bir kişiyi tanımlamada %100 emin olması için 250 px/m gerekli olsun, ister insanlar, bisikletler, arabalar veya hayvanlar gibi nesnelerin yapay zeka tabanlı nesne tespiti için 62,5 px/m gerekli olsun.
Bu nedenle başarının anahtarı, belirli bir analiz biçimi için gereken minimum değeri güvenilir bir şekilde sağlamakta yatmaktadır; örneğin, kaydedilen alanın tamamında insanlar ve araçlar arasında ayrım yapmak. Bu da ancak bir üreticinin uygun araçlara ve planlama sistemlerine sahip olmasının yanı sıra bu planları uygulamaya koyacak uzmanlığa ve uzmanlara sahip olmasıyla mümkündür. Dahası, bu minimum çözünürlükleri geniş alanlarda da sağlamak üzere tasarlanmış kamera teknolojilerine ihtiyaç vardır. Ultra yüksek çözünürlüklü megapiksel kameralar bile özellikle görüntünün daha uzak alanlarında çok hızlı bir şekilde performans sınırlarına ulaşır veya geniş alanlar için ekonomik değildir. PTZ kameralar doğaları gereği daha geniş ilişkileri analiz etmek için hiç uygun değildir, çünkü her biri alanın yalnızca belirli bir bölgesine odaklanır ve öncelikle aktif video gözlemi için kullanılır. Buna karşılık, farklı odak uzunluklarına sahip birden fazla sensörün tek bir sistemde birleştirildiği modern "çok odaklı sensör sistemleri", geniş uzamsal bağlamlar da dahil olmak üzere, tüm alan üzerinde kesin olarak tanımlanmış bir minimum çözünürlüğün yakalanmasına olanak tanır. Bu "MFS" sistemleri çoğu zaman aynı zamanda en uygun maliyetli yaklaşımı temsil eder ve tüm alan boyunca gerekli çözünürlüğü karşılamak için daha az sistem gerekir.