В начале эпохи видеонаблюдения контроль за событиями в реальном времени осуществлялся только человеком-оператором, который целую смену сидел перед экранами, стараясь следить за всем происходящим. Этот подход имеет множество недостатков: ограниченное количество контролируемых видеопотоков, быстрое утомление и, как следствие, снижение внимательности, а также быстрая профессиональная деформация. Надежность такой системы видеонаблюдения оставляла желать лучшего.
Чтобы устранить эти недостатки, производители систем видеонаблюдения внедрили автоматическое обнаружение движения, основанное на изменениях в изображении кадра целиком или в специально выделенной зоне контроля. Когда система обнаруживала изменения, превышающие заданный порог, она отправляла сигнал тревоги, на который оператор реагировал согласно установленным правилам. Это значительно повысило надежность системы, исключив человеческий фактор при обнаружении инцидентов, и упростило работу оператора.
Однако и этот подход имеет свои недостатки. Детектор движения реагирует на любое движение в кадре в соответствии с уровнем чувствительности. Помимо действительно подозрительных объектов, это могут быть колебания занавески от ветра, лист, пролетающий мимо объектива соседнего дерева, пробегающий по стене свет автомобильных фар или просто проходящая мимо собака. Это приводит к большому количеству ложных срабатываний системы, и оператору приходится каждый раз оценивать уровень угрозы в меру своей усталости и ответственности.
В настоящее время для исключения влияния человеческого фактора при рассмотрении инцидентов, многие производители внедряют в свои системы видеонаблюдения алгоритмы искусственного интеллекта на основе нейросетей. Эти нейросети точно классифицируют обнаруженные объекты и выделяют среди них подозрительные, например, автомобили и людей. Интеллектуальные системы видеонаблюдения оценивают угрозу максимально достоверно и выдают максимально точные предупреждения.
В сфере потребительского видеонаблюдения одной из первых внедривших такой подход к обнаружению подозрительных ситуаций компаний стала Imou. Более того, IP-камеры Imou последних поколений обладают достаточной производительностью для самостоятельного распознавания объектов с высокой точностью и скоростью. Кроме того, недавно компания внедрила технологию Imou Sense в свои продукты, обеспечивающую комплексную обработку аудио- и видеоданных с максимальной скоростью и точностью обнаружения.
Установив IP-камеру Imou пользователь получает достоверные уведомления о подозрительных или важных событиях в зоне контроля. Кроме фигур людей и автомобилей, IP-камеры Imou могут распознавать и домашних животных, что позволяет контролировать их поведение и сохранять на память интересные моменты их жизни. Также IP-камера, установленная около входной двери, способна обнаруживать появление или исчезновение посылок.
IP-камеры можно настроить таким образом, чтобы они записывали видео только при возникновении тревоги. Это позволяет более эффективно использовать ресурсы сети передачи данных и пространство для хранения записей.
Работа алгоритмов искусственного интеллекта требует значительной вычислительной мощности, и не все IP-камеры могут эффективно ее обеспечить самостоятельно. Однако, этот функционал доступен для всех IP-камер Imou с подпиской на облачный сервис Imou Protect. Функции этого сервиса постоянно обновляются и расширяются, а с ними растут возможности вашей IP-камеры!
Некоторые примеры IP-камер Imou с поддержкой детектирования объектов на собственных ресурсах:
· Imou Knight – уличная фиксированная IP-камера с разрешением 4 Мпикс., поддерживающая подключение к сетям WiFi 2.4 и 5 ГГц, WiFi 6 и Ethernet, а также обладающая 4 режимами ночного видеонаблюдения.
· Imou Ranger 2 –настольная комнатная поворотная WiFi-камера с разрешением 2 или 4 Мпикс., имеет встроенную ИК-подсветку.
· Imou Cell 2 – фиксированная и полностью автономная WiFi-камера с разрешением 4 мегапикселя, белой ночной подсветкой и поддержкой цветного ночного видеонаблюдения. Имеет сменную аккумуляторную батарею и PIR-сенсор.