Основные объекты видеоаналитики — люди и автомобили. Именно им разработчики соответствующих решений уделяют основное внимание. Однако современные технологии позволяют найти анализу видео более широкое применение — как в системах охранного видеонаблюдения, так и в других приложениях.

Рынок видеонаблюдения сильно фрагментирован: на нем представлены разнообразные технологии и направления, а поскольку эта фрагментация только усиливается, до окончательного его становления еще далеко. На его формирование оказывают влияние такие глобальные тенденции, как распространение облачных технологий, Большие Данные, мобильные приложения, стандартизация (ONVIF) и, конечно же, продолжающийся переход на IP-системы. Все эти факторы учитываются при разработке новых продуктов.

Однако, с точки зрения оператора системы видеонаблюдения, развитие IP-технологий не привело к значительным изменениям его работы, разве что оно позволило получать изображения с камер, находящихся на большом удалении. Кардинальные перемены может принести развитие видеоаналитики, в том числе встроенной, ведь современные IP-камеры фактически представляют собой компьютер, способный не только сжимать видео, но и реализовывать функции, существенно повышающие эффективность системы.

Видеоаналитика делится на специализированную (решения для сил обеспечения правопорядка, транспортной отрасли и т. д.) и «аналитику для всех» (решения для массового рынка). Соответственно, рыночные игроки фокусируются на разных направлениях.

Прогресс в области видеоаналитики происходит за счет специализированных систем. Это дорогие, не «коробочные» решения, требующие грамотной настройки. Но постепенно передовые технологии видеонаблюдения проникают в массовый сегмент: камеры оснащаются все более мощными процессорами, что позволяет решать достаточно сложные задачи. Например, камера Bosch формирует поток метаданных на основе анализа того, что происходит в поле ее зрения. В конечном счете это позволяет сформировать базу данных всех фиксируемых событий, что должно значительно упростить задачу поиска в видеоархиве и оптимизировать хранение данных.

Это одна из главных тенденций.Например, когда-то детектор движения был отдельным устройством, а сейчас эта функция встроена в большинство камер. То же будет происходить и с формированием метаданных. Камеры Bosch, Sony, Samsung и ряда других вендоров уже обладают такими возможностями. Метаданные предлагается собирать и использовать в соответствии с настраиваемыми пользователем сценариями.

Всем уже знакома технология распознавания номеров автомобилей. Раньше для ее использования требовалось устанавливать специальным образом камеры. После того как разрешение камер увеличилось, необходимость в этом отпала. Эту технологию можно применять в массовых решениях, в частности для поиска автомобилей. В свою очередь, системы для распознавания лиц могут иметь как специальное, так и широкое применение — например, для поиска в архивах.

Видеоаналитика (video analytics) — аппаратно-программное обеспечение или технология, использующие методы компьютерного зрения для автоматизированного сбора данных на основании анализа потокового видео (видеоанализа). Видеоаналитика опирается на алгоритмы обработки изображения и распознавания образов, позволяющие анализировать видео без прямого участия человека. Видеоаналитика используется в составе интеллектуальных систем видеонаблюдения (CCTV, охранного телевидения), управления бизнесом (business intelligence, BI) и видеопоиска. Работу с видеоизображением можно классифицировать в соответствии с тремя классами таких алгоритмов:

  1. 1 - Сравнение пикселей. Сюда относятся детекторы движения, детекторы оставленных предметов и т. д., которые не являются средствами видеоаналитики, но именно на этом уровне реализовано большинство алгоритмов.
  2. 2 - Распознавание объектов, то есть определение класса объекта по его видеоизображению и дальнейшее сравнение с базой данных объектов. Сюда входит детекция лиц, распознавание номерных знаков и т. д. Это аналитика относительно простого уровня.
  3. 3 - Изучение поведения и трекинг объектов в кадре. В основу этих решений положены сложные алгоритмы. В большинстве случаев трудно составить алгоритм, надежно описывающий возможное поведение объекта в кадре. Еще труднее осуществлять «передачу» объекта с одной видеокамеры на другую.