Arbetsprinciper för VCA

Som tidigare nämns så skiljer sig de olika VCA-systemen åt vad gäller förmågan att generera och analysera meta-data. Med meta-data, i detta sammanhang, avses data som beskriver innehållet av en videoström på så sätt att man kan bilda en uppfattning om vad som pågår i bilden. Om systemet till exempel har förmågan att informera operatören så fort en person springer så behöver den kunna extrahera åtminstone följande data från video strömmen (analysdelen):

• Extrahera förgrundsobjekt.
• Estimera storlek och andra särskiljande värden på förgrundsobjekten.
• Estimera hastigheten av varje objekt (observera att det för att detta ska fungera krävs att systemet klarar av att spåra objekt genom kommande videobilder).

Denna extraherade data är alltså meta-datan. I nästa steg så kommer VCA-systemet att analysera meta-datan, snarare än själva rå-videodatan. I detta exempel består meta-data analysen av:

• Klassificering av förgrundsobjekt och indelning i kategorierna ”människor” och ”icke-människor”.
• Information som gör att man kan  skilja normal gång från att stå still och så vidare.

Figur 1: Stereosensorer från Saab används i det tracking-system för fotbollsarenor som Tracab levererar.

Affärsmöjligheter med VCA

Det finns åtskilliga exempel på hur affärsverksamheter kan tjäna på att använda VCA i sina säkerhetsinstallationer. Fördelen med att ett VCA-system kan detektera stöld och andra oönskade beteenden i en stormarknad är uppenbar, men VCA-systemet kan också användas för att t ex följa upp butikskampanjer och se vilka produkter eller vilka reklamskyltplaceringar som attraherar flest kunder.

Ett annat exempel skulle kunna vara att använda videoanalys i en bankmiljö, där säkerhetsfunktionen består i att förebygga stöld och bedrägeri, men samtidigt kunna användas för att optimera effektiviteten i köandet till kassan genom att informera personalen när mer folk behövs i kassalinjen.

Investeringsavkastning (ROI)

När ett CCTV-system köps in i dag handlar diskussionen i regel enbart om säkerhet, och kanske är det så det ska vara. Det kan komma en tid när affärsanalytiker och statistik äntrar CCTV-scenen och begär avkastning från säkerhetsinstallationer. Om detta är nu, senare eller aldrig, vet vi inte riktigt. Vad vi vet är att hela säkerhetsindustrin borde lära sig att applicera samma idéer och fundamentala värden i vilken CCTV-installation som helst. Beräknandet av avkastningen på en investering är ett kritiskt verktyg för att tillse att man har rätt att existera i en fri ekonomi. Så hur mäter vi vilken avkastning en investering i videoanalys kan ha i en säkerhetsapplikation? Som för alla andra affärsscenarion så handlar det om att kalkylera kostnad jämfört med investeringen effekt på intäkterna och kostnadsbesparningarna.

Typiska applikationer

En skola, som implementerar videoanalys, kan ha för avsikt att minska skadegörelser och kostnaderna för säkerhetspersonal, eller helt enkelt sätta stopp för de avbrott som förekommer under skolans vanliga drift. Deras investeringsavkastning kan beräknas genom att undersöka den totala kostnaden för skadegörelse i skolan jämfört med besparningen som ett alarm med videoanalys skulle kunna bidra med.

I dagens moderna samhälle är ofta skolor ett mål för unga människors skadegörelse, något som allvarligt tär på offentliga medel. Larm och säkerhetsinstallationer av idag stoppar sällan skadegörelse, utan påkallar snarare uppmärksamhet så att säkerhetspersonal kan agera med åtgärdsinsats. Oftast rör det sig om ungdomar som håller på med sporter och lekar på skolgårdar, och inte riktiga hot. Med hjälp av VCA så skulle varje irrelevant larm kunna filtreras bort genom videoanalys. På så sätt sparas utryckningskostnader för säkerhetspersonal.

En annan typisk arena för VCA är när det gäller att följa lagar och regler. Vi har idag ett ökande antal lagstiftande organ som sätter upp regler för olika typer av verksamheter och organisationer. Många av dessa regler har ett säkerhetsfokus. Tillverkare som framställer biologiska substanser måste exempelvis följa amerikanska FDA:s olika regler för säkerhet i tillverkningslokalerna även om fabriken befinner sig utanför USA. FDA reglerar till exempel hur mycket och vilken typ av trafik som får röra sig inom ett visst område. Det är allt som oftast ett måste att följa dessa regler eftersom att den amerikanska marknaden är alldeles för värdefull för att överge. Detta gör att tillverkarna mer eller mindre tvingas köpa in system som klarar av att mäta hastighet och riktning för fordon som rör sig inom fabrikens område. I den typen av fall så krävs det ett bättre VCA system som kan lösa hela problematiken på ett kostnadseffektivt sätt. Beräkningen av avkastning på investeringen blir i dessa fall mycket lätt att acceptera.

Att beräkna avkastning på investering

Att beräkna avkastning på en VCA-investering är vanligen ganska enkelt; ökad säkerhet leder oftast till minskade kostnader för skadegörelse och stöld. Men tid är också pengar och tidsåtgången är ofta stor när säkerhetspersonal ska undersöka rycka ut och undersöka orsaken till ett larm, trots att ingen skadegörelse eller stöld ägt rum. Om VCA kan användas för att minska antalet falsklarm existerar det en klar och uppenbar avkastning på VCA-installationen.

Ett kraftöverföringsstation är normalt sett en obemannad högsäkerhetsinstallation i ett landskap med farliga elledningar som dragits i ofta öppna landskap. Kostnaden för att skicka säkerhetspersonal till en sådan installation är är hög men nödvändig eftersom att området är livsfarligt för civila att uppehålla sig i. Genom att använda videoanalys i en sådan installation skulle man kunna minska antalet falsklarm väsentligt genom att bara larma på människor. Detta sparar helt klart tid och pengar i och med att man bara behöver skicka ut säkerhetspersonal när det verkligen behövs.

Liknande applikationer existerar överallt i världen, det kan handla om telefonnäts basstationer och tågtunnlar.

Stereoavbildning

I videoövervakningssystem täcker vanligen en kamera ett område. Videosensorerna fungerar alltså på ett monokulärt sätt. I kontrast till dessa tvådimensionskameror har människors ögon stereoseende för att se och förstå sin omgivning, dvs en uppfattning av verkligheten i 3D. Monokulär syn förmedlar en 2D-projektion av en 3D-värld, alltså en platt beskrivning. Det är uppenbart att en sådan projektion begränsar vilken typ av information som kan extraheras ur en videoström. Information om distans och djup förloras i en 2D-projektion, vilket medför att beräkningen av objekts storlek är omöjligt såvida det inte finns en kartmodell över det övervakade området. Stereosyn lider inte av samma begränsning. Vanliga kameror kan konfigureras för att förmedla en 3D-bild av verkligheten. Liksom ögonens uppbyggnad åstadkoms detta genom att sätta två videokameror bredvid
varandra med ett visst avstånd (t ex 50 cm) riktade åt samma håll. Saabs stereosensor är ett exempel på en sådan bildsensor som klarar av att hantera stereoavbildningar i realtid. Kamerorna sätts på små och klart definierade avstånd ifrån varandra och observerar samma område. Signalprocessorerna förmedlar sedan informationen från de två kamerorna och skapar en karta över området (se figur 1).

En stereosensor kan baseras på nästan vilken videokamera som helst, det som krävs är att kamerornas parametrar och distans ifrån varandra är känt. För övervakning av dynamiska områden är det också viktigt att kamerorna är synkroniserade. Precisionen i synkroniseringen måste vara något bättre än den typiska tidskonstanten för de klassificerade objekten.

Tillgängligheten av mer information (djup) jämfört med en vanlig kamerabild är mycket användbart för ett VCA-system. Detta kan exempelvis användas för att noggrant mäta de faktiskt fysiska proportionerna av ett objekt, såväl som att separera delvis blockerade objekt från varandra. Dessutom så kan detta åstadkommas utan en kartbild över det bevakade området. Utöver denna stora fördel så ökar också stereoavbildning kraften i den grundläggande processkedjan. Eftersom att stereo medför en 3D bild av verkligheten kan fåglar och andra distraktioner lätt sorteras bort och därmed minskas antalet falsklarm. Ett objekt kan också lätt skiljas från sin kastskugga, något som är mycket svår för en enskild kamera. Detektion och klustring blir också mycket mindre beroende av förändrade ljusförhållanden.

Sida 3 (4)