Группа инженеров-электронщиков и программистов из Вашингтонского университета (University of Washington) разработала ряд алгоритмов, при помощи которых множество камер наблюдения, объединенных в единую самообучающуюся сеть, становятся способны самостоятельно идентифицировать и отслеживать перемещения любого человека, попавшего в поле зрения камер сети. Самообучение сети заключается в определении различий изображений, получаемых от каждой отдельной камеры. Это, в свою очередь, позволяет сети избавиться от влияния особенностей освещения в месте установки каждой камеры и приспособиться к использованию камер различного качества и с разной разрешающей способностью.
"Технологии отслеживания людей в пространстве, охватываемом множеством разных камер, пока еще достаточно новы" - рассказывает Дженк-Ненг Хуань (Jenq-Neng Hwang), профессор в области электротехники Вашингтонского университета, - "Теперь, когда мы дали камерам возможность общаться друг с другом, они стали в состоянии более динамично изучить особенности реального мира, который они видят".
Исследовательская группа профессора Хуаня уже около десяти лет работает с различными камерами наблюдения, начиная от недорогих базовых моделей и заканчивая высококачественными устройствами. Проблема идентификации и отслеживания перемещения людей, попадающих в непересекающиеся области, охватываемые различными камерами, заключается в том, что внешний вид одного и того же человека может претерпевать сильные изменения от камеры к камере. Это происходит из-за разных углов зрения камер, из-за различий в условиях освещения и из-за различий в цветопередаче самих камер.
Компенсация этих различий возможна лишь только при объединении всех камер в единую систему. Работа такой системы всегда начинается с калибровочного этапа, в течение которого все камеры делают записи видео, по которым специализированные алгоритмы и вычисляют все различия в цветах, структуре кадров и углах зрения камер. И после непродолжительного периода самокалибровки система автоматически корректирует изображения со всех камер, подгоняя их к единому среднему стандарту. А это, в свою очередь, позволяет системе точно идентифицировать каждого человека, независимо от того, в поле зрения какой из камер он попал на этот раз, и отслеживать его перемещения, даже не получая изображений лица этого человека.
Исследователи провели испытания разработанной ими системы при помощи статичных камер, разбросанных по университетскому городку, и камер, установленных на автомобилях, на самоходном роботе и на летающем беспилотнике. В этом случае система зарекомендовала себя наилучшим образом, а робот и беспилотник смогли следовать за человеком буквально по пятам даже в тех случаях, когда он был скрыт от взгляда их собственных камер.
Технологии, объединяющие камеры наблюдения в сеть, могут использоваться везде где угодно, где возможно их подключение к облачному сервису через беспроводное или проводное соединение. Кроме очевидных областей применения такой системы для выявления необычного поведения людей в толпе или слежки за подозреваемыми, система может использоваться в массе других областей, достаточно далеких от так называемых технологий "большого брата". К примеру, благодаря возможностям, предоставляемым интеллектуальной сетью камер наблюдения, владельцы магазинов смогут получать статистическую информацию о перемещениях покупателей, об их предпочтениях и другую информацию, которую можно использовать в коммерческих интересах.
