WHITE PAPER VIDEOANALYSE Hoe videoanalyse de toekomst van camera s verandert
Inhoudstafel 1. Voorwoord 3 2. Wat is videoanalyse? 4 2.1 Definitie van videoanalyse 4 2.2 Het brede toepassingsveld van videoanalyse 5 3. De voordelen van videoanalyse 6 4. Hoe werkt videoanalyse? 7 4.1 Het principe van videoanalyse 7 4.2 Architectuur van videoanalyse 8 4.3 Welke architectuur kies je het best? 9 5. Innovatieve technologieën voor de optimalisatie van videoanalyse 10 5.1 Optimalisatietrends 10 5.2 Machine learning 11 5.3 Human-assisted deep learning 12 6. Inspirerend praktijkvoorbeeld: realtime situation-tracking 13 7. Conclusie 14 Securitas N.V. White Paper Videoanalyse 2
1. Voorwoord Videoanalyse is op zich niet nieuw. Al decennialang wordt het beschouwd als een veelbelovende technologie. De praktische toepassing van videoanalyse heeft lang op zich laten wachten, maar dankzij de snel evoluerende computertechnologie op vlak van beeldanalyse en rekenkracht zien we de laatste jaren een versnelling in de implementatie van videoanalyse in verschillende domeinen. Dankzij videoanalyse kunnen live of opgenomen videostreams automatisch doorzocht worden op specifieke informatie. Geavanceerdere videoanalyse kan ingezet worden voor de bewaking van voorwerpen, het opsporen van personen en het monitoren van verkeersstromen. Videoanalyse software kan een grote hoeveelheid vooraf opgenomen beelden in enkele seconden doorzoeken naar een specifieke gebeurtenis, gezicht of nummerplaat. Dit kan de onderzoekstijd voor bijvoorbeeld politiediensten aanzienlijk verminderen. In deze Securitas-whitepaper willen we niet alleen stilstaan bij de huidige technologische mogelijkheden. We kijken ook verder naar de innovatieve technologieën van de toekomst die videoanalyse nog intelligenter zullen maken. Aan de hand van enkele inspirerende praktische voorbeelden, tonen we welke voordelen videoanalyse kan opleveren voor bewakingssystemen. Securitas N.V. White Paper Videoanalyse 3
2. Wat is videoanalyse? 2.1 Definitie van videoanalyse Videoanalyse, ook wel Video Content Analyse (VCA) genoemd, is een technologie die toelaat om zinvolle en relevante informatie te extraheren uit digitale video s voor volgende doeleinden: 1 Detecteren van objecten en personen; 2 Karakteriseren van het uiterlijk en de beweging van personen en objecten; 3 Identificeren van individuele objecten en personen; 4 Activiteitspatronen van objecten en personen herkennen. Videoanalyse software voor beveiligingscamera s is beschikbaar in verschillende vormen: geïnstalleerd op een camera of op een Video Management Systeem (VMS) of als externe software van derden. Elke versie doet echter hetzelfde: video s analyseren om te zoeken naar en je te waarschuwen voor een specifieke gebeurtenis. Elke videoanalyse oplossing is een beetje anders, afhankelijk van de fabrikant en de toepassing. Ze werken echter allemaal op dezelfde manier. Bij het instellen van de software geef je bepaalde parameters op voor de activiteit waarnaar de software moet zoeken. Vervolgens stel je het waarschuwingsmeldingssysteem in. Wanneer de software iets detecteert dat aan de zoekcriteria voldoet, geeft het de geplande waarschuwing. Veel bedrijven gebruiken bijvoorbeeld bewakingssystemen om verdachte bewegingen in hun gebouwen na de werkuren te detecteren. Als er beweging wordt gedetecteerd, stuurt het systeem een waarschuwing via e-mail of sms. Zo kan de verwittigde persoon snel reageren bij een inbraak of ongeval. Securitas N.V. White Paper Videoanalyse 4
2.2 Het brede toepassingsveld van videoanalyse Videoanalyse laat toe om uitdagende bewakingstaken te automatiseren. De technologie maakt videobewakingssystemen slimmer, accurater en beter beheersbaar voor gebruikers. Videoanalyse kan ingezet worden voor uiteenlopende toepassingen. Hieronder geven we enkele voorbeelden. Perimeterbeveiliging: De nieuwste perimeterbeveiligingsoplossingen zijn gebaseerd op thermische camera s met ingebouwde videoanalyse software. De camera s kunnen zelfs bij volledige duisternis bewegende personen of voertuigen detecteren. Ze geven dan een automatische waarschuwing aan beveiligingsteams die mogelijke verdachte activiteiten visueel kunnen controleren alvorens actie te ondernemen. Deze systemen kunnen eenvoudig worden geïntegreerd met andere IP-camera s, schijnwerpers of luidsprekers om mogelijke indringers te ontmoedigen. Tellen van personen: Videoanalyse kan ook toegepast worden in de detailhandel om op betrouwbare wijze het aantal bezoekers in winkels en bij kassa s te tellen. Zo krijgen retailers een accuraat inzicht in hoe (en waar) het aantal klanten fluctueert in de tijd. Op basis van deze informatie kunnen winkeleigenaars hun promoties verbeteren en de winkelindeling en het personeelsaantal aanpassen. Daarnaast zijn deze automatische teloplossingen ook handig op luchthavens, in musea, tijdens evenementen en overal waar gedetailleerde bezoekersstatistieken nodig zijn. Nummerplaatherkenning: Automatische nummerplaatherkenning (ANPR) is van oudsher altijd al duur geweest. Tegenwoordig is het echter mogelijk om standaard IP-camera s te gebruiken in combinatie met videoanalyse software. Dit vermindert de kosten en verbetert de schaalbaarheid. Bovendien maakt het nummerplaatherkenning mogelijk voor een groter aantal toepassingsgebieden: automatisch inrijden en uitrijden van parkeerterreinen, gratis verkeersstromen op tolwegen mogelijk maken, toegangscontrole, bezettingsgraad van parkeerzones,. Gezichtsherkenning: Gezichtsherkenning verbetert niet alleen de veiligheid, maar kan organisaties ook helpen om een betere klantervaring te creëren. Camera s met gezichtsherkenningssoftware hebben slechts milliseconden nodig om gezichten van real-time videobeelden te matchen met een database van eerder opgeslagen afbeeldingen. De technologie wordt onder meer gebruikt voor toegangscontrole, vip-identificatie en de lokalisatie van gezochte of ongewenste personen. Het brede scala aan toepassingen is een goede stimulans voor wereldwijde investeringen in onderzoek en ontwikkeling op het gebied van videoanalyse. Securitas N.V. White Paper Videoanalyse 5
3. De voordelen van videoanalyse Videoanalyse laat toe om uitdagende beveiligingstaken te automatiseren. De technologie biedt heel wat voordelen zoals: Realtime waarschuwingen: videoanalyses richten de aandacht van het monitoringpersoneel op relevante activiteiten in realtime. Dit betekent dat er snel en efficiënt kan worden gereageerd op incidenten, waardoor de veiligheid aanzienlijk wordt verhoogd. Een voorbeeld is de permanente videobewaking van een kostbaar voorwerp in een museum. Van zodra de camera verdachte activiteiten detecteert, geeft hij een waarschuwing aan het beveiligingspersoneel. Tijdsbesparing: videoanalyses stellen gebruikers in staat om specifieke gebeurtenissen in opgenomen videomateriaal binnen enkele seconden te lokaliseren. Dankzij videoanalyse kunnen gebruikers specifieke zoekparameters selecteren, zoals tijd, activiteit, locatie. Zo hoef je alleen die videobeelden te bekijken die aan de specifieke vereisten voldoen. Rapportage: dankzij videoanalyses kunnen gebruikers videogegevens ontleden aan de hand van rapporten en grafieken, waardoor ze een waardevol hulpmiddel zijn om betere zakelijke beslissingen te nemen. Winkeleigenaars kunnen heel wat leren over wanneer de drukte in hun winkel het grootst is en ze dus best extra personeel inschakelen. Door de mensenstromen in kaart te brengen, zien ze welke delen van de winkel minder bezocht worden. Deze informatie kan interessant zijn bij het herinrichten van de winkel. Lagere loonkosten: dankzij functies zoals realtime waarschuwingen en intelligent zoeken, worden de arbeidskosten van het bewakingspersoneel aanzienlijk verlaagd, wat een snelle return on investment oplevert. Beperkte netwerkbelasting: slimme camera s met videoanalyse software aan boord sturen enkel informatie door naar de server als ze verdachte activiteiten detecteren. Hierdoor worden er minder video s via het netwerk verzonden en blijven de vereisten op vlak van netwerkbelasting en -opslag beperkt. Securitas N.V. White Paper Videoanalyse 6
4. Hoe werkt videoanalyse? 4.1 Het principe van videoanalyse Videoanalyse gebruikt wiskundige algoritmes om videobeelden om te zetten in metadata. Metadata zijn gegevens die de karakteristieken van bepaalde gegevens beschrijven, informatie over informatie als het ware. Deze metadata wordt geanalyseerd en vergeleken met ingestelde zoekcriteria en met de gegevens in databanken. Wanneer iets gedetecteerd wordt dat aan de zoekcriteria voldoet, zal het systeem een automatische actie uitvoeren zoals het geven van een waarschuwingsmelding. Aan een voetbalstadion bijvoorbeeld kan videoanalyse software gebruikt worden om de gezichten van alle binnenkomende supporters te scannen en te vergelijken met de opgeslagen gezichtsfoto s van mensen met een stadionverbod. Als er een match is, geeft het systeem een waarschuwing en kan het beveiligingspersoneel ingrijpen om de betrokken persoon de toegang te ontzeggen. Videoanalyse kan op twee manieren: 1 Realtime: live videobeelden worden geanalyseerd en wanneer het systeem een specifieke gebeurtenis, persoon of object detecteert, wordt een automatische waarschuwing gestuurd. 2 Post processing: het achteraf opsporen van bepaalde incidenten, personen of objecten in eerder opgenomen videobeelden. Securitas N.V. White Paper Videoanalyse 7
4.2 Architectuur van videoanalyse Videoanalyse software kan op twee manieren geïmplementeerd worden: 1 2 Server-based: de software staat centraal geïnstalleerd op een server. Edge-based: de software zit in de IP-camera. De term edge-based duidt erop dat de software zich aan de rand van het netwerk bevindt. Een afgeleide van de edge-benadering kan worden gebruikt voor analoge camera s waarop geen videoanalyse software kan geïnstalleerd worden. Dit gebeurt door de videoanalyse software te installeren op videoencoders, die zich ook aan de rand van het netwerk bevinden. In de praktijk wordt er soms een combinatie gemaakt van een server- en edge-based architectuur. Securitas N.V. White Paper Videoanalyse 8
4.3 Welke architectuur kies je het best? Edge-based bij realtime analyse De edge -oplossingen zijn ideaal om analyses uit te voeren op live videobeelden. De analysesoftware bevindt zich op de camera zelf. Het is mogelijk om de software zo in te stellen dat er alleen informatie wordt verzonden over verdachte incidenten. Zo wordt het netwerk minder belast. Elke camera staat dan in voor zijn eigen verwerking en analyse. Kies je bij realtime videoanalyse toch voor een centrale architectuur, dan bestaat de kans dat je server of je netwerk overbelast wordt. Uiteraard hangt dit af van het aantal aangesloten camera s, de verwerkingskracht van de server en de bandbreedte van het netwerk. Server-based bij post-processing Wil je opgenomen beelden achteraf analyseren dan is het verstandig om te kiezen voor een centrale server-based oplossing, maar in combinatie met edge. Zo kan je opgenomen videomateriaal veelvuldig doorzoeken, met verschillende parameters. Met behulp van analyses kan je grote hoeveelheden opgenomen videobeelden doorzoeken op mogelijke gebeurtenissen en vervolgens de resultaten verifiëren. Dit is bijvoorbeeld erg handig wanneer grote hoeveelheden opgenomen videomateriaal moet doorzocht worden in het kader van een politieonderzoek. Door de software zo in te stellen dat er gezocht wordt naar een bepaalde verdachte persoon of een verdachte activiteit in een bepaalde perimeter, krijg je automatisch binnen enkele seconden de juiste beelden. Voor hetzelfde resultaat zou een persoon uren of misschien wel dagen nodig hebben. De onderzoekstijd wordt dus kleiner en de zaak kan veel sneller opgelost worden. Wil je jouw bestaande infrastructuur optimaliseren door bestaande camera s uit te breiden met analytische eigenschappen? Dan is de integratie van videoanalyse op de centrale server een kostenefficiënte en flexibele oplossing. Je hoeft dan immers niet alle camera s te vervangen of aan te passen. Securitas N.V. White Paper Videoanalyse 9
5. Innovatieve technologieën voor de optimalisatie van videoanalyse 5.1 Optimalisatietrends De vooruitgang in videoanalyse technologie wordt mogelijk gemaakt door de vooruitgang in onderliggende informatietechnologieën, zoals de verwerkingskracht, geheugensnelheid, parallelle verwerking, solid-state en gegevensopslag op de harde schijf, supersnelle databases, hoge capaciteitsnetwerken en artificiële intelligentie (AI). Niet alleen de technologische evolutie geeft een boost aan de vooruitgang in videoanalyse technologie, ook de wereldwijd groeiende aandacht voor beveiliging en bewaking dragen bij tot extra investeringen en optimalisatie van de videoanalyse technologie. De belangrijkste optimalisatietrend van videoanalyse technologie is de reductie van het aantal valse alarmen. Hiervoor bestaan er een aantal innovatieve technologieën die zorgen voor een verdere optimalisatie van de videoanalyse technologie. We bekijken er hier enkele. Securitas N.V. White Paper Videoanalyse 10
5.2 Machine learning Wat is machine learning? Machine learning is een vorm van artificiële intelligentie (AI) waarmee softwaretoepassingen nauwkeuriger kunnen worden in het voorspellen van resultaten zonder expliciet te worden geprogrammeerd. De algoritmes achter machine learning gebruiken statistische analyse om op basis van bepaalde startgegevens een voorspelling te doen over de resultaten. De technologie is eigenlijk niet nieuw. Dankzij innovaties in de computertechnologie is machine learning vandaag echter niet te vergelijken met die van in de begindagen. De achterliggende processen van machine learning doorzoeken gegevens om patronen te herkennen en op basis hiervan bepaalde acties uit te voeren. Machine learning is hot Machine learning wordt vandaag al in heel wat toepassingen gebruikt. Zo maken sommige websites gebruik van machine learning om gepersonaliseerde reclameadvertenties weer te geven op basis van surfgedrag uit het verleden. Ook voor andere toepassingen is machine learning een vaak gebruikte techniek: fraudeopsporing, spamfiltering, detectie van netwerkbeveiligingsbedreigingen, het bouwen van nieuwsfeeds,. Hoe machine learning videoanalyse optimaliseert De eerdere generaties van analyse-technologie wisten zich geen raad met wijzigingen in de omgeving. Bijgevolg moest de analyse telkens opnieuw worden afgestemd op de gewijzigde omgeving. Analyses gebaseerd op machine learning werken hun datamodellen voortdurend bij waardoor ze rekening houden met veranderingen in de omgeving die «normaal» zijn. Een typisch probleem met videodetectie buitenshuis is dat de bewegingsmaskers, die tijdens de installatie zijn ingesteld, zich utomatisch aanpassen als bv. een boom groeit. Dit kan ertoe leiden dat bewegingsgebaseerde video-opnamen plotseling de schijfruimte overschrijden die daarvoor is toegewezen. Zelflerende analyses kunnen hier rekening mee houden en zelfs waarschuwingen geven wanneer de mate van verandering een bepaalde drempel heeft overschreden. Zo zorgt machine learning ervoor dat er minder valse alarmen zullen voorkomen. Securitas N.V. White Paper Videoanalyse 11
5.3 Human-assisted deep learning Human-assisted deep learning oftewel learning by example is, naast machine learning, een andere manier om het aantal valse alarmen te beperken. Hierbij is er menselijke feedback nodig om het analytisch systeem te trainen. Hierdoor verbetert de nauwkeurigheid van de analyses die worden gebruikt om te bepalen of een alarm echt of vals is. Na verloop van tijd leert het systeem de omstandigheden kennen en kan het belangrijke gebeurtenissen prioriteren op basis van gebruikersfeedback. Dankzij de verhoogde gevoeligheid en de beperking van het aantal valse alarmen, focust het systeem op wat echt belangrijk is. De verfijning van visuele zoekoperaties kan helpen om zoekresultaten sneller te verkrijgen en om het systeem te trainen voor het soort zoekopdrachten dat nodig is. Securitas N.V. White Paper Videoanalyse 12
6. Inspirerend praktijkvoorbeeld: realtime situation-tracking De huidige analysemogelijkheden omvatten innovatieve technologie voor visuele zoekverfijning. Zo bestaan er camera s die relevante informatie niet alleen naar de server maar ook naar andere camera s sturen. Hiermee kan de route van een persoon met afwijkend gedrag efficiënt en snel in kaart worden gebracht. We illustreren dit met een voorbeeld. Eén camera detecteert het afwijkend gedrag van een individu en geeft deze kennis door aan de server en aan andere camera s. Deze camera s nemen het individu op hun beurt op en sturen de situatie-specifieke informatie eveneens door naar de server en naar andere camera s. Een dergelijke automatische zoekmogelijkheid biedt realtime situation-tracking. Zo kan de beveiliging geïnformeerd worden over de huidige locatie en het bewegingspad van het individu. De persoon kan bijgevolg snel ter plaatse onderschept worden. In dit soort situaties zijn vijf minuten tijdswinst het verschil tussen een goede en een slechte afloop. Deze technologie biedt bovendien nog een bijkomend voordeel. Een dergelijk systeem kan immers automatisch een omgekeerde zoekactie uitvoeren om na te gaan waar en hoe de persoon het gebouw binnendrong, en om de plaats van zijn voertuig op te sporen. Securitas N.V. White Paper Videoanalyse 13
7. Conclusie Video Content Analyse (VCA) maakt videobewakingssystemen slimmer, accurater en beter beheersbaar voor gebruikers. Niet voor niets wordt VCA dan ook gezien als een veelbelovende technologie die kan ingezet worden voor uiteenlopende toepassingen. Van het bewaken van voorwerpen, het opsporen van personen en het monitoren van verkeersstromen: dankzij videoanalyse software kunnen beelden in enkele seconden worden doorzocht op gebeurtenis of kenmerk. VCA technologie laat het toe uitdagende beveiligingstaken te automatiseren. Dat biedt voordelen. Zo bespaart videoanalyse niet alleen veel tijd, ook realtime waarschuwingen, gedetailleerde rapportage, beperkte netwerkbelasting en kostenbesparing behoren tot de voordelen. Door het instellen van de juiste parameters en algoritmes kan met videoanalyse afwijkend gedrag snel worden opgespoord. Beelden worden getoetst aan vooraf ingestelde zoekcriteria (parameters) en gegevens in databanken. Dit kan zowel op de camera zelf (edge-based) als centraal worden uitgevoerd (server-based). Hoewel de praktische toepassing van de techniek lang op zich heeft laten wachten, is de implementatie de laatste jaren in een stroomversnelling gekomen. Zowel de wereldwijd groeiende aandacht voor beveiling als ontwikkelingen in de informatechnologie zijn daarvoor verantwoordelijk. En deze ontwikkeling is nog lang niet ten einde. Grote vooruitgang wordt geboekt in verwerkingskracht, (geheugen)snelheid en kunstmatige intelligentie (KI), zoals machine learning waarmee softwaretoepassingen nog nauwkeuriger worden in het voorspellen van resultaten. VCA zal in de toekomst daarom een steeds belangrijker rol gaan spelen in de beveiligingssector. communication@securitas.be www.securitas.be Sint-Lendriksborre 3-1120 Brussel / Vergunning FOD BiZa 16.1055.04 Securitas N.V. White Paper Videoanalyse 14