A multi-megapixeles kamerák megjelenésének hatása a képtartalom elemzésre
Az automatikus képtartalom elemzésnek egyre nagyobb szerep jut a videomegfigyelő rendszerekben. Kevés szó esik azonban a videoanalitikán alapuló rendszerek tervezhetőségéről. Mekkora az elemzéshez szükséges minimális felbontás? Mekkora terület fedhető le egy kamerával?
A videoanalízis alapvető célja, hogy terhet vegyen le a megfigyelést végző személyről, vagy olyan alkalmazások is megvalósíthatók legyenek amik egyébként szóba sem jöhetnének (pl. forgalomszámlálás). Az automatikus képtartalom elemzés kiegészítheti és megbízhatóbbá teheti a humán megfigyelést, vagy sok esetben szükségtelenné teheti azt.
Felismerhetőség alapú tervezés videoanalitika esetén
A megapixeles, multi-megapixeles kamerák megjelenése a videoanalitikát alkalmazó rendszerekben is szükségszerűvé teszi a felismerhetőség alapú tervezés alkalmazását.
Ezen kamerák lényegesen nagyobb felbontásával már tervezni kell. Ez biztosítja, hogy a megrendelői igényeknek megfelelő rendszer készüljön, illetve hogy a megrendelő a megvalósítás előtt, a tervezés stádiumában tisztában lehessen azzal, hogy a videomegfigyelő rendszer mire lesz alkalmas.
A videoanalitikát alkalmazó rendszerek felismerhetőség alapú tervezési folyamata alapvetően megegyezik a humán megfigyelésen alapuló rendszerekével.
A látómező szélesség meghatározása videoanalízis esetén
Van azonban néhány különbség amit figyelembe kell venni.
Az automatikus képtartalom elemzéshez képest a humán megfigyelő kisebb méretű objektumokat is fel tud ismerni. Ennek oka az, hogy az emberi agy a látás folyamata során komplexebben, egyéb tényezőket is figyelembe véve értékeli a látottakat.
Ha egy videoanalízis nélküli rendszerben növeljük a szenzor felbontását, akkor az növeli a látómező szélességet is, mivel a megfigyelést végző személy által felismerhető legkisebb céltárgy mérete független a szenzor horizontális felbontásától.
A videoanalízissel rendelkező rendszerek esetén csak a szenzor felbontásának növelése nem jelenti automatikusan a látómező szélesség növekedését. A legkisebb felismerhető céltárgy mérete (PoVCA) az alkalmazott algoritmusnak és a rendelkezésre álló számítási teljesítménynek is függvénye.
A jól megtervezett videomegfigyelő rendszerek a rendelkezésre álló számítási kapacitást optimálisan kihasználják, kevés tartalék áll rendelkezésre. Ugyanolyan algoritmus esetén a megnövekedett pixel mennyiséget feldolgozni csak a videoanalízis sebességének (fps) csökkentésével, vagy a legkisebb felismerhető céltárgy méretének növelésével lehetséges
Ez összességében azt jelenti, hogy hiába növeljük önmagában a szenzor felbontását, a videoanalízis nagyságrendileg csak az eredeti szenzor felbontását képes hasznosítani.
A kamera számítási kapacitását is növelni kell, amennyiben a multi-megapixeles szenzorokban rejlő lehetőségeket a videoanalízis során is ki akarjuk használni. Az újabb, nagyobb teljesítményű processzorok, vagy célhardverek alkalmazása biztosíthatja a szükséges számítási teljesítmény többletet.
| Tárgyfelismerés 1.3 Megapixeles kamerával | Tárgyfelismerés 9 Megapixeles kamerával |
 |
 |
- céltárgy szélesség: O = 0,5 m
- legkisebb felismerhető céltárgy mérete humán megfigyelés esetén: PoH = 10 pixel
- legkisebb felismerhető céltárgy mérete videoanalízis esetén: PoVCA = 24 pixel
- szenzor horizontális felbontása: Pw = 1280 pixel
A videoanalitika alkalmazási lehetőségei és korlátai tekintetében alapvető fontosságú a legkisebb felismerhető céltárgy méretének meghatározása. Amennyiben a termék adatlapja nem tartalmazza ezt az információt, akkor mérésekkel kell megállapítani. A legkisebb felismerhető céltárgy méretének ismeretében valósítható meg a videoanalízissel rendelkező rendszerek felismerhetőség alapú tervezése.
