面向未来的视频分析和人工智能应用

在这篇文章中, 由Dallmeier撰写, 想展示决策者如何避免代价高昂的错误. 强调良好的图像质量等同于最佳的数据质量.

视频技术正在快速发展. 除了对证据的光学保证之外, 当局和警方越来越多地可以对图像数据进行自动或半自动分析.

在这里并不总是容易保持整体概览, 因为新的解决方案不断涌入市场，许多系统仍处于研究和实验阶段.

在这篇文章中, 由...撰写 达尔迈尔, 想展示决策者如何避免代价高昂的错误. Y lo más decisivo no son ni siquiera los propios sistemas de análisis.

Análisis de imágenes de vídeo: muchas posibilidades

原则, las cámaras sirven como ‘sensores ópticos’ para la captación de datos de análisis. No existe mejor manera de extraer distintos tipos de datos de contextos complejos con relativamente poco esfuerzo que una imagen de vídeo.

Las posibilidades que ofrece el análisis de vídeo son múltiples: análisis de multitudes, para el conteo de personas u objetos; búsqueda de apariencia, para encontrar personas basándose en determinadas características; diversos sistemas de detección de intrusión, para la protección de áreas estériles, como por ejemplo en el ámbito de estadios, en el perímetro de infraestructuras críticas o en muchos otros.

La mayoría de los sistemas trabajan en la actualidad con una clasificación de objetos basada en redes neuronales, en el lenguaje común frecuentemente equiparadas también con Inteligencia Artificial.

Quality In, Quality Out: la calidad de imagen definible es decisiva

Pero con todo el entusiasmo, muy a menudo, se subestima la importancia de la calidad de imagen. En muchos casos, se comete el error de considerar y evaluar únicamente el sistema de análisis y no la solución integral.

Y así, están decepcionados muchos usuarios que simplemente han puesto un par de cámaras y, después, se limitan a dejar correr unos análisis sobre las imágenes obtenidas de esa manera.

然而, conforme a la vieja regla Quality In, Quality Out, la calidad de los resultados de análisis puede ser, naturalmente, sólo tan buena como la calidad de imagen y, 所以, la calidad de los datos de entrada.

La calidad de imagen está definida como “píxel por metro (像素/米)” en la norma DIN EN 62676-4 y es el parámetro esencial para cada sistema de vídeo. En función de que se exija, 例如, 62,5 px/m para una detección de objetos o personas basada en IA o 250 px/m si se quiere una admisibilidad casi cien por cien segura ante los tribunales, al garantizar la identificación de los rostros captados.

Planificación correcta y tecnologías apropiadas

La clave del éxito, 因此，, es proporcionar, para una forma de análisis determinada como puede ser la diferenciación de personas y vehículos, el valor mínimo requerido en toda el área a captar, de manera fiable. Esto sólo es posible, si el fabricante dispone de las herramientas y sistemas de planificación adecuados así como el know-how y los expertos para llevar a cabo estas planificaciones.

此外, son necesarias tecnologías de cámaras que estén diseñadas para que suministren estas resoluciones mínimas también en superficies grandes. Incluso las cámaras megapíxel de ultra alta resolución llegan, 首先, en las zonas más alejadas de la imagen, a sus límites rápidamente o, dicho de otra manera, no son rentables en áreas grandes.

Las cámaras PTZ, 从根本上, no son aptas para el análisis de contextos completos ya que sólo enfocan una parte determinada del área y sirven prioritariamente para la vídeo observación activa.

Los sistemas modernos, los llamados sistemas de sensores multifocales, en los que se combinan varios sensores de diferentes distancias focales en un único sistema, permiten una resolución mínima definible con exactitud en toda la superficie a captar, incluso en grandes contextos espaciales, y, 因此, representan en la mayoría de los casos también el enfoque más económico.