Novedades de la v5.0 de Nx Meta VPaaS y Nx Witness VMS de Network Optix

Novedades de la v5.0 de Nx Meta VPaaS y Nx Witness VMS, la búsqueda avanzada de objetos proporciona un método estandarizado, rápido y amigable que permite realizar búsquedas en videos para identificar objetos usando analíticas en la cámara, aplicaciones de visión artificial local y servicios de reconocimiento de objetos basados en la nube que funcionan con Nx.

En este artículo se abordarán estas aplicaciones. El objetivo será explicar las analíticas basadas en objetos, qué son, por qué existen y cuáles son los tipos de analíticas más comunes que se encuentran en el mercado actualmente. A continuación, se analizarán las capacidades de búsqueda avanzada de objetos de Nx Meta VPaaS y Nx Witness VMS, incluyendo cómo esta característica funciona en un sistema real.

¿Qué son las analíticas de video basadas en objetos?

Las analíticas de video basadas en objetos están impulsadas por algoritmos de aprendizaje profundo, diseñadas para IA y creadas usando conjuntos de datos insertados por humanos para entrenar redes neuronales. Estos algoritmos se desarrollaron inicialmente para poder detectar objetos en imágenes. Aunque un video es solo una secuencia de imágenes, también se pueden usar para detectar objetos (personas, maletines, vehículos, ropa, anteojos, comida) y más en secuencia de video.

Network Optix novedades v5.0 1

¿Por qué existen las analíticas de video basadas en objetos?

La respuesta corta es: ¡Los motores de inferencia entrenados en aprendizaje profundo (también conocidos como algoritmos de IA o aplicaciones de visión artificial) funcionan!

En el pasado, las analíticas de video, que se basaban principalmente en cambios en los píxeles, como la detección de movimiento, a menudo se implementaban de forma muy genérica para funcionar de manera efectiva y en una amplia gama de entornos al intentar detectar eventos específicos. Si el movimiento es la entrada principal que dispara la respuesta de un algoritmo, y el movimiento está determinado por cambios de valor simples a nivel de píxeles, entonces el algoritmo es susceptible a cambios de iluminación o cambios de escena causados por variables como el viento.

Las analíticas orientadas en objetos, por otro lado, están basadas en redes neuronales previamente entrenadas (también conocidas como motores de inferencia), tienen un alto grado de precisión y funcionan bien en diferentes condiciones de iluminación y entornos, ya que las redes están entrenadas para reconocer estos objetos en un amplio rango de condiciones: ángulos, iluminación, influencias ambientales, etc.

Y debido a su confiabilidad, las analíticas basadas en objetos pueden proporcionar una forma simple y más confiable para que los usuarios hagan dos cosas importantes: crear reglas para automatizar alertas y otras acciones del sistema, y buscar rápidamente en los archivos de video utilizando etiquetas de metadatos (también conocidos como atributos de objeto).

¿Cuáles son los tipos más comunes de analíticas de video basadas en objetos?

Detección de diferentes tipos de objetos

Hay muchas analíticas de video basadas en objetos actualmente. Pero si se miran como un todo, fueron creadas para poder identificar muchas de las mismas cosas que el personal de seguridad está capacitado para observar: personas (incluida su ropa), vehículos (incluidos sus rasgos de identificación únicos), texto, armas y maletines. Los algoritmos más avanzados pueden detectar comportamientos específicos que involucran una combinación de personas y vehículos.

Analíticas en la cámara | Basadas en servidor (también conocidas como en sitio local) | Nube

También hay diferentes formas en que se implementan estas aplicaciones de visión artificial. Cuanto más complejo sea el algoritmo, más potencia computacional necesitará. Los algoritmos simples, como la detección de rostros o la detección de personas, generalmente no requieren una gran cantidad de potencia de procesamiento para lograrlo.

Analíticas de video basadas en objetos que se ejecutan en la cámara

A medida que las cámaras continúan evolucionando se fabrican con chips más potentes, más RAM y un mayor almacenamiento incorporado, muchas analíticas basadas en objetos ahora están integradas en las cámaras. En Nx las llamamos analíticas en la cámara. Las analíticas en la cámara tienen una gran ventaja sobre las analíticas en sitios locales (basadas en servidor) y es que no requieren ningún hardware o software adicional al diseñar un sistema. Son autónomas: la cámara detecta y analiza el video en un paquete compacto. Esto hace que las analíticas de video basadas en objetos que se ejecutan en la cámara sean fáciles de implementar y usar en sistemas del mundo real. Las analíticas de video basadas en objetos que se ejecutan en la cámara suelen ser confiables, funcionan en tiempo real, son seguras ya que permanecen dentro de entornos LAN / WAN seguros y continuarán realizando analíticas incluso cuando falla la conectividad a Internet.

Analíticas de video basadas en objetos que funcionan en servidor local

Además de las analíticas de video basadas en objetos que se ejecutan en la cámara, muchas compañías también han desarrollado analíticas basadas en objetos que se basan en GPUs NVIDIA y CPUs Intel más potentes o chips especializados como los de Hailo. Estas analíticas basadas en servidor se instalan en la misma LAN o WAN que las cámaras y, por lo general, reciben flujos de video RTSP de las cámaras, los analizan y, luego, devuelven metadatos a un VMS. Esto se logra con los productos Powered by Nx creados con Nx Meta usando nuestro SDK de metadatos.

Los aspectos positivos de las analíticas locales y basadas en servidores son que tienen la capacidad de realizar analíticas más avanzadas y se pueden implementar sobre sistemas existentes donde ya existen cámaras IP de alta resolución. Las analíticas de video basadas en objetos que se ejecutan en servidores locales suelen ser también confiables, funcionan en tiempo real, son seguras ya que permanecen dentro de entornos LAN / WAN seguros y continuarán realizando analíticas incluso cuando falla la conectividad a Internet.

Analíticas de video de objetos basadas en la nube

Y finalmente, las analíticas de video de objetos basados en la nube. Las analíticas basadas en la nube ofrecen muchas de las mismas características que las analíticas de video basadas en objetos que se ejecutan en la cámara y en el servidor local con una excepción: requieren una conexión a Internet para funcionar correctamente. Esta es una gran diferencia entre otros modelos de implementación de analíticas de video basadas en objetos.

Network Optix novedades v5.0 2

¿Cuáles son las ventajas?

Las analíticas basadas en la nube - sí se diseña correctamente - permiten escalar para ajustarse a cualquier número de flujos de video, suponiendo que no hay restricciones de ancho de banda debido a la velocidad de Internet entre las cámaras / VMS y la analítica basada en la nube.

Búsqueda avanzada de objetos en la v5.0

Una forma estandarizada de buscar video utilizando todas las analíticas basadas en objetos. Network Optix, siempre está en la búsqueda de crear una mejor manera y más uniforme para que sus usuarios, desarrolladores y clientes aprovechen las tecnologías emergentes como las analíticas de video basadas en objetos. En la versión 4 de Nx Meta / Nx Witness VMS creó el SDK de metadatos y Object-Overlays para el cliente Nx Desktop (disponible en Nx Meta y Nx Witness VMS). El SDK de metadatos es una herramienta que permite que cualquier analítica de video basada en objetos se integre rápidamente con cualquier producto Powered by Nx. Una vez que se detectan los objetos integrados, se importan a una base de datos especial de objetos y se indexan para permitir la recuperación rápida de cualquier material de archivo de video asociado. Además, Nx tiene soporte nativo para analíticas en las cámaras de fabricantes líderes como Axis, Bosch, DW, Hanwha, Vivotek y muchos más!

En la v5.0 se está ampliando esa capacidad con Búsqueda Avanzada de Objeto, una nueva forma de buscar rápida y fácilmente archivos de video utilizando metadatos de objetos detectados. Diseñada como una ventana emergente, la nueva función permite a los operadores hacer dos cosas a la vez: monitorear el video en vivo y realizar búsquedas detalladas de objetos utilizando sus atributos asociados a partir de los metadatos capturados.

Este es un enfoque fundamentalmente diferente de la mayoría de los VMS tradicionales y de la competencia. Mientras esas soluciones a menudo tienen diferentes procesos y experiencias de usuario dependiendo de la aplicación integrada de analítica de video basada en objetos / visión artificial, la forma en que los objetos se capturan, se muestran, se utilizan para crear automatizaciones de sistemas y se buscan, es siempre la misma en cualquier producto Powered by Nx.