Tehnologija napreduje brzim tempom, ali njeno prihvatanje ponekad kaska. Trenutna situacija s pandemijom COVID-a iznjedrila je neke jedinstvene vidove primjene analitike i u segmentu upravljanja prometom i sigurnosti na cestama. Provođenje mjera zatvaranja, posebno na duže staze, predstavlja veliki izazov. Manjim zemljama može biti lakše “ručno” nadgledati svaku ulicu, ali velikim državama je neophodna primjena naprednih analitičkih tehnologija
Izvor: a&s International
E-mail: redakcija@asadria.com
Tržište videoanalitike spremno je za veliki skok u narednim godinama. Prema izvještaju kompanije Memoori, znatan napredak u poluvodičkoj arhitekturi omogućio je bolju primjenu algoritama dubokog i mašinskog učenja, a navedeni trendovi će biti poticaj rasta ovog tržišta. Očekuje se da će globalno tržište sistema za upravljanje saobraćajem porasti sa 30,6 milijardi američkih dolara u 2019. na 57,9 milijardi u 2024. godini. To će se, prema izvještaju MarketsandMarketsa, odvijati uz složenu godišnju stopu rasta od 13,6 posto. Povećana upotreba tehnologije nadzora u upravljanju saobraćajem dovest će do šire primjene videoanalitike u ovom segmentu. U nastavku teksta predstavljamo najnovije funkcije videoanalitike za upravljanje i nadzor prometa, njihove prednosti, najbolje prakse i hardverske zahtjeve.
Nove funkcije olakšavaju primjenu saobraćajnih propisa
Videoanalitika mora imati glavnu ulogu u upravljanju saobraćajem i primjeni propisa o sigurnosti putnika i pješaka na cesti. Kamere za nadzor prometa prisutne su u većini velikih gradova i na autocestama širom svijeta, a njihovi snimci savršena su “sirovina” za rad današnjih pametnih videoanalitičkih rješenja. U posljednje dvije godine brz razvoj u ovom segmentu doveo je do pojave sofisticiranijih algoritama i efikasnih aplikacija. Algoritmi su evoluirali i automatizirali mnoge procese koji mogu biti od pomoći organima reda. Policija sada može lakše pratiti da li se vozači pridržavaju propisa i blagovremeno doći do informacija o nesrećama ili drugim nepredviđenim situacijama
Prepoznavanje tablica za praćenje prosječne brzine
Ranjith Parakkal, direktor kompanije Uncanny Vision, kaže da je ključna funkcija za organe reda danas mogućnost prepoznavanja registarskih tablica za praćenje prosječne brzine vožnje. “Ranije se otkrivanje nedozvoljene brzine vozila temeljilo na upotrebi radara na licu mjesta. No, to je sistem koji vozači mogu lako nadmudriti jer znaju gdje su radari za kontrolu brzine postavljeni, pa mogu usporiti vozilo kada se nađu u njihovoj blizini i ponovo ubrzati nakon prolaska. Sistem prepoznavanja tablica (ANPR) za praćenje prosječne brzine radi pomoću putokaza, portala ili detektora brzine u kombinaciji s kamerama koje se postavljaju u manjim razmacima, otprilike na svaka tri kilometra. Dok vozilo prolazi kroz neku dionicu, svaka kamera bilježi registarsku tablicu. Nakon toga sistem izračunava vrijeme koje je vozilu trebalo da pređe udaljenost između dvije kamere kako bi utvrdio prosječnu brzinu. Ovo je savršeno precizan i siguran sistem bez mogućnosti greške”, kaže Parakkal.
Međutim, ovo rješenje se u velikoj mjeri oslanja na preciznost prepoznavanja registarske tablice. Ako sistem nije pouzdan, onda je ukupna efikasnost same platforme manja. Neki stručnjaci ističu da je ovaj sistem nešto izazovniji za primjenu propisa u usporedbi s radarima za otkrivanje brzine, jer nude jednostavan rezultat koji se ne može dovesti u pitanje. “Problem je u zakonodavstvu”, objašnjava Jermain Santoya, menadžer industrijskog marketinga u Genetecu. “Razlog zašto se, barem u Sjevernoj Americi, u tolikoj mjeri koristi radarska kontrola je što morate dokazati da se neko kretao prebrzo kako biste izdali prekršajni nalog. Međutim, s analitičkim rješenjem situacija je malo složenija zbog postojanja više različitih faktora i senzora. Morat ćemo doći do tačke u kojoj zakonodavstvo može sigurno reći da je nešto dovoljan dokaz da nekome izdate prekršajni nalog i kaznite ga zbog brze vožnje.” Ukratko, riječ je o pitanju prihvaćenosti tehnologije, a ne njenih mogućnosti.
Praćenje korištenja mobilnog telefona
Videoanalitika se temelji na snimcima nadzornih kamera postavljenih na autocestama i drugim putevima, a kao takva je korisna i u praćenju osoba koje drže ili koriste mobilni telefon prilikom upravljanja vozilom. Mnoge zemlje primjenjuju propise koji zabranjuju upotrebu mobilnih telefona tokom vožnje, a u nekima je to dozvoljeno samo u kombinaciji s automobilskim audiosistemom i zvučnicima i bez držanja uređaja. Parakkal kaže da je ovo rješenje pomalo kontroverzno jer odsjaj vjetrobranskog stakla po danu može negativno utjecati na tačnost sistema. S druge strane, sistem bi mogao efikasnije raditi noću, u kombinaciji s infracrvenim kamerama koje snimaju unutrašnjost automobila. No, primjena ove funkcije još nije široko rasprostranjena, a i sama tehnologija je prilično nova.
Podrška parkiranju uz prepoznavanje tablica
Ranije su vozači prolazili rampe na parkingu pomoću kontaktnih ili beskontaktnih RFID čitača. Međutim, danas kontrola pristupa zasnovana na prepoznavanju registarskih tablica postaje sve popularnija opcija. Registarske tablice su jedinstvene i ako ih sistem može prepoznati, nema potrebe za drugim vidom identifikacije. To se može raditi i na komercijalnim parkinzima ako je registarska tablica povezana s digitalnim novčanikom. “Glavna prednost je u tome što možete ukloniti probleme s RFID tagovima i njihovom distribucijom. Ipak, to nisu jedine prednosti. Ovaj sistem može pomoći i u upravljanju posjetiocima jer omogućava pristup njihovim automobilima nakon što se njihov broj dozvole unese u sistem”, kaže Parakkal.
Sigurnosni pojasevi i drugi prekršaji
Sigurnosni pojasevi su dio sigurnosti na cesti, ali postoje brojne situacije u kojima ih vozači i putnici ne koriste. Kao i kod funkcije praćenja korištenja mobilnog telefona tokom vožnje, i za ovo su potrebne kamere za snimanje unutrašnjosti vozila, a zbog toga bi odsjaj sunčeve svjetlosti opet mogao narušiti nivo preciznosti. Međutim, i algoritmi se brzo razvijaju, a kvalitetnije rezultate bismo mogli vidjeti već u narednim godinama. Istik Kattan, direktor kompanije Agent Video Intelligence, naglašava da su ove funkcije relativno nove i da su se na tržištu pojavile tek u posljednje dvije-tri godine. Prema njemu, osim onoga što je već opisano, danas je sve popularnija i klasifikacija vozila zasnovana na vještačkoj inteligenciji, odnosno sposobnost razlikovanja različitih vrsta i grupa vozila i priprema upozorenja za određenu klasu vozila. Popularna je i funkcija praćenja saobraćajnih prekršaja, npr. zauzimanja više parkirnih mjesta, parkiranja u zabranjenoj traci, skretanje na pogrešnu traku itd.
Kako videoanalitika čini saobraćaj i ceste sigurnijim
Analitika je danas alat s veoma širokom primjenom, koji se, npr., koristi i za funkcije povezane s pandemijom COVID-19, ali i za praćenje nesreća. Kompanije za videoanalitiku već su primijenile mnoga svoja rješenja u više zemalja širom svijeta. Kako se vlasti sve više zanimaju za koncepte poput pametnih i sigurnih gradova, raste i važnost uloge videoanalitike zasnovane na vještačkoj inteligenciji u upravljanju saobraćajem i održavanju sigurnosti na cestama. Čak je i trenutna situacija s pandemijom novog koronavirusa iznjedrila neke jedinstvene vidove primjene analitike u segmentu upravljanja prometom i sigurnosti na cestama.
Kontrola kretanja tokom karantina
Pandemija je dovela do uvođenja karantina u mnogim gradovima i zemljama, u nekima je još na snazi. Međutim, provođenje mjera zatvaranja, posebno na duže staze, predstavlja značajan izazov. Manjim zemljama može biti lakše “ručno” nadgledati svaku ulicu, ali velikim državama je neophodna primjena naprednih analitičkih tehnologija. Zanimljiva primjena videoanalitike za kontrolu vozila odigrala se u jednom gradu u Indiji. Kako bi olakšale proces socijalnog distanciranja i smanjile šanse za pojavu gužvi, gradske vlasti su htjele ograničiti kretanje privatnih vozila u radijusu od 3 do 5 km od domova vozača. Da bi se to provelo, iskorišten je sistem automatskog prepoznavanja registarskih tablica, koji je upozoravao organe reda čim neko vozilo pređe granicu od 3 km.
Brza pomoć na autoputevima
Ugodna vožnja autoputem može se brzo pretvoriti u najgoru noćnu moru ako vam se pokvari automobil ili dogodi neka druga nesreća. Nadležnim organima je prioritet pružanje brze pomoći u rješavanju problema na autoputevima. No, za to im je potreban sistem koji će ih automatski upozoravati na novonastale situacije. Videoanalitika, u svojoj osnovi, predstavlja sistem koji otkriva anomalije na temelju obrazaca i na osnovu toga može prepoznati kada nešto pođe po zlu. “Postavili smo naša rješenja na ceste s naplatnim kućicama kako bismo pratili vozila koja se zaustavljaju i tako omogućili nadležnom osoblju da pruža pomoć i spriječi incidente. Sistem u stvarnom vremenu otkriva svako vozilo koje se zaustavi na cesti ili pomoćnoj traci i aktivira upozorenje koje se šalje komandnom centru nadležnog osoblja. Ove sisteme smo postavili i u gradove u kojima tamošnje vlasti želi pratiti vozila koja se parkiraju na zabranjenim mjestima radi naplate kazni”, kaže Kattan.
Slučaj iz Francuske
Projekt kompanije Briefcam za upravljanje saobraćajem u mjestima duž obale Normandije u Francuskoj primjer je kako integralno upravljanje saobraćajem pomoću videoanalitike može povećati ukupnu efikasnost. Rješenje je omogućilo organima reda da brzo otkriju neobično ponašanje i izrade preventivne planove djelovanja. To je urađeno uz korištenje snimaka saobraćajnih prekršaja i njihovih obrazaca. “Gradovi su, naprimjer, iskoristili sistem brojanja vozila u određenim zonama. Uz praćenje broja automobila u nekom području u određeno doba dana, mjesecu i godini, gradske vlasti mogu planirati očekivani rast prometa i biti obaviještene o situacijama kada se aktivnosti na terenu ne podudaraju s prepoznatim obrascima”, kaže Stephanie Weagle, direktorica marketinga u Briefcamu. Ona se pri tome poziva na jedan projekat. “Nadležna tijela konfiguriraju upozorenja za praćenje saobraćajnih prekršaja koji bi inače ostali neprimijećeni. To omogućava policiji da reaguje po potrebi, ali i da uoči trendove u činjenju prekršaja i razmotri mogu li se izvršiti infrastrukturne promjene kako bi se ti prekršaji spriječili”, kaže ona. Ovi podaci mogu pomoći gradovima da postave dodatne semafore i urede pješačke staze i ostale objekte na osnovu korisnih uvida u trendove kretanja pješaka i vozila.
Iskorištavanje snage više kamera
U mnogim zemljama lokalne vlasti već godinama instaliraju videonadzorne kamere, ali uglavnom se koriste u forenzičke svrhe. U mnogim slučajevima takva primjena je neefikasna jer pronalaženje snimka incidenta podrazumijeva pregledanje više sati materijala. Videoanalitika je prilika da se tome stane ukraj pomoću sistema pretraživanja koji se temelji na metapodacima. Uz ogromnu količinu generisanih snimaka, analitika je danas postala neizbježna.
Kako izvući najbolje
Instalateri moraju pažljivo slijediti upute kako bi postigli najbolje rezultate. Korištenje napredne videoanalitike na bazi snimaka s kamera za nadzor saobraćaja jedna je od najboljih metoda za omogućavanje sigurnog prometa i upravljanja vozilima. Broj sigurnosnih kamera raste u većini zemalja svijeta kako postaju sve pristupačnije, a nadležna tijela svjesnija njihovih prednosti. Ipak, postavljanje kamera koje mogu biti osnova za vrhunska videoanalitička rješenja zahtijeva pažljivo razmatranje ključnih aspekata. Osnovno pravilo koje se odnosi na videoanalitiku je svijest da ako ljudsko oko može nešto detektirati na snimku, isto mora učiniti i videoanalitički sistem. Ipak, neki ključni faktori određuju nivo kvaliteta načinjenih snimaka.
Udaljenost kamere od objekta
Odluka o mjestu i poziciji kamere presudna je za postizanje najboljih rezultata. Svaka greška u ovom segmentu može biti skupa. Daniel Stofan, direktor kompanije GoodVision, navodi da četiri ključna aspekta igraju bitnu ulogu prilikom odlučivanja o položaju kamere. Tri najvažnija su udaljenost, visina i postojanje prepreke. “Da biste postigli maksimalnu zagarantovanu preciznost, morate se pobrinuti da objekti koji se prate imaju dimenzije od najmanje 5 posto od veličine scene. To znači da bi dužina vozila trebala biti oko 60 piksela na sceni s rezolucijom 1280×720 pix. Manje objekte može biti teže otkriti u nekim slučajevima i na to utječu i drugi faktori kao što su objektiv, zamućenost itd. Osim toga, morate provjeriti da li neki objekti pokrivaju znatan dio scene ili ćete, u protivnom, dobiti lažnu sliku. Kako to riješiti? Zumiranjem ili pomjeranjem”, kaže Stofan.
Visina i prepreke
Nakon što se riješi pitanje daljine, sljedeći ključni faktor je visina. Ako je kamera postavljena prenisko, prepoznat će samo vozila sprijeda. Ako je postavljena previsoko, funkcije poput prepoznavanja registarske tablice odvijat će se otežano. Stofan predlaže da se kamere sa standardnim 2,8 objektivom postavljaju na visini od 5 do 25 metara iznad tla, ovisno o tome koliko je širok prostor koji se želi pratiti. Prepreke koje blokiraju vidno polje kamere još su jedan važan faktor koji treba uzeti u obzir, a to mogu biti veliki objekti poput drveća i zgrada ili manji poput stubova i žica. Ako prepreka prekrije vozilo, sistem ga može tretirati kao novi objekt kada ponovo uđe u kadar i tako se ometa praćenje njegove putanje kretanja. Tu je i faktor nagiba. Ako ste pravilno odredili udaljenost i visinu, utvrđivanje ugla nagiba ne bi trebalo biti problem.
Objektiv i osvjetljenje
O hardverskim zahtjevima videoanalitičkih sistema ćemo više govoriti kasnije, no prije toga treba navesti i druge faktore povezane s objektivom na koje treba posebno obratiti pažnju. Prljavi ili izgrebani objektiv uzrokovat će pojavu mutne slike i sistemu će otežati prepoznavanje kontura. Istovremeno se kapi kiše mogu ponašati kao fizičke prepreke ili dovesti do iskrivljenja slike, a deformacija slike se može javiti i zbog izobličenja prikaza, dok frontalno svjetlo koje izaziva odbljesak ili odraz može smanjiti jasnoću slike. “Osvjetljenje scene igra važnu ulogu i u videoanalitici. Međutim, moderni sistemi su dizajnirani da prepoznaju čak i objekte u mraku. Jedini uslov je da objekti budu barem malo osvijetljeni da bi se na slici mogli vidjeti golim okom”, objašnjava Stofan. Santoya opisuje razloge za zabrinutost koje navode određeni korisnici. Često se javljaju pritužbe da analitičko rješenje ne radi kako bi trebalo nakon instalacije, i to je zato što instalater i korisnik nisu slijedili upute proizvođača. Naprimjer, kamera je nekada postavljena previsoko ili prenisko ili je instalirana na otvorenom, a namijenjena je radu u zatvorenom prostoru. Dakle, kupci bi trebali razumjeti upute i pravilno ih se pridržavati ako žele najbolje rezultate.
Kvalitetan hardver za efikasnu analitiku
Većina proizvođača videoanalitičkih rješenja za upravljanje saobraćajem reći će vam da im brend kamere nije važan sve dok ona može praviti snimke koji udovoljavaju minimalnim zahtjevima. Minimalni zahtjev je da objekt koji želite da ga sistem prepozna bude vidljiv i ljudskom oku. Drugim riječima, ako vi nešto ne možete vidjeti na snimku, ne može ni kompjuter.
Rezolucija kamere
Po pravilu, što je viša rezolucija, kompjuteru je lakše razaznati objekte na snimku. Međutim, mnoga videoanalitička rješenja mogu koristiti i prastare VGA kamere sve dok one kreiraju dovoljno vidljiv videomaterijal. Prema Stofanu, rješenja njegove kompanije nude najbolje performanse pri rezoluciji od 1280×720 i 1920×1080 piksela. “Općenito govoreći, GoodVision može podržati i niže rezolucije, sve do nivoa VGA. Međutim, niže rezolucije često idu u kombinaciji s nekvalitetnom optikom i malom brzinom prijenosa, što dovodi do toga da konture objekta nisu oštre (postaju mutne) ili ne liče na objekte iz stvarnog svijeta. Postavite rezoluciju koja može jasno prikazati konture objekta”, piše Stofan u svom tekstu objavljenom na Mediumu.
Brzina slike i blende
Podešavanje rada kamere na adekvatnu brzinu slike, odnosno prema broju sličica u sekundi, neophodno je za precizno snimanje objekata u pokretu pomoću videa. Za videoanalitička rješenja ovo je važno za pravilan rad funkcije praćenja objekata. Prema Stofanu, praćenje zahtijeva solidnu putanju objekta, tj. za potrebe brojanja učesnika u prometu na bazi polazišta i odredišta. Što je veća brzina objekata koji se prate videom, to je praćenje teže ako je brzina prikaza slike mala.
“Idealni broj sličica u sekundi (fps) za videoanalitiku koji je pogodan za većinu scenarija je između 10 i 30 sličica. Što je broj veći, to bolje. Više od 30 sličica u sekundi nema vidljiv utjecaj na kvalitet praćenja. Broj niži od 10 sličica uzrokuje probleme s praćenjem, posebno u pretrpanim scenama, kao i kod objekata koji se brzo kreću. Pri tome dolazi do doslovnog skakanja s mjesta na mjesto unutar scene”, dodaje Stofan.
Umjesto zaključka
Na kraju se može reći da većina proizvođača želi da njihova rješenja ne zavise od brenda kamere. Ipak, rezolucija videa i brzine blende imaju važnu ulogu u finalnoj izvedbi. Kvalitet podataka presudan je za postizanje najboljih rezultata za potrebe videonadzora. Jedan od glavnih izazova, posebno u javnim projektima, jeste kako osigurati da podaci koji dođu do servera budu potpuni jer, u protivnom, može doći do nepreciznih videoanalitičkih uvida.
Rubna i serverska analitika
Analitika za upravljanje saobraćajem i cestovnom sigurnošću mora predstavljati idealnu kombinaciju rubne i serverske analitike, smatra Parakkalu. To je zato što neke funkcije koje zahtijevaju trenutni odgovor moraju biti dostupne s ruba mreže. “Kontrola pristupa, naprimjer, mora biti zasnovana na rubnom računarstvu, odnosno na rubu mreže. To je zato što sistemu za kontrolu pristupa trebaju funkcije u realnom vremenu kako bi se nekoj osobi što prije omogućio ili zabranio pristup. Naprimjer, kada vozilo dođe do rampe, očitava se njegova registarska tablica, zatim se ona provjerava u odnosu na bazu podataka i pristup se odobrava. Sve se to mora riješiti u roku nekoliko sekundi i zato analitika mora biti rubna”, kaže Parakkal. Ostale primjene mogu biti i kombinacija rubne i serverske analitike. Identificiranje objekta može se izvoditi na rubu mreže, a očitavanje registarskih tablica na serveru. Ipak, Parakkal dodaje da njegova kompanija pokušava zadržati što više funkcija na rubu kako bi se izbjegle komplikacije koje mogu nastati zbog problema s mrežom.
