reklama
reklama
reklama
reklama
reklama
reklama
reklama
reklama
© rob bouwman dreamstime.com Technologie | 28 listopada 2017

Inteligentna analiza wideo w urządzeniach IoT (cz.I)

Od dzisiejszych systemów wideo wymaga się coraz większej szczegółowości i jakości obrazu. Jest to wyraźnie widoczne w obliczu rosnącej popularności inteligentnych funkcji analizy obrazu. Analiza wideo lub analiza treści wideo nie jest zagadnieniem nowym. Istnieje już od przeszło 25 lat i z czasem znacznie dojrzała. Obecnie inteligentne funkcje analizy obrazu są już coraz częściej wbudowywane w aplikacje wideo działające w ramach Internetu przedmiotów (IoT).
Większość dzisiejszych danych analizowana jest centralnie, często w chmurze, gdzie również jest przechowywana. Wymaga to sporej ilości miejsca i dużych przepustowości, co bywa kosztowne i może ograniczać transfer innych danych. Przesyłany materiał do chmury w większości nie jest wykorzystywany, a jedynie obciąża sieć. Obecnie dostępne są już rozwiązania wbudowane, wykorzystujące funkcje analizy najnowszej generacji zwane rozporoszonymi lub brzegowymi. Ich zadaniem jest odfiltrowanie i interpretacja danych na krawędzi, tak aby tylko te ważne były przesyłane do chmury w celu ich przetworzenia. Jednak i one posiadają swoje ograniczenia. Większość aplikacji koncentruje się na analizie predykcyjnej i behawioralnej, które bazują na danych historycznych i informacjach z codziennego świata. Są dwa główne powody takiego stanu rzeczy: zapewnienie bezpieczeństwa oraz nadzór nad infrastrukturą a nawet społeczeństwem. Dzisiejsze aplikacje wideo wykorzystywane są do rozpoznawania twarzy, tablic rejestracyjnych, liczenia ludzi, monitorowania ruchu, śledzenia obiektów czy kontroli oświetlenia miejskiego. Zebrane w nich informacje mogą być rozlegle przetwarzane na wyższym poziomie przez chmury obliczeniowe. Jednak już ich dogłębne przetwarzanie nie jest możliwe. Z pomocą przychodzi analiza w węzłach (Node Analytics) i obrazowanie logarytmiczne (Logarithmic Imaging).


Rysunek 1. Konwencjonalna liniowa ekspozycja obrazu


Rysunek 2. Ekspozycja logarytmiczna z wykorzystaniem modułu ADIS17002


Rysunek 3. Ekspozycja logarytmiczna z wbudowanym wykrywaniem krawędzi, z wykorzystaniem modułu ADIS17002
Poprzez dodanie analizy w węzłach brzegowych sieci (np. wideokamerach, czujnikach), można znacznie poprawić analizę materiału wideo i tym samym ograniczyć lub całkiem wyeliminować komunikację z chmurą. Przetwarzanie w chmurze wymaga dwu lub nawet trzy krotnie większej przepustowości, niż potrzebują tego aplikacje z zaimplementowaną funkcją analizy w węzłach. Model rozproszonego przetwarzania danych umożliwia lokalne podejmowanie decyzji i redukuje wiele problemów związanych z opóźnieniami, bezpieczeństwem, przepustowością i zużyciem energii. Gęsto zaludnione miejsca, źle zarządzane odcinki ruchu oraz parkingi miejskie to tylko niektóre ze skomplikowanych przestrzeni, w których do analizy predykcyjnej i behawioralnej można wykorzystać analizę w węzłach. Oprócz ukrytej inteligencji w węźle, dodanie obrazowania logarytmicznego w kamerach może wzmocnić te systemy, zapewniając zalety w obszarach, w których konwencjonalne kamery są nie wystarczające. Kamery logarytmiczne zapewniają znacznie większy zakres dynamiki przetwarzania obrazu, uniezależniając go przy tym od zmian w jasności otoczenia. Pojawiające się cienie, odbicia, gwałtowne zmiany oświetlenia i obrazy o wysokim kontraście to obszary, w których obraz logarytmiczny może przewyższać ten konwencjonalny. Rozwiązanie tych problemów w aplikacjach wideo może wzmocnić przechwytywanie danych a tym samym analizę w węźle.

Nowe możliwości, które daje analiza w węzłach i obrazowanie logarytmiczne mogą pomóc w rozwiązywaniu trudności technicznych w aplikacjach do analizy wideo działających w ramach Internetu przedmiotów. Do najważniejszych problemów związanych z IoT należy: bezpieczeństwo transferu danych, opóźnienie w podejmowaniu decyzji, przepustowość i moc obliczeniowa. Dzięki eliminacji transmisji danych, problemy te mogą zostać znacznie zredukowane. Dlatego analiza typu "at-the-node" jest atrakcyjna dla aplikacji IoT. W aplikacjach do analizy wideo ograniczony kontrast i zależność od jasności są powszechnym problemem. Dzięki obrazowaniu logarytmicznemu trudności te zostały praktycznie rozwiązane. Połączenie obu tych możliwości - analizy w węzłach i obrazowania logarytmicznego pozwala na dogłębną analizę materiału wideo w aplikacjach IoT.

Inteligencja w urządzeniach brzegowych

Przetwarzając dane w urządzeniach brzegowych w oparciu o oczekiwane zdarzenia wizualne, można szybko je przekształcić. Ta szybka analiza wideo pozwala na lokalny proces podejmowania decyzji, co eliminuje opóźnienie powstałe w wyniku ich przesyłania do chmury. Poprzez wyeliminowanie przesyłania danych zwiększone zostaje ich bezpieczeństwo, które normalnie wprowadza ryzyko ich przechwycenia. Jedynie najbardziej znaczące informacje muszą zostać przesłane do chmury w celu predykcyjnego lub behawioralnego przetwarzania. Zoptymalizowany podział danych pozwala na zwiększenie dostępu do chmury, ponieważ nie jest potrzebna pełna przepustowość do analizy ramki wideo. W nieruchomych kamerach większość danych pomiędzy poszczególnymi ramkami jest statyczna i można je już odfiltrować w węźle. Analiza wideo w węźle krawędziowym może zapobiec wielu interpretacjom obrazu i tym samym pozwala na dokładne i niezawodne rozróżnienie oczekiwanych typów obiektów: samochodu, ciężarówki, roweru, człowieka, zwierzęcia, itp. itd. Ta decymacja sygnału zmniejsza ilość potrzebnych do przesłania danych i związaną z tym moc obliczeniową, które niewątpliwie byłby potrzebne do pełnej analizy na serwerze w chmurze. Zmniejszenie przepustowości pozwoli jednocześnie na zwolnienie mocy obliczeniowych serwerów w chmurze, co jest niewątpliwą zaletą oferowaną przez inteligentną analizę w urządzeniach brzegowych.

Obrazowanie logarytmiczne


Aplikacje do analizy wideo mogą zostać również ulepszone, poprzez rozwiązanie typowych problemów z konwencjonalnymi przetwornikami obrazu. Większość z nich jest liniowa. Piksele generują napięcie, które jest liniową funkcją światła, co skutkuje ograniczonym kontrastem. Kamery liniowe wykorzystują również jednorodną fazę ekspozycji, która ogranicza ich zakres dynamiczny do czasu ekspozycji w ramach trwania jednej klatki. Dodatkowo, konwencjonalny kontrast obrazu jest zależny od jasności (luminancji), która powoduje problemy związane z odbiciem. Te typowe przeszkody mogą być wyeliminowane poprzez użycie logarytmicznego przetwornika, z którego generowane napięcie jest logarytmiczną funkcją światła. Różnice pomiędzy tradycyjnym obrazem a obrazowaniem logarytmicznym można zaobserwować na rysunkach 1, 2 i 3.

Artykuł opublikowano dzięki uprzejmości © Analog Devices

Komentarze

Zauważ proszę, że komentarze krytyczne są jak najbardziej pożądane, zachęcamy do ich zamieszczania i dalszej dyskusji. Jednak komentarze obraźliwe, rasistowskie czy homofobiczne nie są przez nas akceptowane. Tego typu komentarze będą przez nas usuwane.
Załaduj więcej newsów
July 18 2018 17:55 V10.0.0-2