Resultat från fältprov - AI videoanalys för intrångsdetektering
Securify har under januari till mars 2021 utvärderat U-alarm, en mjukvara för perimeterskydd utvecklad av Ultinous.
U-alarm bygger på ett av Ultinous egenutvecklat dataset och AI videoanalys, och är en vidareutveckling på den tidigare programversionen UVAP. Datasetet till U-alarm har tränats med drygt 8 miljoner bilder med målet att klassificera människor.
Kombinationssystem:
Steg 1. Radar för detektering och spårning av rörelser
Steg 2. PTZ-kamera för bildverifiering av detekterade rörelser
Steg 3. AI video analys för objektklassificering
Fältprovet inleddes tidigt i januari -21 då Securify fick tillgång till en BETA-version av U-alarm. Vår ambition var att testa U-alarm under så realistiska och utmanande omständigheter som möjligt vilket skedde genom att videoanalys utförs på videoström från en PTZ-kamera, kontrollerad av radarsystem. Inga presets nyttjades, PTZ-kameran styrdes dynamiskt av radarsystemet till att följa detektioner som kvalificerats av radarsystemet. Detta innebar att förutsättningarna för U-alarm var de svårast tänkbara, en betydande skillnad mot att analysera video från fasta övervakningskameror med endast 40-60 meter räckvidd.
Testsystemet installerades i en krävande miljö och en omfattande yta som skulle övervakas med mycket aktivitet, spårtrafik, servicepersonal, rådjur, harar, byggnader, staket, träd, en hel del vegetation och ojämn belysning. Radarsystemets detektionsområde omfattade ca 7 hektar medans larmzonerna främst täckte ytor innanför staketlinjen, ca 3 hektar.
Under en slumpmässigt utvald mätperiod i slutet av Januari så kvalificerade radarsystemet totalt 699 detektioner under 3 dygn. Under dessa 3 dygn så aktiverade radarsystemet PTZ-kameran till att följa kvalificerade tracks, totalt 699 gånger. Det innebar i sin tur att Ultinous U-alarm analyserade video från 699 unika händelser. Av dessa 699 så klassificerade U-alarm 65 st händelser som människor, av dessa 65 händelser så var 5 st felaktiga.
Samtliga felaktiga klassificeringar skedde nattetid och med relativt dålig belysning. Dessutom på ett avstånd motsvarande 150-250 meter från kamerans position. Några klassificeringar som särskilt utmärkte sig var:
En lokförare inne i ett ankommande tåg på natten
En bangårdsarbetare som åkte på fronten till ett lok
En servicetekniker utanför staketlinjen på hela 390 meters avstånd (dagtid)
Kort om systemet:
Videoanalys: Ultinous, U-alarm ver1.0.1
Kamera: Axis, Q6215-LE (inbyggd IR med upp till 300 meter räckvidd)
Om U-alarm:
U-alarm ingår i kategorin mjukvara ’AI videoanalys’ som med hjälp av maskininlärning och AI analyserar video i realtid med förmåga att klassificera olika objekt. U-alarm är i denna version tränad med drygt 8 miljoner bilder att känna igen och klassificera människor. Till skillnad från tidigare generationer av videoanalys mjukvaror så kräver
U-alarm inga perspektiv inställningar och annan tidskrävande konfiguration, anpassning i samband med säsongs förändringar är inte heller nödvändigt. Sammantaget innebär detta att tekniken är skalbar och tillförlitlig.
Denna teknologi är relativt processor intensiv och av denna anledning sker analysen på en dedikerad server med en Nvidia GPU med 256 st CUDA-processorer. En fördel med serverbaserad analys är att analys kan ske oberoende av vilken kameratillverkare och kameramodeller som kunden föredrar.
Egenskaper
Maskininlärning
Serverbaserad analys
Analys av PTZ-kameror
Fördel
Känner igen objekt
Kameraoberoende
Täcker stora ytor
Innebörd
Säsongsoberoende
Analys med befintliga kameror
Kostnadseffektiv övervakning
Slutsatser:
Resultatet från fältprovet visar att kombinationen av radar, PTZ-kamera och AI-videoanalys tillsammans skapar ett perimeter-system med mycket god detektions-förmåga. Dessutom, ett perimeter-system med utomordentlig förmåga att reducera antalet falsklarm.
Den begränsning vi ser i videoanalys och kamerans förmåga att matcha radarns yta och avståndstäckning är kamerans förmåga att leverera tillräckligt god bildkvalitet till videoanalysen. Det är i första hand scenens ljussättning, i andra hand kamerans kapacitet att sätta rätt fokus och i tredje hand väderleken som reducerar bildkvaliteten.
Vid avstånd under 300 meter är dock begränsningarna små. Vi ser en realistisk möjlighet att, med denna kombination, reducera falsklarmen med uppemot 99%.