Ökad säkerhet med videoanalys

Med hjälp av videoanalys kan man se om någon rör sig ovanligt snabbt i en folkmassa, identifiera övergivna väskor eller personer som driver omkring. Snart kommer man till och med att kunna se om någon är på väg att göra något otillåtet.

Problemet med videoövervakning är att det finns för mycket inspelat material, varav större delen är extremt långtråkigt. Ingen normal person vill sitta och titta på en skärm i flera timmar utan att det händer något speciellt. Så hur kan man använda övervakningskameror på ett mer effektivt sätt?

Svaret är videoanalys, även om många inom branschen är snabba med att påpeka att förväntningarna på denna teknologi har varit för höga från början. Courtney Dillon Pedersen, kommunikationschef på Milestone Systems, som tillverkar plattformen XProtect Analytics, där olika kameror och analysverktyg kan integreras via IP, säger:
– Videoanalys blev alldeles för hypat när det lanserades.
Och Johan Paulsson, CTO på kameraföretaget Axis Communications, säger:
– Man kan inte använda videoanalys för operativt nödvändiga aktiviteter. Det skulle vara alltför riskabelt att förlita sig helt och hållet på ett system utan mänsklig inblandning för att exempelvis stoppa inkräktare på en högsäkerhetsanläggning.

Så vad kan det användas till? Enligt Johan kan det vara till hjälp för operatörerna och enligt Courtney ger det mervärde till inspelningarna.

Låt oss förklara det hela lite närmare. Rasmus Crüger Lund, som är systemarkitekt på Milestone, säger:
– Med hjälp av videoanalys blir det lättare för operatörerna att fokusera på rätt saker. Information som de inte behöver bry sig om filtreras bort, vilket gör att de kan reagera snabbt när det händer något.

”Hypen” som Courtney pratar om är påståendet om att man med hjälp av videoanalys skulle kunna avgöra vilka incidenter som verkligen innebär ett hot mot säkerheten. Det kan man inte ännu, men man kommer allt närmare. Man kan se om någon rör sig i fel riktning eller onormalt snabbt i en folkmassa. Man kan identifiera en övergiven väska eller en person som verkar driva omkring. Man kan se om någon försöker smita förbi en avspärrning bakom en annan person och man kan identifiera nummerplåtar på bilar. Och självklart kan man se om någon har tagit sig in på ett förbjudet område.

Systemet kan emellertid inte avgöra om dessa incidenter är relevanta, utan det är operatören som måste fatta det avgörande beslutet. Dessa ”falsklarm” är egentligen inte falska: syftet är att operatören framför skärmen ska titta extra noga på dessa incidenter, innan han eller hon tar beslutet att ingen åtgärd krävs. Men alla dessa falsklarm är irriterande och om de blir för många förlorar systemet sin trovärdighet.

Johan tror att personalutbildning är en viktig faktor i detta sammanhang.
– Videoanalys är helt klart praktiskt klockan tre på natten, då det mänskliga ögat inte alls är särskilt pålitligt, säger han. När man använder videoanalys sitter man och väntar på att larmet ska gå. Ibland är det falsklarm, men det är viktigt att operatörerna inte förväntar sig att det ska vara det.

James Orwell, chef för Visual Surveillance Research Group på Kingston University i London, England, anser att en orsak till alla falsklarm är att många övervakningssystem har en primitiv infrastruktur.
– Systemen har ofta dålig upplösning, där den analoga bildsignalen digitaliseras och sedan komprimeras på ett mindre bra sätt, säger han. I jämförelse med datorgenererad grafik är detta rena stenåldern.

Men det blir bättre och bättre. Johan säger att högupplösta videoinspelningar gör det lättare att skapa bra applikationer.

Rasmus ser komplicerade installationer som en annan orsak till problemen, men han tror att detta snart kommer att förändras:
– I framtiden kommer systemen att installera sig själva, eller åtminstone tala om för operatören vilka parametrar de inte kan klara på egen hand, säger han. De bästa systemen kommer att själva kunna lära sig vad som är normalt beteende och inte.

Tack vare den tekniska utvecklingen kommer systemen att bli alltmer tillförlitliga när det gäller att identifiera säkerhetsrelevanta situationer. Rasmus följer med stort intresse universitetens forskning vad gäller detektering av avvikande beteende.
– Man studerar bland annat små ansiktsrörelser och olika sätt att gå som kan vara tecken på att någon tänker göra något otillåtet, säger han.

Än så länge kräver sådan detaljerad detektering oerhört kontrollerade förhållanden. Biometrisk identifiering kräver att personen står still när han eller hon tittar in i kameran.
– Algoritmerna är fortfarande inte tillräckligt avancerade, men man håller på att utveckla metoder för 3D-identfiering med hjälp av flera olika kameror, säger Rasmus.

På Kingston University försöker ett forskningsteam just nu identifiera människor som kan vara beväpnade. Jean-Christoph Nebel säger i ett uttalande på videoanalytics.info att eftersom folk i allmänhet inte brukar vara beväpnade, åtminstone inte här i Europa, så förändras ofta det emotionella tillståndet hos någon som bär vapen.

Erfarna säkerhetsoperatörer kommer att få titta på autentiska inspelningar av brottslingar precis innan de begår vapenrelaterade brott samt inspelningar av vanliga människor och sedan säga till när de tycker att något verkar misstänkt, även om de inte riktigt vet vad det är. Dessa observationer kommer sedan att läggas in i ett maskininlärningssystem.

James tror att det finns stora möjligheter inom maskininlärning.
– Om operatörerna hela tiden kan beskriva vad de uppfattar som misstänkt beteende, så kan denna information användas för att utveckla algoritmer, säger han. Och eftersom man inte behöver förklara varför man tycker att något verkar misstänkt kan man även få med undermedvetna element.

Det är den ökade bearbetningskapaciteten som gör denna analys möjlig. Kamerorna har i dag så mycket bearbetningskapacitet att en stor del av analysen kan göras direkt, det vill säga inuti kameran på okomprimerat material. Och modern komprimering innebär att även det komprimerade materialet är väldigt användbart.
– Många tror att videoanalys bara är möjligt på komprimerat material, säger James.

Men den nya utmaningen är metadata, i synnerhet när det gäller analys i efterhand. Metadata är den information som överförs med videosignalen och som berättar vad signalen innehåller och gör att man kan söka efter specifik information på ett effektivt sätt.
– Detta kommer att bli jättestort, säger Rasmus. Man kommer att kunna hitta information utan att behöva analysera om den, eftersom metadatan finns i en databas. Man kommer till exempel att kunna söka efter alla videoinspelningar som innehåller ett visst bilmärke eller som visar en person som går över en viss linje.

Två branschorganisationer, PSIA och ONVIF, arbetar med att ta fram standarder för metadata (se relaterade artiklar).
– De två organisationerna har inte kommit överens om en gemensam standard, men två standarder är bättre än ingen standard alls.

Videoanalys är en teknologi som förväntas växa snabbt, trots en försiktig start. 2008 värderade IMS Research denna marknad till 47,5 miljoner USD och beräknar att den kommer att växa med i genomsnitt 24 procent per år mellan 2010 och 2013. En del av tillväxten kommer att ske inom andra områden än säkerhetsbranschen, till exempel analyser av konsumenternas beteende i butiker för att ta reda på hur designmässiga förändringar påverkar deras köpbeslut. Men teknologin kommer även i fortsättningen till stor del att användas för att se till att säkerhetsbranschen behåller sitt försprång gentemot brottslingarna.