面向未来的视频和人工智能分析应用

在本文中, 写自达尔迈尔, 我们希望展示决策者如何避免代价高昂的错误. 重点介绍了良好的图像质量等于最佳数据质量.

视频技术发展迅速. 除了测试的光学保证, 当局和警察对图像数据进行自动或半自动分析的可能性越来越大.

在这里保持概述并不总是那么容易, 随着新的解决方案不断进入市场，许多系统仍处于研究和实验状态。.

在本文中, 写自 达尔迈尔, 我们希望展示决策者如何避免代价高昂的错误. 而最具决定性的，甚至连分析系统本身都不是。.

视频图像分析: 多种可能性

原则上, 相机用作捕获分析数据的“光学传感器”. 没有比视频图像更好的方法可以从复杂的上下文中提取不同类型的数据，而相对较少的努力.

视频分析提供的可能性是多方面的: 人群分析, 用于计算人或物体; 外观搜索, 根据某些特征查找人员; 各种入侵检测系统, 用于保护无菌区域, 例如在体育场馆领域, 在关键基础设施的外围或许多其他基础设施中.

大多数系统目前使用基于神经网络的对象分类, 在通用语言中通常也等同于人工智能.

质量输入, 质量输出: 可定义的图像质量是决定性的

但充满热情, 经常, 图像质量的重要性被低估了. 在许多情况下, 错误在于只考虑和评估分析系统，而不是整体解决方案.

等等, 许多用户只是简单地放了几台相机和, 后, 他们将自己限制在以这种方式获得的图像上运行一些分析。.

然而, 根据旧的质量规则, 质量输出, 分析结果的质量可以, 自然, 仅与图像质量和一样好, 因此, 输入数据的质量.

图像质量定义为“每米像素数” (px/m)“在 DIN EN 标准中 62676-4 并且是每个视频系统的基本参数. 取决于所需内容, 例如, 62,5 px/m，用于基于 AI 的对象或人员检测，或 250 px / m，如果您希望在法庭上获得几乎百分之百的可受理性, 通过确保识别捕获的人脸.

正确的规划和适当的技术

成功的关键, 因此, 是提供, 用于特定形式的分析，例如人员和车辆的差异化, 要捕获的整个区域所需的最小值, 可靠地. 这才有可能, 制造商是否拥有适当的规划工具和系统以及执行这些计划的专有技术和专家.

此外, 即使在大表面上，也需要旨在提供这些最低分辨率的相机技术. 甚至超高分辨率百万像素相机也到货, 特别是, 在离图像最远的区域, 快速达到您的极限或, 换一种方式, 在大面积地区无利可图.

云台摄像机, 从 根本上, 它们不适合分析完整的上下文，因为它们只关注该区域的某个部分，并且主要用于主动视频观察.

现代系统, 所谓的多焦点传感器系统, 将多个不同焦距的传感器组合在一个系统中, 允许在整个表面上以精度定义最小分辨率, 即使在较大的空间环境中, 和, 所以, 在大多数情况下也是最经济的方法.

其他文章 达尔迈尔