Vår vision av kameraövervakning är ett mörklagt rum med en hel vägg med videomonitorer och människor som sitter och tittar och pratar i telefon. Hollywood har prackat på oss många vanföreställningar genom tiderna. Sanningen är naturligtvis att organisationer som Polisen, Stockholms tunnelbana eller Trafik Stockholm har alltför många kameror för att människor ska kunna övervaka dem. Bara i Söderledstunneln sitter omkring 500 kameror. Detsamma gäller Öresundsbron. I London har de flesta tunnelbanestationer mellan 100–200 kameror, med totalt över 15000 kameror, medan SL nöjer sig med 4800 stycken.
Det är orimligt att använda människor till att titta på 15000 övervakningskameror. De skulle aldrig kunna hålla intresset uppe tillräckligt länge, eller kunna dra slutsatser av saker som händer på flera bilder på en gång. Istället betraktas bilder från övervakningskameror av datorer, som kan ta olika beslut baserat på vad bilderna visar, hur bilderna förändras och hur objekten i bilderna förflyttas ut och in i bilder från angränsande kameror.
Man kunde ha valt att närstudera någon av ett otal olika tillverkare av övervakningskameror och tillhörande system. Vi valde tyska Mobotix för de har en intressant idé om distribuerad databehandling.
– Vi har utvecklat egen teknik för att exempelvis göra personräkning, aktivitetskartor, hitta avvikande rörelser, med mera. Vi är inte beroende av en central server. All databehandling, alla larm och all statistik görs av kamerorna själva. Man kan ha ett stort mörkt rum fullt med bildskärmar, men det är absolut inget krav. Man kan också få en bild på bestämda tider, exempelvis var fjärde timme eller en aktivitetskarta en gång om dagen så man ser en översikt av rörelsemönstret i butiken, berättar Mobotix danske affärsutvecklingschef Tonny Frederiksen.
Att förstå vad man ser
Med kameror som ser i olika våglängdsband kan systemet också hitta människor på natten, värmehärdar eller utläckande gas. Med lämpliga algoritmer kan övervakningen skilja på människor och skuggor, djur och buskar. Ännu intressantare algoritmer kan förstå om en människa blir kvar på en plats orimligt länge eller lämnar kvar en sak, eller kan följa en misstänkt människa genom ett helt tunnelbanesystem.
Läs också: Internettrafiken fördubblas varje år. Kommer svenska nätet verkligen att hålla för det?
En annan aspekt av att förstå vad man ser, är att minska antalet falsklarm. Ett helautomatiskt system kan inte förstå vad som syns på bilden. Det viktiga är att kunna skilja ut verkliga rörelser i en bild, men ignorera skuggor och svajande träd. Mobotix kallar sin metod för MxActivitySensor. Med denna kan man skilja ut om en enskild person reser sig i en folksamling, om en person kommer in i ett rum fullt av människor, en person passerar på långt håll i snöstorm, samt åt vilket håll föremål rör sig. Å andra sidan har kamerans ägare också ett visst ansvar, som att förse kameran med tillräckligt ljus, ge algoritmen lämpliga tröskelvärden (se nedan) och ange lämpliga detekteringsområden. Det är också viktigt att inte två händelser inträffar för tätt ihop, eftersom de kan råka tolkas som samma händelse.
Nyckelord: Software not required
Nu kommer det viktiga, och det viktiga är säkerheten mot driftavbrott och felinformation.
– All databehandling sker med logik direkt i kameran. Det behövs ingen central server för att tolka bilden och samla in statistik. Den moderna tekniken har gjort kraftfulla processorer så små att varje kamera kan agera egen bildtolkare och statistiksamlare. Dessutom kan kameran förses med upp till 256 gigabyte videominne och lagra på sig videosekvenser även om förbindelsen med den centrala lagringsenheten skulle brytas. Det är logiken i kameran själv som larmar vid farliga situationer. Kameran skickar själv ut larm till larmcentreal via sms eller e-post, säger Tonny Frederiksen.
En kamera i systemet kan utses till masterklocka varvid alla andra kameror synkar sina klockor mot denna. Masterklockan kan antingen hämta tiden från GPS (mindre bra) eller från en NTP-server på internet (mycket bättre).
Det finns ett antal fördelar med denna form av distribuerad databehandling. Trafiken på nätverket minskas kraftigt om man slipper sända videoströmmar och kan inskränka sig till att bara sända statistik och larm. Man riskerar inte att hela systemet faller bort bara för att den centrala tolkningsservern kraschar eller nätverket stannar. Skulle systemet tappa förbindelsen med NTP på Internet fortsätter alla kameraklockor ändå att gå synkront.
Naturligtvis kan kamerorna indelas i larmgrupper och sända video kontinuerligt om så önskas, men det är inte nödvändigt för funktionen.
Heat map
En ”heat map” har ingenting med värme att göra utan ska snarare tolkas som en aktivitetskarta. Kartan ovan visar hur människor strömmar genom en entré. De flesta tycks gå från dörren närmast och fram till hissen och vänta där (gul-rött område). Några går också längs receptionsdisken till vänster och ett litet fåtal går genom dörrarna till höger och vänster.
Automatiska algoritmer kan också utvärdera var kunder i en butik rört sig och vilka varor de rört vid, en så kallad ”store traffic heat map”. Det kan hjälpa handlarna att ta reda på vilka montrar eller produkter som är ointressanta, eller vilka varor som är för dyra, om de till exempel vidrörts men inte köpts. På just den här bilden tycks det som om folk mest gått tvärs igenom butiken. Att bara kunna räkna antalet kunder i butiken eller se när köerna vid kassorna blir längre och automatiskt kunna kalla in flera kassörer kan vara väldigt viktigt för kundnöjdheten.
I ett shoppingcentrum kan statistiken också användas till prissättning av annonsplatser. Livligt frekventerade platser ska givetvis vara dyrare att hyra än sådana där bara få människor stannar.
Förbjudna zoner
Det finns platser där obehöriga inte alls får vistas, som järnvägsspår, startbanor, kärnkraftverk och liknande och om systemet upptäcker rörelse på sådana platser kan man behöva göra stopp i trafiken eller kalla in ordningsmakten.
En av de enklaste åtgärderna i ett övervakningssystem är att undersöka om människor går in, eller faller in på ett förbjudet område eller går genom en förbjuden dörr. I scenariot nedan är det enkelt. Man sätter upp fiktiva grindar eller fiktiva korridorer och låter systemet avgöra när någon passerar en grind. En grind skulle lika gärna kunna vara en fiktiv linje längs ett järnvägsspår eller en tunnelbaneperrong.
Här ser du hur en person gått in i en förbjuden zon och en andra är på väg. De små siffrorna i bilden är personräknare som anger hur många som passerat denna fiktiva grind. I varje kamera kan man definiera upp till 20 olika förbjudna zoner som genererar olika larm.
Det finns inbyggda problem som att skuggor av människor inte får registreras som människor och djur inte heller får registreras som människor, för det kan bli falsklarm utomhus. Men hur förhindrar man larm när ett tunnelbanetåg kommer in till stationen? Det befinner sig garanterat på förbjudet område. Därtill har Mobotix olika gränssnittslådor (IO-box) som kan matas med signaler utifrån, från till exempel tunnelbanesystemet, om att det nu är dags att ignorera den förbjudna zonen. Boxarna finns med både RS-232-ingång och för olika diskreta signaler och kan anslutas antingen direkt till den berörda kameran via Mobotix krypterade MxBus, eller till ethernet.
