Диссертация (1172947), страница 18
Текст из файла (страница 18)
Данная информация будет получена как из ЦБД, так и из ЛБД.Замечу, что кластер в БД соответствует одной человеческой личности, аэлементы кластера соответствуют фотографиям этой личности. И что для центракластера уже вычислены математические шаблоны.Врамкахпредлагаемойархитектурыпоискизображенийлицпофотографии будет обладать низкой вычислительной сложностью, а именно О(n),где n – это количество кластеров в ЦБД, то есть количество физических лицпопавших в поле видимости видеокамер. При этом О(1) – потребность ввычислительных ресурсах, определяемая для расчѐта функции подобия дляодного кластера.
Соответственно, О(n) – та же потребность для n кластеров.3.5 Алгоритмы решения задач управления безопасностьюДля ответа на современные вызовы, стоящие перед сотрудниками службыбезопасности, уже недостаточно просто организовать систему видеонаблюдения.Эффективное обеспечения безопасности требует автоматизации задач, стоящихежедневно перед сотрудником службы безопасности. Это сократит времяреагирования на изменение оперативной обстановки и улучшит показателираскрываемости при задержании лиц, которым правоохранительные органыдолжны уделить повышенное внимание в «реальном времени».Существующиесистемывидеонаблюдениясбиометрическойидентификацией в сфере безопасности ([125], [105], [132]) не предназначены дляанализа статистической информации об интересанте, например, такой, как местапребывания. Фактическое их назначение – оказание помощи сотрудникамподразделений безопасности в наблюдении за текущей обстановкой на объекте иавтоматическое выявление интересантов по заданной заранее биометрии лица.
Втаких системах данные хранятся в виде видеофайлов, а не в структурированномвиде. Но объем собранной информации по такому городу, как Москва составляетдо 10 экзабайт (260 байт = 220 терабайт) информации в сутки ([25]). Даже для117хранения такого количества информации требуются огромные вычислительныересурсы, не говоря уже об анализе ее оператором и расчет статистическойинформации об интересанте. Описанный недостаток может повлечь потерюзначимой информации о потенциально опасном лице и снизить уровеньбезопасности в местах массового пребывания людей.Далее предлагается аналитическая модель статистических задач, стоящихперед сотрудником службы безопасности.
От показателей точности и скорости ихрешения зависит эффективность обеспечения правопорядка и профилактикиправонарушений.Без потери общности предполагается, что сотруднику службы безопасностиизвестна фотография интересанта, и существует база данных, в которойнакапливаются и хранятся значения случайных величин описанных ниже.Структура БД представлена ранее. Рассмотрим подробно статистические задачи иразработанные автором их математические описания и решения. Формализацияуказанных задач и решений осуществляется впервые.1. Определение мест пребываний.Данная задача подразумевает привязку данных интересанта к местам егопребывания и частоте его пребывания в заданных местах в определенныепериоды времени.Рассмотрим случайную величину пребываний j-того интересанта ξj поадресному пространству с набором параметров (a,t)ξj = (a, t),(3.1)где a – адрес пребывания человека, t – начальное (зарегистрированноеоборудованием) время его пребывания по этому адресу.
Данная случайнаявеличина характеризует места пребывания человека с учетом времени.Алгоритм поиска мест видео фиксации человеческой личности поизображению лица можно описать следующим образом (рисунок 3.6):Вход: изображение лица (фотография, фоторобот); анализируемый временной промежуток.118Выход: значение случайной величины пребывания в адресном пространстве.Алгоритм:1) вычислить математический шаблон изображения лица;2) произвестисравнениевычисленногоматематическогошаблонасхранимыми центрами кластеров в ЦОП;3) если уровень доверия выше заданного порога:a.
вслучаееслиоператорукомплексатребуетсяглобальноепредставление информации в масштабе мест массовых скопленийлюдей, то предоставить оператору комплекса список местоположенийискомой личности с указанием времени из ЦБД (таблица 3.2);b. вслучаееслиоператорукомплексатребуетсядетальноепредставление информации, то предоставить список местоположенийискомой личности с указанием времени из ЛБД с использованиемключей из ЦБД (таблица 3.3).Таблица 3.2 - Выходные данные при реализации алгоритма поиска мест видеофиксациичеловеческой личности по изображению при глобальном представленииФИОАдресНачальное времяКонечное времяИванов И.И.Савеловский вокзал2015-08-10 14:522015-08-10 15:13Иванов И. И.Аэропорт Шереметьево2015-08-10 17:352015-08-10 21:34Таблица 3.3 - Выходные данные при реализации алгоритма поиска мест видеофиксациичеловеческой личности по изображению при детальном представленииФИОИванов И.И.Иванов И.
И.Иванов И.И.АдресВремяСавеловский вокзал, Касса №12015-08-10 14:52Савеловский вокзал, Турникет2015-08-10 15:05Савеловский вокзал, Платформа №1, 2015-08-10 15:13Путь №3Ссылка наизображениеФото №1Фото №2Фото №3119Поиск мест видеофиксацииВычисление математическогошаблона изображения лицаСравнение вычисленногоматематического шаблона схранимыми центрами кластеров вцентральной оперативной памятинетШаблон соотносится содним из хранимых?дадаТребуется глобальноепредставление?Вывод общего векторапребыванийξ = ((a1,t1),..
(an,tn))нетВывод векторапребыванийξ’ = ((a’1,t’1),.. (a’n,t’n))КонецРисунок 3.6. Блок-схема алгоритма определения мест пребываний.2. Определение предположительных мест пребывания интересанта.Рассмотрим случайную величину пребываний интересанта (3.1). Тогда дажеесли нам известна только часть значений данной случайной величины ξj(a, t),применив интерполирование и воспользовавшись алгоритмами построениямаршрутовпередвижения,можноопределитьпромежуточныезначенияуказанной случайной величины.3.
Выявление связей интересанта (рисунок 3.7).Как правило, при обнаружении человека, подозреваемого в преступлениях,может возникнуть задача анализа его связей. В контексте существования БД свидеофиксацией людей, поиск связей сводится к поиску попутчиков.120С математической точки зрения возникает задача установки различия междуслучайными и устойчивыми попутчиками. В контексте исследования можнорассматривать только устойчивых попутчиков. В эту категорию попадают двавида людей: люди, с которыми был достаточно продолжительный общий путь; люди, с которыми может быть не продолжительный общий путь, нопериодический (например, коллеги по работе).Рассмотрим последовательно решение задачи для обеих категорий граждан.Для тех людей, у которых был достаточно продолжительный общий путь, можнопредложить следующую модель решения:пусть анализируемый человек, для которого мы будем искать попутчиков,имеет случайную величину пребываний в адресном пространствеξ = ((a1,t1),..
(an,tn)),(3.2)где ai – адрес пребывания человека, ti – начальное (зарегистрированноеоборудованием) время его пребывания по этому адресу, n – количествозарегистрировавших интересанта камер. Будем для краткости называть еѐадресной характеристикой.Зададим приемлемое значение, на которое может различаться времявидеофиксации ∆t. Пусть другой человек, возможно попутчик, попал в зонудействия тех же камер. Тогда для него адресная характеристика имеет следующийвид:ζ = ((a1',t1'),.. (am',tm')),(3.3)при этом m – число участвующих в расчѐте камер, в поле действия которых попалчеловек.
Значения ai' и ti' аналогичны значениям в (3.2).Для поиска человека с адресной характеристикой (3.2), который будет свысокойдолейвероятностипопутчикомдругогочеловекасадреснойхарактеристикой (3.3), необходимо найти соответствие их характеристик. Сматематической точки зрения это означает, что случайная величина пребываний(3.2) имеет подвекторξk = ((ak1,tk1),.. (akv,tkv)),(3.4)121а случайная величина (3.3) подвекторζp = ((ap1',tp1'),.. (apv',tpv')) ,(3.5)где p и k – счѐтчики камер, а v – их количество, участвующее в расчѐте.
Для нихдолжна выполняться группа условий Ŵ, о которых известно, чтоaki= api ,i=1…vŴ=.tki – tpi < ∆t,(3.6)i=1…vУчитывая первое равенство в группе условий Ŵ, можно говорить о разностивеличин адресных характеристик ξk и ζp в видеξk - ζp< ∆t,(3.7)где ∆t – допустимая разница во времени между видеофиксацией анализируемыхлюдей.При этом длину подвекторов ξk и ζp (значение v), временной промежутоквремени (значение tk1 – tpv), а также значение промежутка времени, за которыйнеобходимо установить соответствие адресных характеристик попутчиков, задаетоператор комплекса.Для тех людей, которые могут иметь не продолжительный общий путь, нопериодический, можно предложить следующую модель решения:пусть анализируемый человек имеет случайную величину пребыванийξ = ((a1,t1),..
(an,tn)),(3.8)адресная характеристика другого человекаζ = ((a1',t1'),.. (am',tm')),(3.9)тогда необходимо найти у ξ такие подвектораξk1 = ((ak1,tk1),…,(akv,tkv))… ξdr = ((ad1,td1),.. (adv,tdv)),(3.10)а у ζ такие подвектораζp1 = ((ap1',tp1'),.. (apv',tpv')),…,ζzr = ((az1',tz1'),.. (azv',tzv')),(3.11)что для каждой пары подвекторов из (3.10) и (3.11) должны выполняться условия,о которых известно, что:ξki - ζpi< ∆t,i=1…r,(3.12)122где ∆t – допустимая разница во времени между видео фиксацией анализируемыхлюдей, r – количество встреч анализируемых людей. Параметры ∆t и r задаетоператор комплекса.Таким образом, накоплениепредставленныхслучайныхивеличинхранение информациивадресномопространствезначенияхпозволитсущественно сократить время решения описанных статистических задачсотрудниками службы безопасности.
Создание систем безопасности, в которыхвозможномаксимальноавтоматизироватьзадачисотрудниковслужбыбезопасности, в частности поиск и составление списков потенциально опасныхпосетителей мероприятий, крайне актуально в настоящее время.Выявление связей интересантаВычисление значений случайнойвеличины пребываний в адресномпространстве ξ = ((a1,t1),.. (an,tn))Установка параметров ∆t,нетξki - ζpi< ∆t,Связи необнаруженыr, vi=1…rдаВывод связейКонецРисунок 3.7. Блок-схема алгоритма выявления связей интересанта.Разработанная модель позволит повысить эффективность распознавания лиц,выявления их сообщников, и вследствие этого повысить безопасность в местахмассового пребывания людей.1233.6 Алгоритм управления действиями службы безопасностиВ качестве возможного примера реализации представленных в исследованиимоделей и алгоритмов рассмотрим возможные макеты действий оператора ируководителя группы объектов наблюдения при применении ИАС.Анализ соответствующих нормативных документов показал, что в целомони направлены на уточнение требований к системам видеонаблюдения ивидеоанализа на объектах инфраструктуры мест массового скопления людей([60], [56]).
Однако не существует нормативных документов, регулирующихдействия руководителя объекта и оператора системы видеонаблюдения ивидеоанализа по выявлению потенциально опасных лиц. Кроме того, опросруководителей территориальных органов управления МЧС, МВД России исоответствующих подразделений местных органов власти, использующих в своейработе различные системы видеонаблюдения и видеоанализа, продемонстрировал,что реальных алгоритмов действий в этих организациях в настоящий момент нет.Их действия по эксплуатации систем такого вида заключаются в апостериорноманализепроизошедшихсобытий,адействиявреальномвременинерегламентируются. Поэтому автором разработаны алгоритмы, которые могутбытьиспользованыруководящихвкачестведокументов.основыдляПредставленныесозданиямакетысоответствующихдействийизначальноподразумевают наличие на объекте ИАС, способной в автоматизированномрежиме распознавать лица.
Однако макеты действий могут быть адаптированы кситуации с наличием на объекте стандартной системы видеонаблюдения, но приэтом эффективность сотрудников службы безопасности, а именно скоростьобработки данных, будет более низкой.Остановимся на разработанных алгоритмах. На рисунке 3.8 представленблок-схема алгоритма поддержки управления, относящийся к оценке вероятностиобнаружения нарушителя службой безопасности.124Начало процесса оценки оперативности реагирования службы безопасностиОбследование объекта. Определение планов эвакуации.Определение мест для установки камер.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
