Нормативная документация
Методические рекомендации
Р 78.36.030-2013  Применение программных средств анализа видеоизображения в системах охранного телевидения в целях повышения антитеррористической защищенности ПЦО подразделений вневедомственной охраны


Содержание

1 Вступление

2 Классификация программных средств анализа видеоизображения по типам

3 Расширенная классификация видеоаналитики

4 Типы программных средств анализа видеоизображения, имеющие прикладное значение для использования в подразделениях вневедомственной охраны

4.1 Области применения и условия необходимые для успешной работы программных средств анализа видеоизображений для ПЦО

4.1.1 Первый рубеж охраны (периметр ПЦО)

4.1.2 Внутренняя зона охраняемого объекта (помещение ПЦО)

4.1.3 Области применения и условия необходимые для успешной работы программных средств анализа видеоизображений для ПЦО

5 Критерии оценки эффективности программных средств анализа видеоизображений

5.1 Качественные критерии оценки

5.2 Количественные критерии оценки

5.3 Глубина базы данных и её влияние на быстродействие системы и вероятности Робн. и Тлож. трев.

5.4 Робн. и Тлож. трев. в зависимости от условий наблюдений

5.5 Критерии оценки качества видеоаналитики по методике «i-LIDS»

6 Области применения, примеры реализации и условия, необходимые для успешной работы, программных средств анализа видеоизображений для движущихся объектов

6.1 Примеры реализации

6.1.1 Система цифрового видеонаблюдения «TRASSIR» фирмы «DSSL»

6.1.2 Система цифрового видеонаблюдения ООО «СИНЕЗИС»

6.1.3 Система цифрового видеонаблюдения «AXXON SMART» фирмы «ITV»

6.1.4 Система цифрового видеонаблюдения «Интегра-Видео» фирмы «Интегра-С»

6.1.5 Система цифрового видеонаблюдения «ORWELL 2K» фирмы «ЭЛВИС»

6.1.6 Система цифрового видеонаблюдения фирмы «СПЕЦЛАБ»

6.1.7 Система цифрового видеонаблюдения компании «Транзас»

6.1.8 Система цифрового видеонаблюдения «GLOBOSS» компании «КОДОС»

6.1.9 Детектор движения (обнаружения человека) компании «НОРДАВИНД»

6.1.10 Детектор движения (обнаружения человека) компании «МЕГАПИКСЕЛЬ»

6.1.11 Система цифрового видеонаблюдения компании «СИНЕЗИС»

6.2 Условия, влияющие на успешность работы программных средств анализа видеоизображений для движущихся объектов

6.3 Условия необходимые для успешной работы программных средств анализа видеоизображений для движущихся объектов

6.4 Области применения, примеры реализации и условия необходимые для успешной работы программных средств анализа видеоизображений для регистрации вновь появившихся и исчезнувших предметов из зоны наблюдения

6.5 Области применения, примеры реализации и условия необходимые для успешной работы программных средств анализа видеоизображений регистраторов автомобильных номеров

6.6 Области применения и условия необходимые для успешной работы программных средств анализа видеоизображений для комплексной охраны

6.7 Примеры реализации обнаружения дыма и пламени с помощью видеоаналитики

6.8 Особо важная зона охраняемого объекта

6.8.1 Примеры реализации видеоаналитики по биометрии лица человека

6.8.2 Примеры использования видеоаналитики в метрополитене

7 Объективные погрешности средств анализа видеоизображений

8 Результаты анализа работы систем видеоаналитики

9 Перспективы развития программных средств анализа видеоизображений

10 Камеры большого мегапиксельного разрешения

11 «Облачная» видеоаналитика

12 Вывод (обобщение результатов рекомендаций)

Приложение А Обзор «Видеоаналитика в IP-камерах»

Приложение Б Обзор стандарта «ONVIF»

Список используемой литературы и нормативной документации по данной теме

Адреса и контакты производителей















5.3 Глубина базы данных и её влияние на быстродействие системы и вероятности Робн. и Тлож. трев.

Количество объектов сравнения в некоторых случаях могут оказать существенное влияние на вероятность обнаружения (Робн.) и вероятность ложной тревоги (Тлож. трев.). Наиболее сильно данная особенность будет проявляться для сложных объектов при формализации их параметров. Наиболее характерным примером такого объекта является лицо человека, поэтому определение вероятности обнаружения (Робн.) и вероятности ложной тревоги (Тлож. трев.) должно проводиться при заполнении максимальной емкости базы данных (не менее чем на 50%). В случаях, когда ввод различных объектов сложен из-за трудоемкости, размер базы данных при приемо-сдаточных испытаниях должен оговариваться отдельно в техническом задании.

Быстродействие системы должно определяться с учетом времени реакции службы безопасности на угрозы (как правило, не должно превышать 10 секунд).

Если проводить классификацию влияния глубины базы данных на вероятность обнаружения (Робн.) и вероятность ложной тревоги (Тлож. трев.), то следует отметить, что в настоящее время наибольшее влияние оказывают объекты биометрии (распознавания человека по его лицу), далее – объекты, имеющие близкие признаки (например, требуется определить марку легкового автомобиля или в упрощенном варианте отделить легковые машины от грузовых), далее – объекты, которые необходимо классифицировать как класс (человек, собака, птица, машина и т.д.). Как правило, глубина базы данных оказывает малое влияние на объекты, имеющие простые формальные признаки, например, автомобильный номер.

В любом случае глубину базы данных следует учитывать при проведении испытаний.




Далее >>>



|   Главная   |   Законы   |   ГОСТ   |   РД   |   Требования   |   Пособия   |   Рекомендации   |   Перечни   |

books on zlibrary