В самом начале развития отрасли запись с камер видеонаблюдения велась постоянно или по расписанию, привязанному ко времени. От операторов, наблюдающих за камерами с мониторов, полностью зависела возможность заметить происшествие и вовремя найти необходимую запись. Острая необходимость уйти от зависимости от человеческого фактора заставила работать над тем, чтобы функции, возложенные на человека, смогла выполнять машина. Так родилось интеллектуальное видеонаблюдение.

Сегодня видеоаналитика делится на два вида: программную, где данные обрабатываются на регистраторе или компьютере, и аппаратную — вычисления производит процессор, встроенный в камеру. 

Специализированное ПО с видеоаналитикой на сервере позволяет решать многие задачи с высокими быстродействием и точностью. Но с повышением количества камер в сети и их разрешения требуется увеличение ресурсов сервера. А значит, если мощность процессора ограничена, то будет наблюдаться и падение качества работы алгоритмов. С другой стороны, процессор видеокамеры априори имеет меньше ресурсов для обработки видеосигнала при помощи функций аналитики.

Но при этом камера работает с исходным сигналом с сенсора
и передает на сервер только данные о результатах работы
алгоритма. Поэтому на сервере требуется процессор, достаточный лишь для обработки видеосигнала с камер, а с повышением разрешения камер будет повышаться и качество видеоанализа.

Конечно, серверные решения предлагают значительно больше вариантов видеоаналитических функций. Но встроенных возможностей камеры уже достаточно для решения самых распространенных задач, причем набор встроенных функций все время расширяется.

Детектор движения

Это наиболее классический и распространенный тип видеоаналитики в камерах, он же и самый востребованный в сфере обеспечения безопасности. Благодаря грамотно настроенному детектору движения получается существенная экономия на эксплуатации системы видеонаблюдения.

Во-первых, можно записывать видео в архив только в случае детекции движения на объекте, а значит происходит снижение затрат на сам архив.

Во-вторых, нет необходимости постоянно следить за всеми камерами на объекте, то есть нужно меньше сотрудников и вычислительных мощностей сервера видеонаблюдения.

Пересечение линии

Второй распространенной функцией видеоаналитики является детекция пересечения линии. Ее назначение схоже с назначением детектора движения. Разница кроется лишь в том, что на контролируемой сцене запрещено пересечение виртуальной линии, а не движение в целом. Каноничными примерами будет запрет пересекать двойную сплошную и близко подходить к картинам в музеях. В интерфейсе камеры на изображении рисуется линия, при пересечении которой срабатывает детекция.

Вторжение в область

В основе этого детектора заложен тот же принцип, что и в предыдущем. Но в данном случае уже засекается пересечение линий, образующих замкнутый контур. Часто отдельно можно задать вход или выход из зоны. Здесь алгоритм работает так же, как и при задании направления пересечения линии, но не с одной, а, к примеру, с четырьмя прямыми.

Детектор людей/лиц

Детектор людей можно назвать углубленной версией детектора движения. Только такой алгоритм фиксирует движение именно людей, пропуская машины, собак и другие посторонние объекты. Проходящий человек или только его лицо может выделяться рамкой, а на видео с камеры будет отрисовываться траектория его движения. Но стоит понимать, что детектор очень требователен к положению человека, а значит и к относительному расположению камеры.

Подсчет людей

Принцип работы похож на срабатывание при пересечении линии, но с защитой от ложных срабатываний. Подсчитывает количество вошедших (пересечение в одну сторону) и вышедших (пересечение в другую сторону). 

Слежение за объектом

В PTZ-камерах может присутствовать функция, автоматически позиционирующая камеру как предназначенную для наблюдения за движущимся объектом. В некоторых случаях такой функционал может быть удобнее детектора движения в обычной камере: как минимум объект не сможет выйти за пределы угла обзора и всегда будет под наблюдением, по видеозаписи всегда можно будет восстановить полную картину происходящего. 

Праздношатание (распознавание бесцельного поведения)

Это нахождение на одном месте или в пределах одной сцены в публичном пространстве в течение продолжительного времени без определённой цели. Для срабатывания детектора необходимо, чтобы в установленной области человек перемещался дольше заданного интервала времени. Пользу подобной функции сложно переоценить. Детекторы движения и людей срабатывают просто при обнаружении человека, поэтому в ряде случаев они становятся неприменимы. К примеру, люди, входящие и выходящие из магазина, не вызывают подозрения. А вот на человека, находящегося перед входом длительный промежуток времени, уже должен среагировать оператор системы видеонаблюдения. 

Распознавание пропажи, либо оставленных без присмотра объектов

Можно сказать, что эта функция близка к предыдущей. Здесь детектор активируется, если объект установленного размера находился в заданной области дольше определенного времени. Звучит просто, а на практике это очень важный алгоритм для обеспечения безопасности. Оставленные предметы могут таить в себе серьезную угрозу, а надежный программный алгоритм способен сильно повысить точность фиксации такого события. Там, где человек может не заметить, например, брошенную сумку, камера сразу активирует тревогу. Если же речь идет о детекторе остановки, то функция фиксирует остановку объекта, до этого двигавшегося равномерно. 

Расфокусировка

Назначение алгоритма понятно из его названия. Если произойдет расфокусировка объектива, выражающаяся в размытии картинки, то сработает детектор. Как вариант можно использовать этот детектор, чтобы фиксировать необходимость подстройки фокусировки камеры, сбившейся, например, от вибрации в месте монтажа. 

Распознавание автомобильных номеров

Автоматическое распознавание номерных знаков — это технология , которая использует оптическое распознавание символов на изображениях для считывания регистрационных знаков транспортных средств для получения информации о местонахождении транспортных средств.

Распознавание лиц

Функция осуществляет детекцию лица, а затем сравнивает зафиксированное изображение с хранящейся базой лиц. Нетрудно догадаться, что такой алгоритм требует серьезных вычислительных мощностей уже при малой базе лиц,
а использование большой базы закономерно еще значительнее увеличит эти требования. Кроме того,  этот алгоритм требователен к качеству изображения. С другой стороны, распознавание лиц зачастую применяется в качестве звена СКУД, поэтому нет жестких требований по быстродействию и работе в некомфортных условиях. Отсюда и вытекает то, что сейчас такие алгоритмы применяются не столько в видеокамерах, сколько в домофонах и автономных пропускных пунктах.