Videoanalytiikka tekee kameravalvonnasta aktiivisen järjestelmän. Se tunnistaa kuvasta ihmisiä, ajoneuvoja, alueylityksiä ja poikkeamia, jotta yritys voi reagoida oikeisiin tapahtumiin nopeammin. Tallenteiden selaus ei ole strategia – onneksi siihen on parempi tapa.
Videoanalytiikka vs. AI-kameravalvonta: Videoanalytiikka on analyysimenetelmä – se kertoo mitä kuvassa tapahtuu. AI-kameravalvonta on laajempi kokonaisuus, jossa analytiikka on yksi osa järjestelmää. Tämä sivu käsittelee analytiikan toimintaperiaatteita ja käyttökohteita.
Mitä videoanalytiikka tunnistaa?
Videoanalytiikka tunnistaa kuvasta useita tapahtumatyyppejä. Tyypillisiä tunnistustarpeita ovat:
- Objektiluokittelu: henkilö, ajoneuvo, pyörä, eläin
- Alue- ja viivahälytykset: alueelle tulo, viivan ylitys, poistuminen
- Käyttäytymisanalyysi: liikesuunta, pysähtynyt objekti, tungos
- Häiriöhavainnot: kameran sabotointi, näkyvyyden heikkeneminen
- Laskenta: kävijät, ajoneuvot, jonoanalyysi
Tärkeintä ei ole ominaisuuksien määrä, vaan oikean tapahtuman tunnistaminen oikeassa kohdassa. Analytiikka hyödyntää ONVIF Profile M -standardin mukaista metadatarakennetta, mikä mahdollistaa tapahtumien välittämisen muihin järjestelmiin.
Käyttökohteita ovat portit, lastauslaiturit, varastot, piha-alueet, teollisuusalueet ja sisäänkäynnit. Hyöty syntyy siitä, että järjestelmä nostaa olennaiset tapahtumat esiin eikä pakota ihmistä etsimään niitä tuntien tallenteista.
Milloin videoanalytiikka kannattaa?
Videoanalytiikka kannattaa, kun tavallinen liiketunnistus tuottaa liikaa virhehälytyksiä tai tallenteiden haku vie aikaa. Se vähentää hälytyskuormaa, nopeuttaa selvityksiä ja parantaa valvonnan laatua.
Ratkaisu ei sovi, jos kamerat on sijoitettu huonosti, valaistus on riittämätön tai käyttötarkoitus on epämääräinen. AI ei tee huonosta kamerakulmasta hyvää – se vain analysoi huonoa kuvaa tehokkaasti.
Edge, palvelin vai pilvi?
Analytiikka voidaan ajaa suoraan kamerassa (edge), palvelimella tai pilvessä. Edge-analytiikka vähentää verkkokuormaa ja toimii myös huonossa verkossa. Palvelin- tai pilvipohjainen analytiikka mahdollistaa usean kameran tapahtumien yhdistämisen ja kehittyneemmät algoritmit.
Paras malli riippuu kohteen koosta, kameroiden määrästä ja tarvittavasta tarkkuudesta. Usein paras lopputulos syntyy näiden yhdistelmästä.
Mitä videoanalytiikka tunnistaa käytännössä?
Liiketunnistus reagoi kaikkeen pikselimuutokseen: tuulen liikuttamaan oksaan, valaistusolosuhteiden muutokseen tai ohikulkevaan auton valokiilaan. Videoanalytiikka menee askeleen pidemmälle — se luokittelee objektin tyypin ja arvioi kontekstin ennen kuin hälyttää.
Käytännön objektiluokat tyypillisessä asennuksessa:
- Henkilö — erottelee ihmisen muista liikkuvista objekteista; välttämätön porttialueilla ja lastausalueilla
- Ajoneuvo — henkilöauto, kuorma-auto, pakettiauto; yhdistettynä LPR-tunnistukseen antaa täyden ajoneuvoprofiilin
- Pyörä ja kevyt liikenne — piha-alueilla ja sisäänkäynneillä, joissa kulkijatyypin erottelu on tarpeen
- Eläin — suodattaa pois turhat yöhälytykset kiinteistövalvonnassa
Käyttäytymisanalyysi menee vielä pidemmälle: järjestelmä voi hälyttää, kun henkilö kulkee väärään suuntaan yksisuuntaisella alueella, pysähtyy kielletylle alueelle yli minuutiksi tai kun tiettyyn tilaan kerääntyy liikaa ihmisiä yhtä aikaa. Tämä ei ole jatkuvaa seurantaa — analytiikka toimii passiivisena taustalla ja aktivoituu vain poikkeaman tapahtuessa.
Miten metadatahaku nopeuttaa tallenteiden tutkintaa?
Perinteisessä kameravalvonnassa tallenteen tutkinta tarkoittaa kelaamista: valitaan oikea kamera, valitaan aika-ikkuna, kelaillaan hidastettuna. Tunnin tallenteen läpikäyminen voi viedä vartin — tai enemmän, jos aika ei ole tarkkaan tiedossa.
Videoanalytiikka tuottaa jatkuvasti metadataa: kuka tai mikä liikkui, missä, mihin suuntaan ja milloin. Kun tutkija hakee tiettyä tapahtumaa, hän hakee metadatasta eikä videokuvasta.
Käytännön esimerkki: varastosta on kadonnut lähetys ja halutaan selvittää, kuka liikkui lastauslaiturilla tiistaina kello 14–16. Analytiikka on kirjannut kaikki henkilöhavainnot siltä ajanjaksolta. Tutkija rajaa haun — henkilö, lastausalue, 14–16 — ja järjestelmä palauttaa kolme osumaa. Jokaisesta osumasekunnista avataan suoraan videoleike. Tallenteiden tutkinta, joka normaalisti veisi kaksi tuntia, vie viisi minuuttia.
Sama logiikka toimii LPR-hakuun (etsi kaikki vierailut tietyllä rekisterinumerolla viimeisten 30 päivän aikana), alueylityshakuun (kuka tuli kielletylle alueelle viikonlopun aikana) ja aktiivisuuden poikkeamahakuun (milloin liikettä oli epätavallisen paljon tai vähän).
Videoanalytiikka osana laajempaa järjestelmää
Videoanalytiikka ei toimi yksin parhaimmillaan. Se kytkeytyy kulunvalvontaan (hälytys, jos alueella on henkilö, jolla ei pitäisi olla pääsyoikeutta), automaatioihin (valot syttyvät, portti aukeaa tai sulkeutuu tapahtuman perusteella) ja hälytysjärjestelmiin (tieto siirtyy suoraan vartiointiyritykselle tai omalle henkilöstölle).
AI-kameravalvonta kuvaa laajempaa kokonaisuutta, jossa analytiikka on yksi osa. Automaatiot ja hälytykset -sivulla käsitellään, miten analytiikkatapahtumat siirretään toimenpiteiksi.
