Компания Hikvision провела опрос среди представителей монтажных организаций, системных интеграторов, торговых домов и пользователей систем безопасности, чтобы выяснить, как часто они сталкиваются с проблемой ложных срабатываний и как ее решают.
Согласно результатам опроса, ложные тревоги в системах безопасности – явление очень распространенное. Подавляющее большинство респондентов (83%) отметили, что ложные срабатывания составляют значительную долю от всех сигналов, которые генерирует система. Из них 40% оценили это количество как «половина», 25% - «менее половины», а 18% признались, что практически все сигналы от их системы безопасности являются ложными. Только 17% опрошенных ответили, что встречаются с проблемой ложных срабатываний крайне редко.
Причин, почему срабатывает ложная тревога, достаточно много. Из них самые распространенные – неправильная установка камер видеонаблюдения и неправильная настройка функций. Существует большое количество способов борьбы с нерелевантными тревогами – их выбор зависит непосредственно от первопричины некорректной работы системы. Как показал опрос специалистов рынка безопасности, в большинстве случаев достаточно изменить положение камеры или произвести нужные настройки, чтобы сократить количество ложных тревог. Например, 57% респондентов ответили, что пользуются функцией выделения области (зоны) мониторинга, чтобы тревоги срабатывали только при появлении объектов на данной территории. В 52% случаев пользователи снижают уровень чувствительности детектора движения, что может сработать, но при этом есть вероятность упустить значимое происшествие. Еще 12% опрошенных ответили, что справляются с проблемой ложных тревог путем изменения угла обзора/ракурса камеры – такой способ действительно может помочь в тех случаях, когда рядом с охраняемой территорией есть участки с высокой активностью (движение автомобилей, людей), однако он применим далеко не всегда. Поэтому, когда более простые методы не справляются или не подходят, пользователи начинают применять видеоаналитику (29% респондентов) для детекции нужных им объектов или событий. Еще в 17% случаев клиенты производят полную замену оборудования на новые устройства с поддержкой классификации объектов и специальных фильтров ложных тревог, например камеры и регистраторы с технологией AcuSense.
Каждый из этих способов отличается разным уровнем эффективности, что в конечном счете влияет на скорость поиска события в архиве и реагирования. Если говорить о системах без специальной аналитики, то 41% респондентов признались, что могут быстро найти нужный фрагмент записи только тогда, когда знают точное или хотя бы примерное время инцидента. Чуть большее количество пользователей (44%) полагаются на «фактор везения» и на то, что нужная запись найдется быстро. В 15% случаев оператору приходится отсматривать/проматывать весь записанный архив, чтобы найти искомый фрагмент. Подобные ответы также показали, что пользователи постоянно сталкиваются с проблемой нерационального использования времени на поиск и необходимостью оптимизации работы с хранилищем, которое «забивается» ненужными записями.
Самый распространенный тип фильтра ложных тревог – это классификация объектов. Обычно пользователей интересует два типа объектов, при появлении которых система должна сгенерировать тревожный сигнал: человек и транспорт. При этом первый вариант фильтрации наиболее актуален для пользователей (88% респондентов), тогда как выборка фрагментов архива, где присутствует транспорт, является скорее специализированным решением, чем массовым – за этот вариант проголосовали всего 12% участников.
Интересен тот факт, что с развитием видеоаналитики на базе алгоритмов глубокого обучения пользователи систем безопасности начинают интересоваться и другими типами классификации объектов, по которым они бы хотели настраивать срабатывание уведомлений. Например, 65% респондентов заинтересованы в целенаправленной детекции небольших и мелких животных (собаки, кошки, мелкие грызуны и т.д.). Для 23% интересна детекция птиц, а для 19% - крупных животных (например, медведей, лосей и других). Немалое количество пользователей (41%) хотят не просто находить в архиве записи с участием человека, но фиксировать события с участием детей и, соответственно, своевременно получать тревожные сигналы при их приближении к опасным для них зонам. Четверть участников опроса (25%) проявила интерес к детекции дронов и роботов в кадре.
Согласно результатам опроса, ложные тревоги в системах безопасности – явление очень распространенное. Подавляющее большинство респондентов (83%) отметили, что ложные срабатывания составляют значительную долю от всех сигналов, которые генерирует система. Из них 40% оценили это количество как «половина», 25% - «менее половины», а 18% признались, что практически все сигналы от их системы безопасности являются ложными. Только 17% опрошенных ответили, что встречаются с проблемой ложных срабатываний крайне редко.
Причин, почему срабатывает ложная тревога, достаточно много. Из них самые распространенные – неправильная установка камер видеонаблюдения и неправильная настройка функций. Существует большое количество способов борьбы с нерелевантными тревогами – их выбор зависит непосредственно от первопричины некорректной работы системы. Как показал опрос специалистов рынка безопасности, в большинстве случаев достаточно изменить положение камеры или произвести нужные настройки, чтобы сократить количество ложных тревог. Например, 57% респондентов ответили, что пользуются функцией выделения области (зоны) мониторинга, чтобы тревоги срабатывали только при появлении объектов на данной территории. В 52% случаев пользователи снижают уровень чувствительности детектора движения, что может сработать, но при этом есть вероятность упустить значимое происшествие. Еще 12% опрошенных ответили, что справляются с проблемой ложных тревог путем изменения угла обзора/ракурса камеры – такой способ действительно может помочь в тех случаях, когда рядом с охраняемой территорией есть участки с высокой активностью (движение автомобилей, людей), однако он применим далеко не всегда. Поэтому, когда более простые методы не справляются или не подходят, пользователи начинают применять видеоаналитику (29% респондентов) для детекции нужных им объектов или событий. Еще в 17% случаев клиенты производят полную замену оборудования на новые устройства с поддержкой классификации объектов и специальных фильтров ложных тревог, например камеры и регистраторы с технологией AcuSense.
Каждый из этих способов отличается разным уровнем эффективности, что в конечном счете влияет на скорость поиска события в архиве и реагирования. Если говорить о системах без специальной аналитики, то 41% респондентов признались, что могут быстро найти нужный фрагмент записи только тогда, когда знают точное или хотя бы примерное время инцидента. Чуть большее количество пользователей (44%) полагаются на «фактор везения» и на то, что нужная запись найдется быстро. В 15% случаев оператору приходится отсматривать/проматывать весь записанный архив, чтобы найти искомый фрагмент. Подобные ответы также показали, что пользователи постоянно сталкиваются с проблемой нерационального использования времени на поиск и необходимостью оптимизации работы с хранилищем, которое «забивается» ненужными записями.
Самый распространенный тип фильтра ложных тревог – это классификация объектов. Обычно пользователей интересует два типа объектов, при появлении которых система должна сгенерировать тревожный сигнал: человек и транспорт. При этом первый вариант фильтрации наиболее актуален для пользователей (88% респондентов), тогда как выборка фрагментов архива, где присутствует транспорт, является скорее специализированным решением, чем массовым – за этот вариант проголосовали всего 12% участников.
Интересен тот факт, что с развитием видеоаналитики на базе алгоритмов глубокого обучения пользователи систем безопасности начинают интересоваться и другими типами классификации объектов, по которым они бы хотели настраивать срабатывание уведомлений. Например, 65% респондентов заинтересованы в целенаправленной детекции небольших и мелких животных (собаки, кошки, мелкие грызуны и т.д.). Для 23% интересна детекция птиц, а для 19% - крупных животных (например, медведей, лосей и других). Немалое количество пользователей (41%) хотят не просто находить в архиве записи с участием человека, но фиксировать события с участием детей и, соответственно, своевременно получать тревожные сигналы при их приближении к опасным для них зонам. Четверть участников опроса (25%) проявила интерес к детекции дронов и роботов в кадре.