Ανίχνευση και αναγνώριση ήχου στα συστήματα ασφαλείας

Ο ήχος παίζει ολοένα και περισσότερο σημαντικότερο ρόλο στο τομέα της ασφάλειας και ειδικότερα στην αξιολόγηση των συμβάντων. Η πρόκληση, εδώ, αφορά τη διάκριση μεταξύ των περιπτώσεων που χρειάζονται ανίχνευση ή αναγνώριση ήχων, καθώς οι δύο προσεγγίσεις διαφέρουν σημαντικά.

Του Δημήτρη Σκιάννη

Ορισμένα νέα συστήματα ασφάλειας, διαθέτουν εξειδικευμένες δυνατότητες ανάλυσης ήχου, όπως για παράδειγμα η ηχητική αναγνώριση πυροβολισμών, ενώ άλλα μπορούν να αναγνωρίσουν ένα μεγάλο εύρος ήχων ώστε να ενεργοποιήσουν συναγερμούς ή άλλο είδος αυτοματισμών.

Η χρήση του ήχου σε λύσεις βιντεοεπιτήρησης, ανέκαθεν αποτελούσε ζήτημα αντιπαράθεσης. Ενώ σε πολλούς χώρους, θεωρείται πλέον φυσιολογικό να υπάρχει βίντεο-επιτήρηση ως βασικό τμήμα της ασφάλειας ενός χώρου, κάθε αναφορά στην ακουστική επιτήρηση, αμέσως πυροδοτεί συζητήσεις σχετικά με την προστασία της ιδιωτικότητας. Οι άνθρωποι έχουν μια πιο φιλελεύθερη στάση απέναντι στην «παρακολούθηση» σε σχέση με την «ακρόαση». Αυτό βασίζεται στην αντίληψη του ότι εάν συμπεριφερόμαστε σύμφωνα με τους νόμους, δεν έχουμε τίποτα να φοβηθούμε, όμως η ηχητική παρακολούθηση αποτελεί παραβίαση των προσωπικών δικαιωμάτων μας.

Σε μια κοινωνία που εκτιμά ιδιαίτερα την ελευθερία του λόγου, η δυνατότητα να συνομιλούμε χωρίς φόβο επίπληξης ή τιμωρίας τοποθετείται ψηλά στη λίστα των δικαιωμάτων μας. Ως εκ τούτου, ενώ ο ήχος προσφέρει πολλά από πλευράς επίγνωσης της κατάστασης, η αξία του σπανίως αναγνωρίζεται σε συστήματα ασφαλείας που χρησιμοποιούνται για την παρακολούθηση και την επίβλεψη.

Εδώ θα πρέπει να σημειώσουμε όπως είναι γνωστό ότι στην Ελλάδα δεν επιτρέπεται η καταγραφή ήχου από τα συστήματα επιτήρησης σε δημόσιους ή επαγγελματικούς χώρους.

Οι εναλλακτικές δυνατότητες

Ωστόσο, οι λειτουργίες που βασίζονται σε ηχητικά σήματα δεν περιορίζονται στην καταγραφή και την ακρόαση ομιλίας, αλλά διαθέτουν και την αναγνώριση άλλων ήχων, η οποία είναι ιδιαίτερα χρήσιμη σε ένα ευρύ φάσμα εφαρμογών.

Αυτό που πραγματικά εξετάζουμε είναι η χρήση ορισμένων ήχων, εξαιρούμενων από το «θόρυβο» του περιβάλλοντος χώρου, ως «triggers» – δηλαδή αιτίες ενεργοποίησης ενός συγκεκριμένου μηχανισμού. Το αν η εξαίρεση αφορά την ένταση ή το είδος του ήχου, εξαρτάται σε μεγάλο βαθμό από την εφαρμογή και τις ιδιαιτερότητές της.

Ο ήχος, ως όρος, έχει πολυάριθμες έννοιες στο πλαίσιο της βιντεοεπιτήρησης. Συνδέεται κυρίως με λεκτική επικοινωνία. Για παράδειγμα, ο όρος «αμφίδρομος ήχος» σε γενικές γραμμές υποδηλώνει ότι ένα σύστημα ή μια συσκευή επιτρέπει τη φωνητική επικοινωνία μεταξύ ενός χειριστή κεντρικού συστήματος και ενός ατόμου κοντά σε κάποιο “terminal”.

Οι αποδεκτές χρήσεις του αμφίδρομου ήχου περιλαμβάνουν σημεία παροχής πληροφοριών, υποστήριξη πελατών, ενδοσυνεννόηση προσωπικού, ηχητικές προειδοποιήσεις όσον αφορά την ασφάλεια και τη λειτουργία του χώρου κ.λπ. Ωστόσο, μόλις το σύστημα χρησιμοποιηθεί για να «κρυφακούσει» τα άτομα εντός του χώρου, αντιμετωπίζουμε ένα θέμα-«ταμπού».

Μέσα από τη χρήση των video analytics τα τελευταία χρόνια, οι δυνατότητες ενός συστήματος ασφαλείας έχουν επεκταθεί, επιτρέποντας στα οφέλη του βίντεο να αξιοποιούνται πλήρως από όσους επιζητούν ένα προηγμένο επίπεδο προστασίας. Οι δυνατότητες που προσφέρονται από ένα καλοσχεδιασμένο και ορθά εφαρμοσμένο σύστημα IVA (Intelligent Video Analytics) δύσκολα μπορούν να ξεπεραστούν από άλλες λύσεις. Και ο ήχος είναι κομβικής σημασίας σε αυτές τις περιπτώσεις.

Ανίχνευση και αναγνώριση
Η ανίχνευση και η αναγνώριση/ταξινόμηση των ήχων αποτελεί, πλέον, μια ρεαλιστική και οικονομικά προσιτή λύση. Αυτό οφείλεται στην πρόοδο που έχει επιτευχθεί σε συγκεκριμένους αλγορίθμους ανάλυσης αλλά και στην μετάβαση σε GPU-based hardware, υψηλών επιδόσεων. Το αποτέλεσμα είναι η δυνατότητα εφαρμογής μιας “pro-active” προσέγγισης στη χρήση δεδομένων ήχου στα συστήματα ασφαλείας.
Τα συστήματα μπορούν να πυροδοτήσουν ενέργειες, αυτοματισμούς και ειδοποιήσεις βασιζόμενα σε ένα ευρύ φάσμα ήχων. Για παράδειγμα, μπορούν να ενεργοποιηθούν από εξαιρετικά υψηλής έντασης ήχους αλλά και από συγκεκριμένους τύπους αυτών. Μπορούν να προκληθούν από «εξαιρετικά» επίπεδα έντασης από ορισμένους τύπους ήχων. Ωστόσο, οφείλουμε να διαχωρίσουμε την ανίχνευση ήχων υψηλής έντασης από την αναγνώριση συγκεκριμένων ήχων.
Στην πρώτη περίπτωση, η ανίχνευση βασίζεται σε ήχους που διαφέρουν σημαντικά από τον τυπικό «θόρυβο» περιβάλλοντος, όπως ήχους πολύ υψηλής έντασης/κρότους. Αυτή η προσέγγιση μπορεί να λειτουργήσει αποτελεσματικά σε συγκεκριμένους χώρους όπως σε ένα γραφείο εξυπηρέτησης πελατών, όπου επικρατούν χαμηλής έντασης ήχοι. Αν ένας πελάτης αρχίζει να φωνάζει δυνατά, το σύστημα θα το ανιχνεύσει. Ωστόσο, αν η ανίχνευση βασίζεται μόνο στην ένταση των ήχων, τότε μπορεί να «μπερδευτεί» σε διάφορες περιπτώσεις, όπως για παράδειγμα με ένα δυνατό γέλιο, το δυνατό κάλεσμα ενός πελάτη που ξέχασε κάτι στο ταμείο ή μια φωνητική εντολή ενός υπαλλήλου προς το κοινό.
Στη δεύτερη περίπτωση, αυτή της ηχητικής αναγνώρισης/ταξινόμησης προστίθεται ένα άλλο επίπεδο ανάλυσης. Οι ήχοι μπορούν να φιλτραριστούν με βάση τον τύπο τους και έτσι να αποφευχθούν οι λανθασμένοι συναγερμοί, αν και όχι κατά 100%.
Ο τελικός στόχος είναι να αναγνωρίζονται ήχοι διαφορετικού τύπου ώστε να πυροδοτείται και αντίστοιχη αντίδραση ή ενέργεια, διαχωρίζοντας, για παράδειγμα, ένα πυροβολισμό από το σπάσιμο ενός τζαμιού ή τη σειρήνα ενός διερχόμενου ασθενοφόρου.

Audio analytics
Τα συστήματα που απλώς ανιχνεύουν ήχους, έχουν περιορισμένες δυνατότητες και είναι κατάλληλα κυρίως σε περιπτώσεις που οι ήχοι περιβάλλοντος είναι χαμηλής έντασης ή ανύπαρκτοι.
Εάν δεν είναι δυνατή η εφαρμογή φίλτρων, θα πρέπει να γίνει αποδεκτό ότι ένα σπασμένο παράθυρο, ένας πυροβολισμός ή μια κραυγή μπορεί να αντιμετωπιστούν από το σύστημα με τον ίδιο τρόπο όπως ένα κεραυνός, ένα όχημα με θορυβώδη εξάτμιση ή ένα πυροσβεστικό όχημα με τη σειρήνα του ενεργοποιημένη!
Όσο βελτιώνονται οι αλγόριθμοι ανάλυσης ήχου (κυρίως χάρη στη χρήση GPUs), τόσο η ανίχνευση και αναγνώριση ήχων θα βελτιώνεται. Η αναγνώριση ήχων μπορεί να είναι ιδιαίτερα χρήσιμη στην αποφυγή λανθασμένων συναγερμών. Για παράδειγμα, σε ένα κλειστό κτίριο τη νύχτα ή τα σαββατοκύριακα, ήχοι όπως εκείνοι που δημιουργούνται από τα μηχανήματα παραγωγής πρέπει να αγνοούνται. Με την αναγνώριση ήχων, ένα σπασμένο γυαλί μπορεί να προσδιοριστεί συγκεκριμένα ως ένα συμβάν που απαιτεί περαιτέρω διερεύνηση από τον υπεύθυνο ασφαλείας.
Εάν η ομάδα ασφαλείας έχει επιτόπια παρουσία, τέτοιες ειδοποιήσεις θα μπορούσαν να σταλούν σε ένα χειριστή ή ένα περίπολο μέσω συσκευής χειρός. Όπως και με οποιαδήποτε τεχνολογία ανίχνευσης, εάν ο αριθμός συναγερμών είναι υψηλός, η αποτελεσματικότητα του συστήματος μπορεί να μειωθεί σημαντικά καθώς πολλά συμβάντα θα αγνοηθούν. Επομένως, η αναγνώριση ήχων γίνεται ακόμα πιο σημαντική ώστε να εξασφαλιστεί μια αποτελεσματική λύση.
Εάν απαιτείται μια πιο έξυπνη προσέγγιση, η δυνατότητα φιλτραρίσματος και προσδιορισμού του αν ένας συναγερμός προήλθε από σπάσιμο γυαλιού, από πυροβολισμό, από ένα μωρό που κλαίει, από επιθετική ανθρώπινη συμπεριφορά, από σειρήνες φωτιάς/καπνού, από συγκεκριμένες λέξεις-κλειδιά ή από δυσλειτουργία μηχανημάτων, επιτρέπει στα audio analytics να ενεργήσουν αυτόματα για σκοπούς ασφάλειας και διαχείρισης του χώρου. Αυτό επιτρέπει μεγαλύτερο βαθμό ευελιξίας σε σχέση με ό,τι είχαμε συνηθίσει μέχρι σήμερα.

Η ορθή προσέγγιση
Οι εγκαταστάτες και οι εταιρείες που υλοποιούν έργα ασφάλειας ακολουθούν διάφορες μεθόδους για την εφαρμογή της ανίχνευσης ήχου και audio analytics. Όλο και περισσότεροι κατασκευαστές καμερών πλέον χρησιμοποιούν τη διαθέσιμη επεξεργαστική ισχύ των συστημάτων τους για να προσθέσουν ανίχνευση ήχου και audio analytics σε αυτά.
Σε περίπτωση που απαιτείται μια πιο εξειδικευμένη λύση, αρκετά “ανοιχτά” συστήματα (κάμερες και κωδικοποιητές) επιτρέπουν στους εγκαταστάτες και τους integrators να τρέξουν 3^rd party εφαρμογές σε αυτά, προσφέροντας έτσι υψηλότερης ποιότητας audio analytics. Έτσι δίνεται η δυνατότητα στους προαναφερθέντες να επιλέξουν το software της αρεσκείας τους, το οποίο θα είναι και το πλέον κατάλληλο για την εκάστοτε εφαρμογή.
Τα “app-based” analytics μειώνουν το κόστος της υλοποίησης καθώς έτσι δεν υπάρχει η ανάγκη αγοράς και εγκατάστασης ενός πλήρους σετ αισθητήρων στο χώρο. Οι εγκαταστάτες και οι integrators μπορούν να επιλέξουν τον ιδανικό συνδυασμό software και hardware, ώστε να λάβουν τη μέγιστη αποδοτικότητα από ένα σύστημα, διατηρώντας το κόστος σε σχετικά χαμηλά επίπεδα.
Επιπλέον, οι πάροχοι VMS πλέον συνεργάζονται με τους κορυφαίους παρόχους audio analytics. Αυτό σημαίνει πως οι ρυθμίσεις ανίχνευσης ήχου μπορούν να γίνουν απευθείας μέσω από το interface του VMS και η επεξεργασία ήχου μπορεί να περιοριστεί σε όσες και όποιες κάμερες/αισθητήρες επιθυμεί ο διαχειριστής.
Δεδομένου του ότι αρκετές κάμερες υποστηρίζουν αμφίδρομο ήχο, είναι εύλογο να προτιμούνται έναντι dedicated αισθητήρων ήχου/μικροφώνων, χάριν μείωσης του κόστους και της πολυπλοκότητας. Φυσικά, πάντα συστήνεται η πραγματοποίηση δοκιμών πριν την αγορά και εγκατάσταση ώστε να εξασφαλιστεί η επάρκεια του συστήματος.

Συμπέρασμα
Η ανίχνευση ήχου για την ενεργοποίηση συναγερμών είναι ευρέως διαθέσιμη και αποτελεί βασικό χαρακτηριστικό των περισσότερων καμερών και κωδικοποιητών. Παρ΄ ότι οι περισσότερες συσκευές περιορίζονται σε «βασικό» φιλτράρισμα ήχων, εξακολουθούν να προσφέρουν πλεονεκτήματα σε μεγάλο εύρος εφαρμογών.

Για όσους χρειάζονται μια πιο εξειδικευμένη και «έξυπνη» λύση, υπάρχουν διαθέσιμα προηγμένα συστήματα ανίχνευσης, επεξεργασίας και αναγνώρισης ήχων, τα οποία αυξάνονται διαρκώς, ενώ η εγκατάστασή και εφαρμογή τους απλουστεύεται με την πάροδο του χρόνου. Αν αναζητείτε μια τέτοια λύση, αξίζει να ρίξετε μια ματιά σε προηγμένα μοντέλα καμερών με υψηλής ποιότητας audio analytics, συσκευές που βασίζονται σε «ανοικτές» πλατφόρμες ή συμβατά VMS. Επίσης, μπορείτε να χρησιμοποιήσετε και ένα dedicated server για το σκοπό αυτό, αν οι ανάγκες σας είναι μεγάλες.
Οποιαδήποτε προσέγγιση κι αν ακολουθήσετε εν τέλει, τα επαγγελματικά audio analytics μπορεί να αυξήσουν σημαντικά την απόδοση του συστήματος ασφαλείας σας.