83% пользователей систем безопасности сталкиваются с проблемой ложных тревог

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.

Для того, чтобы система безопасности точно идентифицировала объект и классифицировала событие, в месте мониторинга должно быть достаточно света, чтобы камера могла «видеть» все, что происходит. Или устройство должно поддерживать специальные технологии, предназначенные для условий низкой освещенности. Например, в прошлом году компания Hikvision выпустила камеры, в которых присутствуют технологии AcuSense для фильтрации ложных тревог и ColorVu для получения цветного и информативного изображения даже ночью. По результатам опроса, 70% респондентов положительно оценили такой технологический тандем, отметив актуальность решения, поскольку большинство инцидентов происходит именно в темное время суток или в местах, где отсутствует внешнее освещение. Существенно меньшее количество пользователей (21%) полагаются на черно-белое изображение, которое камеры формируют с помощью ИК/EXIR-подсветки. И только 9% респондентов ответили, что для них подобной проблемы не существует, так как устанавливают камеры в хорошо освещенных местах.

Несмотря на то, что проблема ложных срабатываний встречается практически в каждом проекте, пользователи не спешат переходить на новые интеллектуальные решения для классификации объектов и фильтрации ложных срабатываний в системах безопасности. Почти половина опрошенных специалистов рынка (46%) ответили, что пока не могут порекомендовать такие технологии своим клиентам из-за отсутствия достаточного опыта по работе с подобными системами и их настройке. Треть респондентов (33%) считает, что системы с фильтром ложных тревог нужны только для решения определенных и узкоспециализированных запросов. Положительно оценивают новые технологии и готовы с ними работать 14%, и только 7% участников ответили отрицательно.

На примере технологии AcuSense, 46% респондентов ответили, что знают и понимают ее отличие от других вышеперечисленных способов сокращения ложных тревог. Чуть меньшее количество пользователей (41%) признались, что еще не разобрались до конца в сути разработки. Еще 13% не увидели для себя преимуществ в новых решениях для классификации объектов и фильтрации ложных срабатываний в системах безопасности.

 

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!