Функција циљања камере гласом постала је приступачнија - универзално решење СмартЦам А12 Воице Трацкинг

Тема праћења учесника који говори на видео конференцији је добила замах у последњих неколико година. Технологија је омогућила имплементацију сложених алгоритама за обраду аудио/видео информација у реалном времену, што је подстакло Полицом, пре скоро 10 година, да уведе прво светско главно решење са интелигентним аутоматским праћењем звучника. Неколико година су успели да остану једини власници оваквог решења, али Цисцо није морао дуго да чека и на тржиште је изнео своју верзију интелигентног система са две камере, који је био поштена конкуренција решењу из Полицом-а. Дуги низ година, овај сегмент видеоконференција био је ограничен могућностима неколицине власнички производа, али овај чланак је посвећен првом универзалан решење за гласовно навођење камером, компатибилно са хардверском и софтверском инфраструктуром видео конференција.
Пре него што пређем на описивање решења и демонстрацију могућности, желим да приметим важан догађај:
Част ми је да представим Хабра заједници ново чвориште, посвећен решењима за видео конференције (ВЦЦ). Сада, захваљујући заједничким напорима (мој и НЛО), Видео конференције има свој дом на Хабреу, и позивам све укључене у ову обимну и актуелну тему да се претплате на ново чвориште.

Два сценарија за усмеравање камере ка звучнику

У овом тренутку, интегратори решења за видео конференције бирају за себе два различита начина да спроведу задатак циљања презентера:

1. Аутоматски - Интелигентан
2. Полуаутоматски - програмабилан

Прва опција су само решења Цисцо, Полицом и других произвођача, размотрићемо их у наставку. Овде се ради о потпуној аутоматизацији усмеравања камере ка учеснику који говори на видео конференцији. Јединствени алгоритми за обраду аудио/видео сигнала омогућавају камери да самостално изабере жељену позицију.

Друга опција су системи аутоматизације засновани на разним спољним контролним контролерима, нећемо их детаљно разматрати, јер Чланак је посебно посвећен аутоматском праћењу говорника.
Има доста присталица другог сценарија за имплементацију усмеравања камере, а за то постоје разлози. Искусни интегратори разумеју да интелигентна решења из Полицом-а и Цисцо-а захтевају идеалне услове рада да би аутоматизација исправно функционисала. Али није увек могуће обезбедити такве услове, тако да је рад система понекад гарантован следећим решењем за проблем усмеравања камере:

1. Сва неопходна подешавања (позиције ПТЗ уређаја и фактор оптичког зума) се ручно уносе унапред у меморију камере (или понекад у контролни контролер). По правилу, ово је генерални план сале за састанке, и поглед на сваког учесника конференције у портретном режиму.

2. Даље, иницијатори за позивање потребне унапред подешене поставке су инсталирани на наведеним местима - то су или микрофонске конзоле или радио дугмад, уопште, било који уређај који може да обезбеди контролору сигнал који разуме.

3. Управљачки контролер је програмиран на начин да сваки покретач има своје унапред подешено. Општи план просторије - сви иницијатори су искључени.
Као резултат тога, када користи, на пример, конгресни систем и контролни контролер, говорник, пре него што започне свој говор, активира своју личну микрофонску конзолу. Контролни систем тренутно обрађује сачувану позицију камере.

Овај сценарио функционише беспрекорно – систему није потребно да врши гласовну триангулацију и видео аналитику. Притиснуо сам дугме и унапред подешено је радило, без кашњења или лажних позитивних резултата.
Системи управљања и аутоматизације се користе у великим, сложеним просторијама, где је понекад инсталирана не једна, већ неколико видео камера. Па, за мале и средње сале за састанке, аутоматски системи су сасвим прикладни (ако имате буџет).
Почнимо са очевима оснивачима.

Директор компаније Полицом ЕаглеЕие

Ово решење је својевремено створило сензацију у области видео конференција. Полицом ЕаглеЕие Дирецтор је био прво решење у области интелигентног навођења камером. Решење се састоји од основне јединице ЕаглеЕие Дирецтор и две камере. Посебност те прве имплементације је у томе што је једна камера додељена само за крупни план говорника, а друга – за генерални план сале за састанке. Истовремено, камера генералног плана може се поставити потпуно одвојено од базе на другом месту у сали за састанке - није директно укључена у процес аутоматског навођења.
Систем функционише на следећи начин:

1. Општа собна камера је активна - сви ћуте
2. Звучник почиње да говори - низ микрофона хвата глас, камера се креће ка звуку користећи патентирану технологију која укључује триангулацију гласа. Општа камера је и даље активна
3. Главна камера тек почиње да тражи извор звука, обављајући видео аналитику. Систем идентификује звучник преко везе око-нос-уста, кадрира слику звучника и приказује ток са главне камере
4. Говорник се мења. Низ микрофона разуме да глас долази са другог места. Генерални план је поново укључен.
5. А затим у круг, почевши од тачке 2
6. Ако се нови звучник налази у оквиру са претходним, систем прави „врућу“ промену позиционирања без промене активног тока на општи снимак.

Недостатак, по мом мишљењу, је присуство само једне главне камере. Ово доводи до значајног кашњења при промени звучника. И сваки пут у тренутку показивања, систем укључује општи план собе - током живог разговора, ово треперење почиње да иритира.

Полицом ЕаглеЕие Дирецтор ИИ

Ово је друга верзија решења компаније Полицом, која је објављена релативно недавно. Принцип рада је претрпео промене и постао је више као решење компаније Цисцо. Сада су обе ПТЗ камере главне и служе за неприметно пребацивање канала са једног презентера на другог. Општи изглед собе за састанке сада је снимљен посебном камером интегрисаном у тело ЕаглеЕие Дирецтор ИИ базне јединице. Из неког разлога, ток са ове широкоугаоне камере се приказује у додатном прозору у углу екрана, заузимајући 1/9 главног тока. Принцип позиционирања је исти – гласовна триангулација и анализа видео тока. А уска грла су иста: ако систем не види уста која говоре, камера неће нишанити. И ова ситуација се може десити прилично често - говорник се окренуо, говорник се окренуо на страну, говорник је вентрилоквиста, говорник је покрио уста руком или документом.
Оба промотивна видеа су снимљена компетентно - 2 особе говоре наизменично и отварају уста као на састанку код логопеда. Али чак иу тако рафинираним условима постоји веома значајно кашњење. Али кадрирање је беспрекорно - удобан портретни снимак.

Цисцо ТелеПресенце СпеакерТрацк 60

Да бих описао ово решење, користићу текст из званичне брошуре.
СпеакерТрацк 60 користи јединствен приступ са две камере за брзо пребацивање директно између учесника. Једна камера брзо проналази крупни план активног излагача, док друга тражи и приказује следећег презентатора. Функција МултиСпеакер спречава непотребно пребацивање ако је следећи звучник већ присутан у тренутном кадру.
Нажалост, нисам имао прилику да сам тестирам СпеакерТрацк 60. Дакле, закључци се морају доносити на основу мишљења „са терена“ и на основу резултата анализе демонстрационог видеа у наставку. Избројао сам максимално кашњење од скоро 8 секунди када сам показао на новог излагача. Просечно кашњење је било 2-3 секунде, судећи по снимку.

ХУАВЕИ интелигентна видео камера за праћење ВПТ300

Случајно сам наишао на ово решење компаније Хуавеи. Систем кошта око 9 хиљада долара. Ради само са Хуавеи терминалима. Програмери су додали свој "трик" - видео распоред са два звучника на једном екрану ако нема никога у просторији. По карактеристикама и декларисаној функционалности, ово је веома интересантна верзија система аутоматског навођења. Али, нажалост, нисам нашао апсолутно никакав демо материјал. Једини видео који се појавио на ову тему био је монтирани видео преглед решења, без оригиналног звука, углазбљен. Дакле, није било могуће проценити квалитет система. Из тог разлога, нећу разматрати ову опцију.
Видим да Хуавеи има активан блог на Хабре-у – можда ће колеге успети да објаве неке корисне информације о овом производу.

Ново - универзално решење СмартЦам А12 праћење гласа

СмартЦам А12ВТ - моноблок, укључујући две ПТЗ камере за праћење звучника, две уграђене камере за анализу општег распореда просторије, као и низ микрофона уграђен у подножје кућишта - као што видите, нема гломазних и крхке структуре попут оних противника.
Пре него што почнем да описујем нови производ, саставићу карактеристике и карактеристике решења Цисцо-а и Полицом-а како бих могао да упоредим СмартЦам А12ВТ са постојећим понудама.

Директор компаније Полицом ЕаглеЕие

• Малопродајна цена система без терминала - $ 13К
• Минимална цена ЕаглеЕие Дирецтор + РеалПресенце Гроуп 500 решења — $ 19К
• Просечно кашњење пребацивања 3 секунде
• Гласовно навођење + видео аналитика
• Високи захтеви за лице говорника - не можете сакрити уста
• Некомпатибилност са опремом треће стране

Цисцо ТелеПресенце СпеакерТрацк 60

• Малопродајна цена система без терминала - $ 15,9К
• Минимална цена решења за ТелеПресенце СпеакерТрацк 60 + СКС80 Цодец - $ 30К
• Просечно кашњење пребацивања 3 секунде
• Гласовно навођење + видео аналитика
• Захтеви за лице говорника - није проверио, није нашао информације
• Некомпатибилност са опремом треће стране

СмартЦам А12 праћење гласа

• Малопродајна цена система без терминала - $ 6,2К
• Минимални трошак решења СмартЦам А12ВТ + Иеалинк ВЦ880 - $ 10.8К
• Минимални трошак решења СмартЦам А12ВТ+ софтверски терминал - $ 7,7К
• Просечно кашњење пребацивања 3 секунде
• Гласовно навођење + видео аналитика
• Захтеви за лице звучника - нема захтева
• Компатибилност трећих страна - ХДМИ

Као две главне и неоспорне предности решења СмартЦам А12 праћење гласа Налазим:

1. Свестраност повезивања — преко ХДМИ-ја, систем се интегрише и са хардверским и са софтверским терминалним системима за видео конференције
2. Ниска цена — са сличном функционалношћу, А12ВТ је много пута приступачнији по буџету од горе описаних предлога.

Да бисмо демонстрирали како систем функционише, снимили смо видео преглед. Задатак није био толико рекламни колико функционалан. Дакле, видео је лишен патетике Полицом промотивног видеа. Место одржавања презентације није било представништво, већ лабораторијска сала за састанке нашег партнера, компаније ИПМатика.
Мој циљ није био да сакријем недостатке система, већ, напротив, да разоткријем уска грла функционалности, да натерам систем да прави грешке.

По мом мишљењу, систем је успешно прошао тестове. Кажем ово са поверењем јер је у време писања овог чланка решење СмартЦам А12 праћење гласа посетио десетак правих сала за састанке наших купаца. Неисправности аутоматике примећене су искључиво у условима кршења препоручених правила рада. Конкретно, минимална удаљеност до оближњих учесника. Ако седите веома близу камере, мање од метра, микрофонски низ неће моћи да вас препозна и објектив неће моћи да вас прати.

Поред удаљености, постоји још један захтев - висина камере.

Ако је камера постављена прениско, може доћи до проблема са гласовним позиционирањем. Опција испод телевизора, нажалост, није радила.
Али инсталирање система изнад уређаја за приказ је идеалан начин да уређај ради. Полица за камеру је укључена; само је зидни носач подржан као стандард.

Како функционише СмартЦам А12 Воице Трацкинг

Главна ПТЗ сочива имају једнаке улоге - њихов задатак је да наизменично прате излагаче и приказују општи план. Аналитика укупне слике у просторији и одређивање удаљености до објеката врши се коришћењем видео токова примљених од две камере интегрисане у основу система. Ова функција вам омогућава да смањите време реакције сочива при промени звучника на 1-2 секунде. Камера успева да наизменично мења учеснике у пријатном ритму, чак и ако размењују кратке реченице.
Видео демонстрација рада система у потпуности одражава функционалност СмартЦам А12ВТ. Али, за оне који нису гледали видео, речима ћу описати принцип рада аутоматике:

1. Соба је празна: једно од сочива показује општи план, друго је спремно - чека људе
2. Људи улазе у просторију и заузимају своја места: слободно сочиво проналази два екстремна учесника и уоквирује слику око њих, одсецајући празан део собе
3. Док се људи крећу, сочива се наизменично прате све у просторији, држећи их у центру кадра
4. Говорник почиње да говори: сочиво је активно, прилагођено општем плану. Други је усмерен на звучник и тек онда прелази у режим емитовања
5. Звучник се мења: сочиво подешено на први звучник је активно, а друго сочиво испушта широки снимак и прилагођава се новом звучнику
6. У тренутку пребацивања слике са првог звучника на други, слободно сочиво се тренутно прилагођава општем плану просторије
7. Ако сви ћуте, бесплатни објектив ће без одлагања показати готов генерални план
8. Ако се звучник поново промени, слободно сочиво ће кренути у потрагу за њим

Закључак

По мом мишљењу, ово решење, представљено на ИСЕ и ИСР прошле године, приближава високу технологију – ако не људима, онда бизнису сигурно. Јасно је да ће за 400 хиљада рубаља мало људи купити такву "играчку" за дом, али за посао, за корпоративне видео конференције, ово је веома приступачно и практично решење за проблем аутоматског циљања камере.
С обзиром на свестраност СмартЦам А12 праћење гласа, систем се може користити као решење од нуле, или као проширење функционалности постојеће инфраструктуре за видео конференције. Повезивање преко ХДМИ-а је велики корак ка кориснику, за разлику од власничких система горе описаних произвођача.

Желео бих да се захвалим партнерима који су помогли у тестирању.
компанија ИПМатика — за терминал Иеалинк ВЦ880, салу за састанке и Иакусхина Иура.
компанија Смарт-АВ — за право првог и искључивог прегледа решења и обезбеђења система СмартЦам А12 праћење гласа за тестирање.

У последњем чланку Онлине дизајнер собе за састанке - избор оптималног решења за видео конференције, као промоција веб странице вц4у.ру и ВКС дизајнер објавили смо 10% попуста од цене у именик кодном речју ХАБР до краја лета 2019.

Попуст се односи на производе у следећим одељцима:

• Хардверски видео терминали
• Камере за видео конференције
• ВКС сервери

До одлуке СмартЦам А12 праћење гласа Нудим додатних 5% попуста на већ постојећих 10% - укупно 15% до краја лета 2019.

Радујем се вашим коментарима и одговорима у анкети!

Хвала вам на пажњи.
С поштовањем,
Кирил Усиков (Усикофф)
Шеф
Системи за видео надзор и видео конференције
[емаил заштићен]
стсс.ру
вц4у.ру

Само регистровани корисници могу учествовати у анкети. Пријавите се, Добродошао си.

Колико је корисно СмартЦам А12 праћење гласа?

• Коначно се појавило универзално решење за софтверске и хардверске терминале!

• Решење је добро, али постоје и друге доступне опције (писаћу у коментарима)

• Систем је слаб, не стиже до Полицом-а и Цисцо-а - писаћу у коментарима зашто треба да платите 3 пута више!

• Коме је уопште потребно аутоматско навођење у сали за састанке?

• Коме је уопште потребна ПТЗ камера у сали за састанке? — Повезао сам веб камеру и било је у реду!

Гласало је 8 корисника. Уздржано је било 5 корисника.

Извор: ввв.хабр.цом