Videooptælling

Videooptælling er en disciplin inden for videobehandling og computer vision, der går ud på automatisk at tælle forekomster af bestemte objekter i video. Typiske målgrupper omfatter personer, køretøjer og varer i detailmiljøer. Formålet er at omsætte visuel information til kvantitative tal, som kan bruges til analyse, planlægning og overvågning.

Metoderne kan opdeles i detector-baserede og sporing-baserede tilgange. Detektorbaseret tælling anvender objektdetektorer til at identificere og tælle forekomster i hvert enkelt frame; tællingen kan korrigeres for dubletælling over tid. Sporingbaseret tælling følger individers identiteter gennem flere frames og tæller unikke objekter ved ankomst og afrejse. Moderne løsninger anvender dybe neurale netværk som YOLO eller Faster R-CNN for objektdetektion, ofte kombineret med sporingsalgoritmer som SORT eller DeepSORT. Der findes også enklere metoder baseret på baggrundsskift og optisk flow til bevægelsesbaseret tælling samt line-crossing- eller regionbaseret tælling i specifikke zoner.

Anvendelser omfatter overvågning af menneskelig trafik i offentlige rum, analyse af kundestrøm i detailhandelen, køretøjsdemografi og produktionsovervågning i industri, samt forskning i crowd dynamics. Nøglemålinger inkluderer gennemsnitlig fejl i tælling (MAE), præcision, recall og F1-score, samt tidslige metrikker som realtidskapacitet. Kvaliteten på tællingen påvirkes af faktorer som occlusion, perspektiv, belysning og kameraets opløsning og placering.

Udfordringerne ved videooptælling omfatter occlusion, ujævn belysning, skygger og ændringer i kameraets position. Implementering kræver typisk annoterede data til træning, validering og tilpasning til specifikke miljøer. Privatliv og databeskyttelse er væsentlige hensyn, og løsningerene bør sikre anonymisering og overholdelse af regler som GDPR, eksempelvis ved at sløre ansigter og fjerne identificerbare detaljer. Afhængigt af kravene kan behandling ske lokalt på kanten eller i skyen.