Модерно наблюдение, истинска интелигентност: как DeepAnT подобрява системите за камери, базирани на AI

Съвременните системи за наблюдение все повече разчитат на анализи с помощта на изкуствен интелект, за да откриват автоматично движения, неразрешен достъп или подозрително поведение, неразрешен достъп или подозрително поведение. Производителите рекламират с "интелигентен видеоанализ" и обещават автоматични известия и значително значително намаляване на разходите за персонал. Оперативната реалност обаче често е различна.

Слабите страни на днешните системи за камери, базирани на изкуствен интелект

Многобройни проучвания и практически доклади показват, че действителната точност на откриване на търговски системи с изкуствен интелект за видеонаблюдение в търговската мрежа често е само около 30-40%. Обратно, това означава, че 60-70% от всички аларми са фалшиви.

Това, което все още изглежда управляемо при малки инсталации, бързо се превръща в проблем, тъй като системата Размерът на системата и нарастващата сложност бързо се превръщат в сериозен проблем:

• В силно посещавани зони като гари, летища или градски центрове процентът на фалшивите аларми нараства експоненциално.
• Промените във времето, променящите се светлинни условия, животните или отраженията често водят до фалшиви аларми.
• Центровете за контрол на сигурността са затрупани с неуместни сигнали.
• Резултатът е умора от алармата: операторите реагират на критичните съобщения със закъснение или изобщо не реагират.

Действие на DeepAnT като интелигентен слой от по-високо ниво

Именно тук се появява DeepAnT Performance - не като заместител на съществуващите системи от камери, а като интелигентен аналитичен слой от по-високо ниво, който наблюдава, оценява и оптимизира съществуващите системи с изкуствен интелект следи, оценява и оптимизира съществуващите системи с изкуствен интелект.

Позициониран между AI камерата и центъра за управление на сигурността, предсказващият капацитет на DeepAnT Двигател за откриване на аномалии в реално време от DeepAnT анализира, наред с други неща:

• Модели от предишни фалшиви аларми и реални инциденти
• Контекстуална информация, като например час, ден от седмицата, време или гъстота на местните събития
• Данни от паралелни сензори, напр. контакти на врати или допълнителни сензори за движение
• Взаимодействие на многомерни времеви редове, например между няколко камери в една и съща зона

Ранно откриване на фалшиви аларми и реални заплахи

DeepAnT разпознава системни грешни интерпретации от изкуствения интелект на камерата и ги филтрира преди да бъдат препратени към контролния център. В същото време Сложни, скрити модели, които показват реални заплахи за сигурността - дори ако оригиналното видео дори ако първоначалният AI на видеото не ги е класифицирал ясно.

Основни предимства за съвременното видеонаблюдение

• До 70 % по-малко фалшиви аларми
• Значително облекчение за екипите на центровете за сигурност и контрол
• По-голяма надеждност на реакцията в критични ситуации
• Непрекъснато подобряване на системата чрез механизми за обратна връзка и обучение
• Лесна интеграция в съществуващи VMS и API-базирани среди

Заключение

Мащабирането на съвременните инфраструктури за сигурност изисква нещо повече от допълнителни камери или по-високи честотни ленти. От решаващо значение са адаптивните, приспособяващи се системи, които Оценяват събитията, свързани със сигурността, в контекст и надеждно намаляват погрешните интерпретации намаляване на погрешните интерпретации.

DeepAnT предоставя точно тази интелигентност: мощен, самообучаващ се слой за анализ, който Слой за анализ, който значително подобрява съществуващите системи за наблюдение и в същото време и в същото време устойчиво намалява оперативната тежест върху екипите по сигурността.