Black Friday Secpral continua pana in 22 noi. /// Noutati si promotii curente /// Transport gratuit la comenzile plasate pe secpral.ro /// Fa-ti cont pe secpral.ro. Conturile se activeaza in 1-2 zile lucratoare de la trimiterea solicitarii.
Monitorizarea determinata de evenimente, cunoscuta si ca raportare la exceptii, a devenit o metoda acceptata de a-i face pe operatorii camerelor de control sa constientizeze un eveniment dupa ce a devenit clar ca e ineficient ca acestia sa se uite constant la un ecran in eventualitatea ca vor observa activitate suspecta.
Necesitatea de a verifica doar alertele determinate de evenimente are beneficii evidente. Businessurile nu mai trebuie sa angajeze un numar mare de persoane pentru monitorizarea unui numar redus de locatii, iar operatorii risca mult mai putin sa rateze ceva important din cauza concentrarii reduse. Totusi, in ciuda progreselor continue in tehnologie, metodele actuale de monitorizare video genereaza des un numar mare de alarme false.
Sistemele de supraveghere conventionale detecteaza miscarea preponderent cu ajutorul senzorilor sau software-urilor de detectie, fara analize suplimentare. Asta inseamna ca nu pot distinge cu acuratete intre, de exemplu, un animal vagabond si un infractor sau intre un vehicul si ce ar putea fi doar zgomot video. Pe langa timpul pierdut si potentialele implicatii financiare asociate cu gestionarea alarmelor false, acestea pot fi si extrem de frustrante pentru operatorii din camerele de control.
Daca o locatie genereaza alarme false, raspunsul centrelor de monitorizare CCTV de la distanta se incadreaza de obicei in una dintre urmatoarele variante: ori apar costuri suplimentare pentru gestionarea numarului ridicat de activari de alarme, ori serviciul de monitorizare e retras pana cand se intreprind actiuni de remediere. Acest lucru inseamna ca utilizatorul final fie are costuri mai mari decat se astepta, fie pierde securitatea bazata pe supraveghere video in locatia respectiva.
Cu ajutorul algoritmilor deep learning de analiza video, Hanwha Techwin poate sa ofere organizatiilor de orice tip sau marime un instrument puternic cu care sa lupte impotriva intrusilor. Ruland pe camere HD, algoritmii deep learning care nu necesita licenta ofera detectie cu un nivel ridicat de acuratete, reducand totodata alarmele false. Asta deoarece pot sa detecteze si sa clasifice simultan variate tipuri de obiecte, inclusiv oameni, vehicule, fete si numere de inmatriculare.
Camerele AI produse de Hanwha Techwin au algoritmi AI Wisenet care pot sa identifice atributele obiectelor sau persoanelor, cum ar fi categoria de varsta, sexul sau culoarea hainelor. Atributele sunt salvate ca metadate alaturi de imaginile capturate de camerele AI, oferind utilizatorilor posibilitatea de a cauta rapid anumite obiecte sau incidente. Algoritmii pot determina si daca o persoana poarta ochelari sau daca are o geanta.
Partea cea mai importanta e faptul ca algoritmii Deep Learning pot fi configurati sa ignore zgomotul video, copacii, norii si animalele care se misca si alte astfel de cauze comune ale alarmelor false care apar frecvent atunci cand se foloseste tehnologie standard de detectie a miscarii. Aceasta abilitate de a minimiza alarmele false care consuma timp si bani ofera personalului responsabil de securitate posibilitatea de a se concentra doar pe incidente si urgente reale.
Un raport efectuat de Memoori Smart Building Research prezice ca vanzarile produselor de supraveghere video pot sa creasca de la 19.15 miliarde de dolari in 2019 la 35.82 miliarde de dolari in 2024 si ca software-ul AI de analiza video va fi un factor semnificativ in aceasta crestere. Nu e surprinzator avand in vedere potentialul sau de a face monitorizarea de la distanta mai eficienta si mai ieftina prin reducerea alarmelor false si oferind posibilitatea de a cauta rapid dovezi legate de incidente in inregistrarile video. Astfel, in viitorul nu foarte indepartat, vom vedea introducerea aplicatiilor AI dezvoltate de Hanwha Techwin si partenerii sai care vor imbunatatii sistemele de supraveghere video pana la un nivel care nu pare posibil in prezent.
