La Última Tecnología De Hikvision - AcuSense

Hoy en día, las pequeñas y medianas empresas tienen muchos requisitos de seguridad. Es necesario identificar amenazas y responder a brechas de perímetro en tiempo real, detectar falsas alarmas, automatizar búsquedas de archivos y mucho más. Para resolver todos estos problemas, se desarrolló la tecnología Hikvision AcuSense, que no solo tiene una funcionalidad avanzada para analizar contenido de video, sino que también tiene la capacidad de identificar objetos y eventos que no representan una amenaza real.

El operador de los sistemas de seguridad en los sitios generalmente se enfrenta a perturbaciones tales como luz, gotas de lluvia, telarañas, movimiento de hojas, pájaros o animales, todo lo cual puede provocar falsas alarmas. Como resultado, surgen varios problemas:

• mucha información innecesaria;
• disminución de la eficacia de las alarmas;
• aumento de los costos operativos debido a controles adicionales de falsas alarmas;
• reducción de la satisfacción del usuario con el sistema de seguridad.

Actualmente, la efectividad de los algoritmos tradicionales para sistemas de videovigilancia está disminuyendo. Esto sucede por varias razones: La cantidad de dispositivos para videovigilancia está creciendo rápidamente y con ellos la cantidad de datos sin procesar. Los algoritmos tradicionales de los sistemas de videovigilancia hacen frente al procesamiento de la información recibida solo en el nivel superficial, lo que causa desventajas de los sistemas de seguridad como baja precisión en la detección de amenazas y reconocimiento de objetos, mayores requisitos para las condiciones ambientales y menos tipos de objetos reconocidos.

Aprendizaje: de lo superficial a lo profundo

El modelo algorítmico de aprendizaje profundo tiene una arquitectura significativamente más compleja que los modelos tradicionales. Cuando se utilizan tecnologías de aprendizaje profundo, la señal original pasa a través de varias capas de procesamiento, como resultado de lo cual el algoritmo transforma la comprensión parcial (nivel superficial) en un patrón general (nivel profundo), sobre cuya base se produce la percepción del objeto estudiado.

El aprendizaje profundo no requiere control manual; toda la información se lee y procesa usando una computadora. Mientras más propiedades necesarias de un objeto sean encontradas por el algoritmo, más precisa será la clasificación y el reconocimiento.

Factores clave del aprendizaje profundo

Volumen de datos

El desarrollo de la interacción del usuario y una mayor participación conduce a un aumento en el volumen de datos. Esto crea una gran cantidad de material para una formación de alta calidad, y los modelos de objetos para el reconocimiento en los sistemas de videovigilancia se vuelven más precisos.

Poder computacional

El aprendizaje profundo es posible gracias al avance activo de las GPU, las supercomputadoras, la computación en la nube y otras plataformas de hardware de alto rendimiento.

Red de arquitectura

Los algoritmos de aprendizaje profundo se optimizan constantemente para mejorar la calidad y precisión del reconocimiento.

¿Qué tareas ayuda a resolver el algoritmo de Deep Learning?

1. Detección de rostro

El software de detección de rostros analiza imágenes y detecta la presencia de personas en ellas. Después de eso, el sistema determina la posición, el tamaño y la expresión del rostro. Basado en la transmisión de video, el algoritmo de aprendizaje profundo determina si una persona está en el marco o no, después de lo cual se fijan la posición, el tamaño y las características principales de las personas en el marco. Después de comparar la imagen con las caras en la base de datos, se identifica a la persona.

2. Filtro de falsas alarmas

El filtro de falsas alarmas permite que el sistema vuelva a reconocer a las personas como parte del análisis de comportamiento (cruce de líneas, detección de intrusos). De esta forma, el sistema elimina eficazmente las falsas alarmas provocadas por la caída de hojas, sombras, deslumbramientos, animales, etc.

3. Conteo de personas

La función de contar el número de personas (que entran, salen o pasan por una determinada zona) basada en el algoritmo de Deep Learning se complementa con filtros especiales. Gracias a esto, el sistema de seguridad puede identificar a las personas que merodean, seguir contando incluso en un ángulo no estándar y filtrar los objetos en el marco por altura.

4. Estructuración de datos de vehículos

El algoritmo utiliza datos del automóvil, como el número de registro, el color, el modelo, la marca, etc., para formar una base de datos, que luego se puede usar para buscar un vehículo.

5. Buscar personas por rasgos corporales

Este tipo de búsqueda permite que el sistema utilice una fotografía completa de una persona para buscar coincidencias en otras imágenes y fotogramas de video.

Pero, ¿cómo lo ayuda AcuSense a hacer crecer su negocio?

La respuesta es simple: con AcuSense, su empresa puede hacer la transición a características de seguridad innovadoras impulsadas por IA a un costo adicional mínimo. Y debido a que puede lograr mejoras significativas en la seguridad y el rendimiento con AcuSense, las decisiones de compra generalmente son fáciles de justificar y se amortizan rápidamente.

Ofrecemos a nuestros clientes las últimas cámaras IP, NVR y DVR con AcuSense. ¿Necesitas más información sobre ventajas competitivas y protección orientada al futuro? Estaremos encantados de ayudarte, póngase en contacto con nosotros.