La dernière technologie Hikvision - AcuSense

Aujourd'hui, les petites et moyennes entreprises ont de nombreuses exigences en matière de sécurité. Vous devez identifier les menaces et répondre aux violations de périmètre en temps réel, détecter les fausses alarmes, automatiser les recherches de fichiers, et bien plus encore. Pour résoudre tous ces problèmes, la technologie Hikvision AcuSense a été développée, qui dispose non seulement de fonctionnalités avancées pour analyser le contenu vidéo, mais a également la capacité d'identifier les objets et les événements qui ne constituent pas une menace réelle.

L'opérateur de systèmes de sécurité sur site est souvent confronté à des perturbations telles que la lumière, les gouttes de pluie, les toiles d'araignées, le mouvement des feuilles, les oiseaux ou les animaux, qui peuvent toutes provoquer de fausses alarmes. En conséquence, plusieurs problèmes se posent :

• beaucoup d'informations inutiles ;
• diminution de l'efficacité des alarmes ;
• augmentation des coûts d'exploitation due aux contrôles supplémentaires des fausses alarmes ;
• baisse de la satisfaction des utilisateurs vis-à-vis du système de sécurité.

Actuellement, l'efficacité des algorithmes traditionnels pour les systèmes de vidéosurveillance est en déclin. Cela se produit pour plusieurs raisons : Le nombre d'appareils de vidéosurveillance augmente rapidement et avec lui la quantité de données brutes. Les algorithmes traditionnels des systèmes de vidéosurveillance gèrent le traitement des informations reçues uniquement au niveau de la surface, ce qui entraîne des inconvénients des systèmes de sécurité tels qu'une faible précision dans la détection des menaces et la reconnaissance des objets, des exigences accrues pour les conditions environnementales et moins de types d'objets reconnus.

Apprendre : du superficiel au profond

Le modèle algorithmique d'apprentissage en profondeur a une architecture nettement plus complexe que les modèles traditionnels. Lorsque les technologies d'apprentissage en profondeur sont utilisées, le signal d'origine passe par plusieurs couches de traitement, à la suite desquelles l'algorithme transforme la compréhension partielle (niveau de surface) en un schéma général (niveau profond), sur la base duquel la perception du objet étudié.

L'apprentissage en profondeur ne nécessite pas de contrôle manuel ; toutes les informations sont lues et traitées à l'aide d'un ordinateur. Plus les propriétés nécessaires d'un objet sont trouvées par l'algorithme, plus la classification et la reconnaissance seront précises.

Facteurs clés de l'apprentissage en profondeur

Volume de données

Le développement de l'interaction des utilisateurs et une participation accrue entraînent une augmentation du volume de données. Cela crée une grande quantité de matériel pour une formation de haute qualité, et les modèles d'objets pour la reconnaissance dans les systèmes de vidéosurveillance deviennent plus précis.

Puissance de calcul

L'apprentissage en profondeur est rendu possible par l'avancement actif des GPU, des superordinateurs, du cloud computing et d'autres plates-formes matérielles hautes performances.

Réseau architectural

Les algorithmes d'apprentissage en profondeur sont constamment optimisés pour améliorer la qualité et la précision de la reconnaissance.

Quelles tâches l'algorithme de Deep Learning aide-t-il à résoudre ?

1. Détection de visage

Un logiciel de détection de visage analyse les images et détecte la présence de personnes sur celles-ci. Après cela, le système détermine la position, la taille et l'expression du visage. Sur la base du flux vidéo, l'algorithme d'apprentissage en profondeur détermine si une personne est dans le cadre ou non, après quoi la position, la taille et les principales caractéristiques des personnes dans le cadre sont fixées. Après avoir comparé l'image avec les visages de la base de données, la personne est identifiée.

2. Filtre de fausse alarme

Le filtre de fausses alarmes permet au système de re-reconnaître les personnes dans le cadre de l'analyse comportementale (franchissement de ligne, détection d'intrusion). De cette façon, le système élimine efficacement les fausses alarmes causées par la chute des feuilles, les ombres, l'éblouissement, les animaux, etc.

3. Les gens comptent

La fonction de comptage du nombre de personnes (entrant, sortant ou traversant une certaine zone) basée sur l'algorithme Deep Learning est complétée par des filtres spéciaux. Grâce à cela, le système de sécurité est capable d'identifier les personnes qui flânent, de continuer à compter même à un angle non standard et de filtrer les objets dans le cadre par hauteur.

4. Structuration des données véhicule

L'algorithme utilise les données de la voiture, telles que le numéro d'immatriculation, la couleur, le modèle, la marque, etc., pour former une base de données, qui peut ensuite être utilisée pour rechercher un véhicule.

5. Rechercher des personnes par caractéristiques corporelles

Ce type de recherche permet au système d'utiliser une photo complète d'une personne pour trouver des correspondances dans d'autres images et cadres vidéo.

Mais comment AcuSense vous aide-t-il à développer votre entreprise ?

La réponse est simple : avec AcuSense, votre entreprise peut passer à des fonctionnalités de sécurité innovantes basées sur l'IA à un coût supplémentaire minime. Et parce que vous pouvez obtenir des améliorations significatives en matière de sécurité et de performances avec AcuSense, les décisions d'achat sont souvent faciles à justifier et rapidement amorties.

Nous proposons à nos clients les dernières caméras IP, NVR et DVR avec AcuSense. Avez-vous besoin de plus d'informations sur les avantages concurrentiels et la protection d'avenir ? Nous serons heureux de vous aider, contactez-nous.