De nieuwste Hikvision-technologie - AcuSense

De nieuwste Hikvision-technologie - AcuSense

Tegenwoordig hebben kleine en middelgrote bedrijven veel beveiligingseisen. U moet bedreigingen identificeren en in realtime reageren op perimeterinbreuken, valse alarmen detecteren, het doorzoeken van bestanden automatiseren en nog veel meer. Om al deze problemen op te lossen, is Hikvision AcuSense-technologie ontwikkeld, die niet alleen geavanceerde functionaliteit heeft voor het analyseren van videocontent, maar ook de mogelijkheid heeft om objecten en gebeurtenissen te identificeren die geen echte bedreiging vormen.

De operator van on-site beveiligingssystemen wordt vaak geconfronteerd met storingen zoals licht, regendruppels, spinnenwebben, bladbeweging, vogels of dieren, die allemaal vals alarm kunnen veroorzaken. Als gevolg hiervan doen zich verschillende problemen voor:

  • veel onnodige informatie;
  • verminderde effectiviteit van alarmen;
  • hogere bedrijfskosten door extra controles op vals alarm;
  • verminderde gebruikerstevredenheid met het beveiligingssysteem.

Momenteel neemt de effectiviteit van traditionele algoritmen voor videobewakingssystemen af. Dit gebeurt om verschillende redenen: het aantal videobewakingsapparaten groeit snel en daarmee ook de hoeveelheid onbewerkte gegevens. Traditionele algoritmen van videobewakingssystemen verwerken de ontvangen informatie alleen op oppervlakteniveau, wat de nadelen van beveiligingssystemen veroorzaakt, zoals lage nauwkeurigheid bij het detecteren van bedreigingen en objectherkenning, hogere eisen voor omgevingsomstandigheden en minder herkende objecttypen.

Leren: van oppervlakkig tot diep

Het algoritmische deep learning-model heeft een aanzienlijk complexere architectuur dan traditionele modellen. Bij gebruik van deep learning-technologieën doorloopt het oorspronkelijke signaal meerdere verwerkingslagen, waardoor het algoritme het gedeeltelijke begrip (surface level) omzet in een algemeen patroon (deep level), op basis waarvan de perceptie van de bestudeerd voorwerp.

Diep leren vereist geen handmatige controle; alle informatie wordt gelezen en verwerkt met behulp van een computer. Hoe meer noodzakelijke eigenschappen van een object door het algoritme worden gevonden, hoe nauwkeuriger de classificatie en herkenning zal zijn.

Sleutelfactoren van diep leren

Gegevensvolume

De ontwikkeling van gebruikersinteractie en toegenomen participatie leidt tot een toename van het datavolume. Hierdoor ontstaat een grote hoeveelheid materiaal voor hoogwaardige trainingen en worden objectmodellen voor herkenning in videobewakingssystemen nauwkeuriger.

Rekenkracht

Diep leren wordt mogelijk gemaakt door de actieve vooruitgang van GPU's, supercomputers, cloud computing en andere krachtige hardwareplatforms.

Architectuur netwerk

Deep learning-algoritmen worden voortdurend geoptimaliseerd om de herkenningskwaliteit en nauwkeurigheid te verbeteren.

Welke taken helpt het Deep Learning-algoritme bij het oplossen?

1. Gezichtsdetectie

Gezichtsdetectiesoftware analyseert beelden en detecteert de aanwezigheid van mensen erin. Daarna bepaalt het systeem de positie, grootte en uitdrukking van het gezicht. Op basis van de videostream bepaalt het deep learning-algoritme of een persoon in het frame zit of niet, waarna de positie, grootte en hoofdkenmerken van de mensen in het frame worden vastgelegd. Na vergelijking van de afbeelding met de gezichten in de database wordt de persoon geïdentificeerd.

2. Vals alarmfilter

Met het filter voor valse alarmen kan het systeem mensen opnieuw herkennen als onderdeel van gedragsanalyse (overschrijding van lijnen, inbraakdetectie). Op deze manier elimineert het systeem effectief valse alarmen veroorzaakt door vallende bladeren, schaduwen, verblinding, dieren, enz.

3. Mensen tellen

De functie van het tellen van het aantal mensen (betreden, verlaten of passeren van een bepaald gebied) op basis van het Deep Learning-algoritme wordt aangevuld met speciale filters. Hierdoor is het beveiligingssysteem in staat rondhangende mensen te identificeren, zelfs onder een afwijkende hoek door te tellen en objecten in het frame op hoogte te filteren.

4. Structureren van voertuiggegevens

Het algoritme gebruikt gegevens van de auto, zoals kenteken, kleur, model, merk etc. om een ​​database te vormen, waarmee vervolgens naar een voertuig kan worden gezocht.

5. Zoek mensen op lichaamskenmerken

Met dit type zoekopdracht kan het systeem een ​​volledige foto van een persoon gebruiken om overeenkomsten in andere afbeeldingen en videoframes te vinden.

Maar hoe helpt AcuSense u om uw bedrijf te laten groeien?

Het antwoord is eenvoudig: met AcuSense kan uw bedrijf tegen minimale extra kosten overstappen op innovatieve, door AI aangedreven beveiligingsfuncties. En omdat u met AcuSense aanzienlijke beveiligings- en prestatieverbeteringen kunt bereiken, zijn aankoopbeslissingen vaak gemakkelijk te rechtvaardigen en snel terugverdiend.

Wij bieden onze klanten de nieuwste IP-camera's, NVR's en DVR's met AcuSense. Meer informatie nodig over concurrentievoordelen en toekomstgerichte bescherming? Wij helpen u graag verder, neem contact met ons op.

Posteado el 06-09-2021 Videovigilancia 2478

Menu

Chat

Settings