Baza technologii

Opis technologii / usługi

System jest oparty na algorytmach sztucznej inteligencji, który wspiera codzienną pracę operatorów monitoringu poprzez automatyczną detekcję zdarzeń. Algorytmy sztucznej inteligencji automatycznie i bezinwazyjnie analizują obraz z kamer, i w razie wykrycia predefiniowanych zdarzeń na bieżąco wysyłają do operatora powiadomienia. W praktyce pozwala to na zwiększenie skuteczności monitoringu w detekcji i zapobieganiu zdarzeniom niepożądanym. Jaki problem rozwiązuje system? Obecnie rola monitoringu sprowadza się do rejestracji zdarzeń i analizy post factum, a nie reakcji w trakcie ich trwania. Na jednego operatora przypada zbyt duża liczba kamer, co oznacza, że część kamer jest obserwowana w niedostatecznym stopniu. Możliwości koncentracji człowieka są ograniczone – nawet wyszkolony operator traci 90% swojej koncentracji już po 22 min pracy. Cechy: Rodzaj analityki: Wykrywanie człowieka Wykrywanie pojazdu Wykrywanie człowieka leżącego Parametry: Obszar zainteresowania (ROI) Czas od momentu wystąpienia zdarzenia do momentu wysłania powiadomienia Ilość obiektów w ROI Czas pracy analityki (dzień, noc, określone godziny) Elementy systemu: Analityki oparte o sztuczną inteligencję Panel administratora Aplikacja operatora Zastosowane technologie i narzędzia: Python 3.6, C#, .NET Core, JavaScript ES6, TensorFlow, Keras, OpenCV 3.4, RabbitMQ, onvif_zeep. W ramach największego testu zostały uruchomione analityki na ponad 100 kamerach. Techniczna poprawność powiadomień wyniosła 87%.

Zalety / korzyści z zastosowania technologii

Zastosowanie technik uczenia głębokiego (Deep Learning), które są ważną składową współczesnych postępów w dziedzinie sztucznej inteligencji (Artificial Intelligence), pozwala na zwiększenie skuteczności działania systemu. Sieci splotowe (Convolutional Neural Networks), które zostały wykorzystane w obecnym systemie, powstały jako analogia do całych struktur neuronów obecnych w narzędziu wzroku ludzi i zwierząt. Struktura ta umożliwia wykrywanie skomplikowanych obiektów w zmiennych warunkach wizualnych i otwiera możliwości szerokiego zastosowania opartych o nią rozwiązań. Przewagi z zastosowania uczenia głębokiego: Pełna możliwość wykrywania obiektów na kamerach PTZ Możliwość wykrywania rzeczywistych obiektów pewnych klas (osoba, pojazd), z pominięciem innych przedmiotów (ptaki, drzewa, cienie, krople wody na obiektywie) Analizowanie klatek odbywa się w czasie rzeczywistym i nie wpływa na jakość obrazu przesyłanego do operatora Działanie dla szerokiego zakresu klatek (od 0.3 do 30) na sekundę Na działanie systemu nie wpływa: zmiana oświetlenia (chmury, słońce, świt, zmierzch) warunki pogodowe (deszcz, śnieg, mgła, silny wiatr) zmiana ustawień akwizycji (balans bieli, ekspozycja)

Zastosowanie rynkowe

System algorytmów sztucznej inteligencji wspierający monitoring wizyjny może być zastosowany we wszystkich organizacjach, które posiadają lub zarządzają systemami monitoringu i wykorzystują go do działań prewencyjnych, ochronnych lub dowodowych, na przykład: Miasta Branza Security Zarządcy dużych obiektów BHP Możliwe scenariusze użycia systemu: Lokalizuje osoby leżące, które mogą potrzebować pilnej pomocy Wykrywa osoby nocujące w miejscach do tego nieprzeznaczonych, np. na przystankach Alarmuje o samochodach znajdujących się w zakazanej strefie lub zaparkowanych w miejscach niedozwolonych Wykrywa “wałęsanie się” (przebywanie osoby przez zdefiniowany okres czasu w danym obszarze) Powiadamia o obecności człowieka w miejscu niedozwolonym, np. na terenie zamkniętym Wykrywa grupy osób (indywidualnie definiowana wielkość grupy) Wysyła powiadomienia o pojazdach przebywających w konkretnym miejscu przez określony czas, np. postój samochodu na skrzyżowaniu przez 5 minut Zapobiega wandalizmowi, powiadamiając o obecności ludzi w miejscach wymagających szczególnej uwagi, np. w fontannach, przy pomnikach, na placach zabaw po godzinie 22

Tagi

Branże