Videologic Analytics skaliert auf 10.000 KI-Kameralizenzen mit Ultralytics YOLO

Videologic Analytics ist ein in Spanien ansässiger Entwickler fortschrittlicher Videoanalyselösungen, die die Sicherheit und Überwachung für Industrieanlagen, Solarparks und Wohnkomplexe verbessern. Das Unternehmen setzt KI-gestützte Lösungen ein, die sich in Sicherheitskameras integrieren lassen, um Perimeter zu überwachen und Eindringlinge in Echtzeit zu erkennen.

Angesichts hoher Kosten und langsamer Bereitstellungen bei früheren Modellen integrierten sie Ultralytics YOLO models, um die Erkennungsgenauigkeit zu erhöhen, die Entwicklungskosten und die Markteinführungszeit zu reduzieren und in neue Bereiche wie den Einzelhandel und Business Intelligence zu expandieren.

Computer Vision für Sicherheit mit KI-Kameras ermöglichen#

Unter der Leitung von Experten mit über 30 Jahren Erfahrung ist Videologic Analytics auf die Integration von KI und computer vision in Sicherheitskameras für Echtzeitüberwachung und automatisierte Bedennungserkennung spezialisiert. Ihre Lösungen schützen große Anlagen, erneuerbare Energieanlagen und Wohngebiete mit zuverlässiger Leistung.

Sie betreuen renommierte Kunden wie Prosegur, Securitas, Sabico und über 4.000 zertifizierte Sicherheitsunternehmen in Spanien. Angesichts der Herausforderungen bei der teuren und zeitaufwändigen Entwicklung und Bereitstellung von KI-Modellen integrierten sie Ultralytics YOLO-Modelle in ihre innovativen Vision AI-Lösungen. Dadurch konnten sie ihre Sicherheitsanwendungen verbessern und sich auch auf neue vertikale Märkte ausweiten.

Der Bedarf an kosteneffizienter automatisierter Bedrohungserkennung mittels KI#

Videologic Analytics hatte zuvor KI-Modelle in die Sicherheitskameras integriert, die sie ihren Kunden anboten. Diese frühen Modelle waren darauf programmiert, einen begrenzten Bereich von Objektkategorien zu erkennen, darunter allgemeine Fahrzeuge, Menschen und kleine Tiere. Während dieser grundlegende Ansatz das Fundament für fortschrittliche Sicherheitssysteme legte, bot er auch Möglichkeiten für weitere Verfeinerungen, insbesondere bei der Verbesserung der Präzision und der Falsch-Positiv-Raten.

Ihre Kunden suchten nach einer umfassenderen Lösung, die in der Lage ist, breitere und präzisere object detection-Funktionen über eine größere Bandbreite von Objekten und Szenarien hinweg bereitzustellen. Um diesen Kundenbedürfnissen gerecht zu werden, begann das Forschungs- und Entwicklungsteam von Videologic Analytics mit der Entwicklung verbesserter KI-Modelle.

Bei der Entwicklung dieser Modelle stellte Videologic Analytics schnell fest, dass der bestehende Ansatz einige Probleme aufwies, wie etwa hohe Kosten und lange Entwicklungszeiten. Das Unternehmen erkannte, dass es einen flexibleren und effizienteren Ansatz benötigte. Dieser neue Ansatz musste diese Herausforderungen bewältigen und die sich wandelnden Sicherheitsbedürfnisse ihrer Kunden besser bedienen.

Konkret wollten sie ein Computer-Vision-Modell finden, das die Zuverlässigkeit seiner Vision AI solutions verbessern und die Kundenzufriedenheit steigern konnte. Es war zudem essenziell, dass das Modell sowohl kosteneffizient als auch anpassungsfähig an zukünftige Anforderungen blieb.

Überwachung neu definieren mit KI-gesteuerter Anomalieerkennung#

Nach dem Testen verschiedener KI-Modelle stellte Videologic Analytics fest, dass die Ultralytics YOLO-Modelle die Flexibilität und Leistung boten, die sie benötigten. Sie begannen mit vortrainierten YOLO-Modellen, die unter Verwendung des COCO dataset entwickelt wurden, das eine Vielzahl gängiger Objekte umfasst. Dieses Vortraining bot eine starke Grundlage, da die Modelle bereits viele grundlegende Elemente erkennen konnten, was es einfacher machte, sie für spezifische Sicherheitsanforderungen anzupassen.

Videologic Analytics hat diese vortrainierten Modelle beispielsweise mit eigenen proprietären Daten für Anwendungen wie die Überwachung von Solarparks feinabgestimmt.

In diesem Szenario wurden die Modelle für eine KI-gesteuerte Anomalieerkennung eingesetzt, wobei zwischen echten Bedrohungen – wie unbefugtem Personal oder Fahrzeugen – und harmlosen Elementen wie kleinen Tieren oder vom Wind bewegten Trümmern unterschieden wurde. Diese klare Differenzierung war entscheidend, um Fehlalarme zu reduzieren und die gesamte Sicherheitsleistung zu verbessern.

Neben der Überwachung von Solarfarmen entwickelten sie auch industrielle und wohnungswirtschaftliche Sicherheitslösungen mit YOLO sowie Machbarkeitsnachweis-Module für Computer-Vision-Innovationen im Einzelhandel und in der Business Intelligence. Während sie in erster Linie Objekterkennung verwenden, nutzen sie auch von YOLO unterstützte computer vision tasks wie Posen-Schätzung und Objekterfassung.

Fig 1. Videologic Analytics verwendet Ultralytics YOLO-Modelle zur Überwachung von Solarkraftwerken.

Warum solltest du dich für Ultralytics YOLO Modelle entscheiden?#

Videologic Analytics entschied sich für Ultralytics YOLO-Modelle, da sie eine robuste Lösung benötigten, die zahlreiche Kamerakanäle unterstützen konnte und gleichzeitig schnelle, genaue Inferenz lieferte.

YOLO unterstützt verschiedene export formats und lässt sich nahtlos in Frameworks wie CUDA, TensorRT, ONNX und OpenVINO integrieren. Diese Flexibilität ermöglicht es Videologic Analytics, Modelle mit PyTorch feinabzustimmen und sie effizient in der Produktion einzusetzen. Mit hardwarespezifischen Optimierungen erfüllt YOLO die anspruchsvollen Anforderungen der Echtzeit-Videoanalyse besser als frühere Modelle.

Optimierte Modellbereitstellung für intelligente Videoüberwachung#

Seit der Integration von Ultralytics YOLO-Modellen hat Videologic Analytics beeindruckende Verbesserungen bei Leistung und Effizienz erzielt. Ihre neue Vision AI-Lösung ermöglicht eine schnelle Echtzeit-Bedrohungserkennung über eine Vielzahl von Installationen hinweg, von Solarparks und Industrieanlagen bis hin zu Wohnkomplexen.

Tatsächlich stellt Videologic Analytics jährlich rund 10.000 Lizenzen bereit, von denen jede einem dedizierten Kamerakanal entspricht, wobei alle Lizenzen nun so aktualisiert wurden, dass sie Ultralytics YOLO-Modelle unterstützen. Der Wechsel zu YOLO hat zu einer signifikanten Reduzierung von Fehlalarmen und einer allgemeinen Steigerung der Erkennungsgenauigkeit geführt. Infolgedessen genießen Kunden zuverlässigere security systems, und die Betriebskosten wurden gesenkt.

Zudem haben die schnelleren Inferenzgeschwindigkeiten und die Skalierbarkeit der Ultralytics YOLO-Modelle die Markteinführungszeit für neue KI-Funktionen verkürzt. Dies hat es Videologic Analytics ermöglicht, seine Kernangebote im Sicherheitsbereich zu verbessern und neue Möglichkeiten in vertikalen Märkten wie Einzelhandel und Business Intelligence zu erschließen. Insgesamt hat die Einführung der Ultralytics YOLO-Modelle sowohl kurzfristige operative Verbesserungen als auch langfristige Wachstumsaussichten für das Unternehmen gefördert.

Abb. 2. Videologic Analytics verwendet Ultralytics YOLO-Modelle zur Überwachung städtischer Umgebungen.

Smarte Videoanalyse für Sicherheit: Der Weg in die Zukunft#

Videologic Analytics arbeitet aktiv daran, seine Lösung durch den Einsatz von Ultralytics YOLO-Modellen zu erweitern, um über die einfache Eindringlingserkennung hinauszugehen. Die nächsten Schritte beinhalten die Bereitstellung reichhaltigerer, handlungsorientierterer Erkenntnisse durch fortschrittliche Analysen wie Verhaltensanalyse, Trendverfolgung und prädiktive Intelligenz.

Diese Verbesserungen werden Kunden dabei helfen, ihre Sicherheitsabläufe zu optimieren und neue Möglichkeiten im Einzelhandel und in der Business Intelligence zu erschließen, was kontinuierliche Innovation und Wachstum in der Echtzeit-Videoanalyse vorantreibt.

Bist du neugierig, wie Computer Vision dein Geschäft verändern kann? Erkunde unser GitHub repository, um zu sehen, wie die KI-Lösungen von Ultralytics Innovationen wie AI in self-driving cars und computer vision in agriculture transformieren. Erfahre mehr über unsere YOLO-Modelle und licensing options und starte noch heute deine Reise zu einer intelligenteren, effizienteren Automatisierung.