Videologic Analytics e Ultralytics YOLO per la videosorveglianza

Videologic Analytics è un'azienda spagnola che sviluppa soluzioni avanzate di analisi video per migliorare la sicurezza e la sorveglianza di siti industriali, parchi solari e complessi residenziali. L'azienda distribuisce soluzioni basate sull'intelligenza artificiale che si integrano con le telecamere di sicurezza per monitorare i perimetri e rilevare le intrusioni in tempo reale. 

Dovendo far fronte a costi elevati e a un'implementazione lenta con i modelli precedenti, hanno integrato i modelli YOLO di Ultralytics per aumentare l'accuratezza del rilevamento, ridurre i costi di sviluppo e il time-to-market ed espandersi in nuovi settori come il retail e la business intelligence.

Abilitazione della computer vision per la sicurezza con telecamere AI

Guidata da esperti con oltre 30 anni di esperienza, Videologic Analytics è specializzata nell'integrazione dell'IA e della computer vision nelle telecamere di sicurezza per il monitoraggio in tempo reale e il rilevamento automatico delle minacce. Le loro soluzioni proteggono grandi strutture, impianti di energia rinnovabile e comunità residenziali con prestazioni affidabili.

Servono clienti rinomati come Prosegur, Securitas, Sabico e oltre 4.000 aziende di sicurezza certificate in Spagna. Dovendo affrontare le difficoltà legate allo sviluppo e all'implementazione di modelli di AI costosi e dispendiosi in termini di tempo, hanno adottato i modelli YOLO di Ultralytics nelle loro innovative soluzioni Vision AI. In questo modo sono riusciti a migliorare le loro applicazioni di sicurezza e a espandersi in nuovi settori.

L'esigenza di un rilevamento automatico delle minacce efficiente dal punto di vista dei costi grazie all'IA

Videologic Analytics aveva già integrato modelli di intelligenza artificiale nelle telecamere di sicurezza offerte ai propri clienti. Questi primi modelli erano programmati per rilevare una gamma limitata di categorie di oggetti, tra cui veicoli generici, esseri umani e piccoli animali. Se da un lato questo approccio fondamentale gettava le basi per sistemi di sicurezza avanzati, dall'altro presentava opportunità di ulteriore perfezionamento, in particolare per migliorare la precisione e i tassi di falsi positivi.

I loro clienti erano alla ricerca di una soluzione più completa, in grado di fornire capacità di rilevamento degli oggetti più ampie e precise su una gamma più ampia di oggetti e scenari. Per soddisfare queste esigenze dei clienti, il team di ricerca e sviluppo di Videologic Analytics ha iniziato a sviluppare modelli AI migliorati. 

Durante lo sviluppo di questi modelli, Videologic Analytics si è subito resa conto che l'approccio esistente presentava alcuni problemi, come i costi elevati e i lunghi tempi di sviluppo. L'azienda si è resa conto di aver bisogno di un approccio più flessibile ed efficiente. Questo nuovo approccio avrebbe dovuto affrontare queste sfide e rispondere meglio alle esigenze di sicurezza in continua evoluzione dei clienti. 

In particolare, volevano individuare un modello di computer vision che potesse migliorare l'affidabilità delle soluzioni Vision AI e aumentare la soddisfazione dei clienti. Era inoltre essenziale che il modello rimanesse conveniente e adattabile alle esigenze future.

Ridefinizione della sorveglianza con il rilevamento delle anomalie guidato dall'IA

Dopo aver testato diversi modelli di intelligenza artificiale, Videologic Analytics ha scoperto che i modelli YOLO di Ultralytics offrivano la flessibilità e le prestazioni necessarie. Hanno iniziato con modelli YOLO pre-addestrati, sviluppati utilizzando il dataset COCO, che comprende un'ampia gamma di oggetti comuni. Questo pre-addestramento ha offerto una solida base, in quanto i modelli erano già in grado di riconoscere molti oggetti di base, rendendo più facile adattarli alle specifiche esigenze di sicurezza.

Videologic Analytics, ad esempio, ha perfezionato questi modelli pre-addestrati utilizzando i propri dati per applicazioni come il monitoraggio dei parchi solari. 

In questo scenario, i modelli sono stati utilizzati per il rilevamento delle anomalie guidato dall'intelligenza artificiale, distinguendo tra minacce reali - come personale o veicoli non autorizzati - ed elementi innocui come piccoli animali o detriti trasportati dal vento. Questa chiara differenziazione è stata essenziale per ridurre i falsi allarmi e migliorare le prestazioni complessive della sicurezza.

Oltre a monitorare i parchi solari, hanno sviluppato soluzioni di sicurezza industriali e residenziali utilizzando YOLO, nonché moduli di prova per innovazioni di computer vision nel settore della vendita al dettaglio e della business intelligence. Sebbene utilizzino principalmente il rilevamento degli oggetti, sfruttano anche le attività di computer vision supportate da YOLO, come la stima della posa e il tracciamento degli oggetti.

‍

Perché scegliere i modelli YOLO di Ultralytics?

Videologic Analytics ha scelto i modelli YOLO di Ultralytics perché aveva bisogno di una soluzione robusta in grado di supportare numerosi canali di ripresa e di fornire un'inferenza rapida e accurata. 

YOLO supporta diversi formati di esportazione e si integra perfettamente con framework come CUDA, TensorRT, ONNX e OpenVINO. Questa flessibilità consente a Videologic Analytics di perfezionare i modelli utilizzando PyTorch e di distribuirli in modo efficiente in produzione. Grazie alle ottimizzazioni specifiche per l'hardware, YOLO soddisfa le esigenze di analisi video in tempo reale meglio dei modelli precedenti.

Implementazione semplificata del modello per il monitoraggio video intelligente

Da quando ha integrato i modelli YOLO di Ultralytics, Videologic Analytics ha registrato notevoli miglioramenti in termini di prestazioni ed efficienza. La nuova soluzione Vision AI ha permesso di rilevare rapidamente e in tempo reale le minacce in un'ampia gamma di installazioni, dai parchi solari ai siti industriali, fino ai complessi residenziali. 

Videologic Analytics utilizza infatti circa 10.000 licenze all'anno, ciascuna corrispondente a un canale di telecamere dedicato, e tutte le licenze sono state aggiornate per supportare i modelli Ultralytics YOLO. Il passaggio a YOLO ha portato a una significativa riduzione dei falsi allarmi e a un aumento generale dell'accuratezza del rilevamento. Di conseguenza, i clienti godono di sistemi di sicurezza più affidabili e i costi operativi sono stati ridotti. 

Inoltre, la maggiore velocità di inferenza e la scalabilità dei modelli YOLO di Ultralytics hanno ridotto il time-to-market per le nuove funzionalità AI. Questo ha permesso a Videologic Analytics di migliorare le sue offerte di sicurezza principali e di esplorare nuove opportunità in settori verticali come il retail e la business intelligence. Nel complesso, l'adozione dei modelli YOLO di Ultralytics ha determinato miglioramenti operativi immediati e prospettive di crescita a lungo termine per l'azienda.

‍

Analisi video intelligente per la sicurezza: La strada da percorrere

Videologic Analytics sta lavorando attivamente per espandere la propria soluzione sfruttando i modelli YOLO di Ultralytics per andare oltre il semplice rilevamento delle intrusioni. I prossimi passi prevedono la fornitura di informazioni più ricche e fruibili attraverso analisi avanzate come l'analisi del comportamento, il monitoraggio delle tendenze e l'intelligenza predittiva. 

Questi miglioramenti aiuteranno i clienti a ottimizzare le operazioni di sicurezza e a sbloccare nuove possibilità nel settore della vendita al dettaglio e della business intelligence, promuovendo una continua innovazione e crescita nel campo dell'analisi video in tempo reale.

Siete curiosi di sapere come la computer vision può rimodellare la vostra attività? Esplorate il nostro repository GitHub per vedere come le soluzioni di IA di Ultralytics stanno trasformando innovazioni come l'IA nelle auto a guida autonoma e la computer vision in agricoltura. Scoprite di più sui nostri modelli YOLO e sulle opzioni di licenza e iniziate oggi stesso il vostro viaggio verso un'automazione più intelligente ed efficiente.