Интеграция моделей Ultralytics YOLO, дообученных на собственных данных и оптимизированных для экспорта в различные форматы, позволила Videologic Analytics сократить затраты и время выхода на рынок.
Videologic Analytics — разработчик передовых решений для видеоаналитики из Испании, которые повышают уровень безопасности и наблюдения на промышленных объектах, солнечных электростанциях и в жилых комплексах. Компания внедряет решения на базе AI, интегрированные с камерами видеонаблюдения, для мониторинга периметров и обнаружения вторжений в реальном времени.
Столкнувшись с высокими затратами и медленным внедрением предыдущих моделей, компания интегрировала модели Ultralytics YOLO, чтобы повысить точность обнаружения, сократить затраты и время разработки, ускорить выход на рынок и выйти в новые области, такие как розничная торговля и бизнес-аналитика.
Компьютерное зрение для безопасности с помощью AI-камер#
Команду Videologic Analytics возглавляют специалисты с более чем 30-летним опытом. Компания специализируется на интеграции AI и компьютерного зрения в камеры видеонаблюдения для мониторинга в реальном времени и автоматического обнаружения угроз. Ее решения обеспечивают безопасность крупных объектов, установок возобновляемой энергетики и жилых комплексов, демонстрируя надежную производительность.
Среди клиентов компании — такие известные организации, как Prosegur, Securitas, Sabico, а также более 4 000 сертифицированных охранных компаний в Испании. Столкнувшись с проблемами дорогостоящей и длительной разработки и развертывания AI-моделей, компания внедрила модели Ultralytics YOLO в свои инновационные решения Vision AI. Это позволило улучшить приложения для безопасности и выйти в новые отрасли.
Потребность в экономичном автоматическом обнаружении угроз с помощью AI#
Ранее Videologic Analytics интегрировала AI-модели в камеры видеонаблюдения, которые предлагала своим клиентам. Эти ранние модели были запрограммированы на обнаружение ограниченного набора категорий объектов, включая транспортные средства, людей и мелких животных в общем виде. Хотя этот базовый подход заложил основу для передовых систем безопасности, он также выявил возможности для дальнейшего совершенствования, особенно в повышении точности и улучшении показателей ложных срабатываний.
Клиентам требовалось более комплексное решение, способное обеспечивать более широкие и точные возможности обнаружения объектов для большего числа объектов и сценариев. Чтобы удовлетворить эти потребности, исследовательская команда Videologic Analytics начала разработку усовершенствованных AI-моделей.
В процессе разработки этих моделей Videologic Analytics быстро обнаружила проблемы существующего подхода, включая высокие затраты и длительные сроки разработки. Компания поняла, что ей нужен более гибкий и эффективный подход. Он должен был решить эти проблемы и лучше удовлетворять меняющиеся потребности клиентов в сфере безопасности.
В частности, компания хотела найти модель компьютерного зрения, способную повысить надежность ее решений Vision AI и удовлетворенность клиентов. При этом было важно, чтобы модель оставалась экономичной и адаптируемой к будущим потребностям.
Новый подход к видеонаблюдению с обнаружением аномалий на базе AI#
Протестировав несколько AI-моделей, Videologic Analytics обнаружила, что модели Ultralytics YOLO обеспечивают необходимую гибкость и производительность. Компания начала с предварительно обученных моделей YOLO, разработанных с использованием датасета COCO, который содержит широкий спектр распространенных объектов. Такое предварительное обучение стало надежной основой: модели уже могли распознавать множество базовых объектов, что упрощало их адаптацию к конкретным задачам безопасности.
Например, Videologic Analytics дообучила эти предварительно обученные модели на собственных данных для таких приложений, как мониторинг солнечных электростанций.
В этом сценарии модели использовались для обнаружения аномалий на базе AI, различая реальные угрозы — например, несанкционированных лиц или транспортные средства — и безобидные объекты, такие как мелкие животные или мусор, раздуваемый ветром. Такое четкое различение было необходимо для сокращения числа ложных тревог и повышения общей эффективности системы безопасности.
Помимо мониторинга солнечных электростанций, компания также разработала промышленные и жилые решения для безопасности на базе YOLO, а также демонстрационные модули для инноваций в области компьютерного зрения в розничной торговле и бизнес-аналитике. Хотя в основном компания использует обнаружение объектов, она также применяет поддерживаемые YOLO задачи компьютерного зрения, такие как оценка позы и отслеживание объектов.
Рис. 1. Videologic Analytics использует модели Ultralytics YOLO для мониторинга солнечных электростанций.
Почему стоит выбрать модели Ultralytics YOLO?#
Videologic Analytics выбрала модели Ultralytics YOLO, поскольку ей требовалось надежное решение, способное поддерживать множество каналов камер и обеспечивать быстрый и точный инференс.
YOLO поддерживает различные форматы экспорта и легко интегрируется с такими фреймворками, как CUDA, TensorRT, ONNX и OpenVINO. Благодаря этой гибкости Videologic Analytics может дообучать модели с использованием PyTorch и эффективно развертывать их в рабочей среде. Оптимизация под конкретное оборудование позволяет YOLO лучше удовлетворять высоким требованиям видеоаналитики в реальном времени по сравнению с предыдущими моделями.
Оптимизированное развертывание моделей для интеллектуального видеомониторинга#
После интеграции моделей Ultralytics YOLO Videologic Analytics добилась значительного повышения производительности и эффективности. Новое решение Vision AI обеспечило быстрое обнаружение угроз в реальном времени на самых разных объектах — от солнечных электростанций и промышленных площадок до жилых комплексов.
Фактически Videologic Analytics ежегодно развертывает около 10 000 лицензий, каждая из которых соответствует отдельному каналу камеры, и теперь все лицензии обновлены для поддержки моделей Ultralytics YOLO. Переход на YOLO значительно сократил число ложных тревог и повысил точность обнаружения в целом. В результате клиенты получают более надежные системы безопасности, а эксплуатационные затраты снизились.
Кроме того, более высокая скорость инференса и масштабируемость моделей Ultralytics YOLO сократили время выхода новых AI-функций на рынок. Это позволило Videologic Analytics улучшить основные решения для безопасности и изучить новые возможности в таких отраслях, как розничная торговля и бизнес-аналитика. В целом внедрение моделей Ultralytics YOLO обеспечило компании как немедленное повышение эффективности операций, так и перспективы долгосрочного роста.
Рис. 2. Videologic Analytics использует модели Ultralytics YOLO для мониторинга городской среды.
Интеллектуальная видеоаналитика для безопасности и защиты: дальнейшие перспективы#
Videologic Analytics активно расширяет свое решение, используя модели Ultralytics YOLO и выходя за рамки базового обнаружения вторжений. Следующие этапы включают предоставление более содержательной и полезной информации с помощью передовой аналитики, такой как анализ поведения, отслеживание тенденций и прогнозная аналитика.
Эти улучшения помогут клиентам оптимизировать операции по обеспечению безопасности и открыть новые возможности в розничной торговле и бизнес-аналитике, поддерживая дальнейшие инновации и рост видеоаналитики в реальном времени.
Интересно, как компьютерное зрение может преобразить твой бизнес? Посети наш репозиторий на GitHub, чтобы узнать, как AI-решения Ultralytics преобразуют такие инновации, как AI в беспилотных автомобилях и компьютерное зрение в сельском хозяйстве. Узнай больше о наших моделях YOLO и вариантах лицензирования и начни путь к более интеллектуальной и эффективной автоматизации уже сегодня.
