Videologic Analytics и Ultralytics YOLO для видеонаблюдения

Videologic Analytics — испанский разработчик передовых решений для видеоаналитики, которые повышают безопасность и видеонаблюдение для промышленных объектов, солнечных парков и жилых комплексов. Они развертывают решения на основе ИИ, которые интегрируются с камерами видеонаблюдения для мониторинга периметров и обнаружения вторжений в режиме реального времени. 

Столкнувшись с высокими затратами и медленным развертыванием предыдущих моделей, они интегрировали модели Ultralytics YOLO, чтобы повысить точность обнаружения, снизить затраты на разработку и время выхода на рынок, а также расшириться в новые области, такие как розничная торговля и бизнес-аналитика.

Внедрение компьютерного зрения для обеспечения безопасности с помощью AI-камер

Компания Videologic Analytics, возглавляемая экспертами с более чем 30-летним опытом, специализируется на интеграции AI и компьютерного зрения в камеры видеонаблюдения для мониторинга в реальном времени и автоматического обнаружения угроз. Их решения обеспечивают безопасность крупных объектов, объектов возобновляемой энергетики и жилых комплексов с надежной производительностью.

Они обслуживают известных клиентов, таких как Prosegur, Securitas, Sabico и более 4000 сертифицированных охранных компаний в Испании. Столкнувшись с проблемами дорогостоящей и трудоемкой разработки и развертывания моделей AI, они внедрили модели Ultralytics YOLO в свои инновационные решения Vision AI. Благодаря этому они смогли улучшить свои приложения безопасности, а также выйти на новые вертикальные рынки.

Необходимость в экономически эффективном автоматизированном обнаружении угроз с использованием ИИ

Videologic Analytics ранее интегрировала модели ИИ в камеры видеонаблюдения, которые они предлагали своим клиентам. Эти ранние модели были запрограммированы на обнаружение ограниченного набора категорий объектов, включая обычные транспортные средства, людей и мелких животных. Хотя этот фундаментальный подход заложил основу для передовых систем безопасности, он также предоставил возможности для дальнейшего совершенствования, особенно в повышении точности и снижении количества ложных срабатываний.

Их клиенты искали более комплексное решение, способное обеспечить более широкие и точные возможности обнаружения объектов для более широкого спектра объектов и сценариев. Чтобы удовлетворить эти потребности клиентов, команда исследований и разработок Videologic Analytics начала разработку улучшенных моделей ИИ. 

При разработке этих моделей Videologic Analytics быстро обнаружила, что существующий подход имеет некоторые проблемы, такие как высокие затраты и длительное время разработки. Компания поняла, что ей нужен более гибкий и эффективный подход. Этот новый подход должен был решить эти проблемы и лучше обслуживать растущие потребности своих клиентов в безопасности. 

В частности, они хотели определить модель компьютерного зрения, которая могла бы повысить надежность их решений Vision AI и повысить удовлетворенность клиентов. Также было важно, чтобы модель оставалась экономически эффективной и адаптируемой к будущим потребностям.

Новый взгляд на видеонаблюдение с помощью обнаружения аномалий на основе ИИ

После тестирования нескольких моделей ИИ Videologic Analytics обнаружила, что модели Ultralytics YOLO обеспечивают необходимую им гибкость и производительность. Они начали с предварительно обученных моделей YOLO, разработанных с использованием набора данных COCO, который включает в себя широкий спектр распространенных объектов. Эта предварительная подготовка обеспечила прочную основу, поскольку модели уже могли распознавать многие основные элементы, что облегчило их адаптацию к конкретным потребностям безопасности.

Например, Videologic Analytics точно настроила эти предварительно обученные модели, используя свои собственные данные для таких приложений, как мониторинг солнечных парков. 

В этом сценарии модели использовались для обнаружения аномалий на основе AI, различая реальные угрозы, такие как несанкционированный персонал или транспортные средства, и безвредные элементы, такие как мелкие животные или мусор, принесенный ветром. Эта четкая дифференциация была важна для снижения количества ложных срабатываний и повышения общей производительности системы безопасности.

Помимо мониторинга солнечных электростанций, они также разработали промышленные и бытовые решения для обеспечения безопасности с использованием YOLO, а также концептуальные модули для инноваций в области компьютерного зрения в розничной торговле и бизнес-аналитике. Хотя они в основном используют обнаружение объектов, они также используют задачи компьютерного зрения, поддерживаемые YOLO, такие как оценка позы и отслеживание объектов.

‍

Почему стоит выбрать модели Ultralytics YOLO?

Videologic Analytics выбрала модели Ultralytics YOLO, поскольку им требовалось надежное решение, способное поддерживать многочисленные каналы камер, обеспечивая при этом быструю и точную инференцию. 

YOLO поддерживает различные форматы экспорта и легко интегрируется с такими фреймворками, как CUDA, TensorRT, ONNX и OpenVINO. Эта гибкость позволяет Videologic Analytics точно настраивать модели с использованием PyTorch и эффективно развертывать их в production-среде. Благодаря оптимизации под конкретное оборудование, YOLO лучше, чем предыдущие модели, отвечает высоким требованиям к аналитике видео в реальном времени.

Оптимизированное развертывание моделей для интеллектуального видеонаблюдения

Благодаря интеграции моделей Ultralytics YOLO, Videologic Analytics добилась впечатляющих улучшений как в производительности, так и в эффективности. Их новое решение Vision AI позволило быстро выявлять угрозы в режиме реального времени в широком спектре установок — от солнечных парков и промышленных объектов до жилых комплексов. 

Videologic Analytics ежегодно развертывает около 10 000 лицензий, каждая из которых соответствует выделенному каналу камеры, при этом все лицензии теперь обновлены для поддержки моделей Ultralytics YOLO. Переход на YOLO привел к значительному сокращению ложных срабатываний и общему повышению точности обнаружения. В результате клиенты получают более надежные системы безопасности, а эксплуатационные расходы снижаются. 

Кроме того, более высокая скорость логического вывода и масштабируемость моделей Ultralytics YOLO сократили время выхода на рынок новых функций ИИ. Это позволило Videologic Analytics расширить свои основные предложения по безопасности и изучить новые возможности в таких вертикалях, как розничная торговля и бизнес-аналитика. В целом, внедрение моделей Ultralytics YOLO привело как к немедленному улучшению операционной деятельности, так и к долгосрочным перспективам роста компании.

‍

Интеллектуальная видеоаналитика для безопасности: взгляд в будущее

Videologic Analytics активно работает над расширением своего решения, используя модели Ultralytics YOLO, чтобы выйти за рамки базового обнаружения вторжений. Следующие шаги включают предоставление более богатой и полезной информации посредством расширенной аналитики, такой как анализ поведения, отслеживание тенденций и прогнозная аналитика. 

Эти улучшения помогут клиентам оптимизировать операции безопасности и открыть новые возможности в розничной торговле и бизнес-аналитике, стимулируя дальнейшие инновации и рост в аналитике видео в реальном времени.

Интересно, как компьютерное зрение может изменить ваш бизнес? Изучите наш репозиторий на GitHub, чтобы увидеть, как решения Ultralytics в области ИИ преобразуют такие инновации, как ИИ в самоуправляемых автомобилях и компьютерное зрение в сельском хозяйстве. Узнайте больше о наших моделях YOLO и вариантах лицензирования и начните свой путь к более разумной и эффективной автоматизации уже сегодня.