Videologic Analytics масштабируется до 10 тысяч лицензий на ИИ-камеры с Ultralytics YOLO

Videologic Analytics — испанский разработчик передовых решений для видеоаналитики, которые повышают уровень безопасности и видеонаблюдения на промышленных объектах, солнечных электростанциях и в жилых комплексах. Они развертывают решения на базе искусственного интеллекта, которые интегрируются с охранными камерами для мониторинга периметра и обнаружения проникновений в реальном времени.

Столкнувшись с высокими затратами и медленным развертыванием при использовании предыдущих моделей, они интегрировали модели Ultralytics YOLO для повышения точности обнаружения, сокращения расходов на разработку и времени выхода на рынок, а также для выхода в новые сферы, такие как ритейл и бизнес-аналитика.

Использование компьютерного зрения для обеспечения безопасности с помощью ИИ-камер#

Компания Videologic Analytics во главе с экспертами с более чем 30-летним опытом специализируется на интеграции искусственного интеллекта и компьютерного зрения в камеры видеонаблюдения для мониторинга в реальном времени и автоматического обнаружения угроз. Их решения обеспечивают надежную защиту крупных объектов, установок возобновляемой энергетики и жилых сообществ.

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

Потребность в экономически эффективном автоматизированном обнаружении угроз с помощью ИИ#

Ранее Videologic Analytics интегрировала модели ИИ в камеры наблюдения, предлагаемые своим клиентам. Эти ранние модели были запрограммированы на обнаружение ограниченного диапазона категорий объектов, включая стандартные транспортные средства, людей и мелких животных. Хотя этот фундаментальный подход заложил основу для передовых систем безопасности, он также создал возможности для дальнейшего совершенствования, особенно в части повышения точности и снижения уровня ложных срабатываний.

Их клиенты искали более комплексное решение, способное обеспечить более широкие и точные возможности обнаружения объектов для большего числа типов объектов и сценариев. Чтобы удовлетворить эти потребности клиентов, научно-исследовательская группа Videologic Analytics приступила к разработке усовершенствованных моделей ИИ.

В процессе разработки этих моделей Videologic Analytics быстро обнаружила, что существующий подход имеет ряд недостатков, таких как высокая стоимость и длительные сроки разработки. Компания поняла, что ей нужен более гибкий и эффективный подход. Этот новый подход должен был решить данные проблемы и лучше соответствовать меняющимся потребностям клиентов в области безопасности.

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

Переосмысление наблюдения с помощью ИИ-детекции аномалий#

Протестировав несколько моделей ИИ, Videologic Analytics обнаружила, что модели Ultralytics YOLO обеспечивают необходимую гибкость и производительность. Они начали с предобученных моделей YOLO, разработанных с использованием датасета COCO, который включает в себя широкий спектр распространенных объектов. Эта предобученность обеспечила прочную основу, так как модели уже умели распознавать множество базовых элементов, что упростило их адаптацию под конкретные охранные задачи.

Например, Videologic Analytics дообучила эти предварительно обученные модели, используя собственные данные, для таких задач, как мониторинг солнечных парков.

В этом сценарии модели использовались для ИИ-детекции аномалий, различая реальные угрозы — такие как посторонние лица или транспортные средства — и безобидные элементы, например, мелких животных или мусор, разносимый ветром. Это четкое разграничение было необходимо для сокращения числа ложных тревог и повышения общей эффективности системы безопасности.

Помимо мониторинга солнечных электростанций, они также разработали решения для промышленной и жилой безопасности с использованием YOLO, а также модули доказательства концепции для инноваций в области компьютерного зрения в ритейле и бизнес-аналитике. Хотя они в основном используют обнаружение объектов, они также задействуют задачи компьютерного зрения, поддерживаемые YOLO, такие как оценка позы и трекинг 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, потому что им требовалось надежное решение, способное поддерживать многочисленные каналы камер при обеспечении быстрого и точного вывода (inference).

YOLO поддерживает различные форматы экспорта и легко интегрируется с такими фреймворками, как CUDA, TensorRT, ONNX и OpenVINO. Эта гибкость позволяет Videologic Analytics выполнять тонкую настройку моделей с помощью PyTorch и эффективно развертывать их в продакшене. Благодаря аппаратным оптимизациям YOLO отвечает жестким требованиям видеоаналитики в реальном времени лучше, чем предыдущие модели.

Оптимизированное развертывание моделей для интеллектуального видеонаблюдения#

С момента интеграции моделей Ultralytics YOLO компания Videologic Analytics добилась впечатляющих улучшений как в производительности, так и в эффективности. Их новое решение Vision AI обеспечило быстрое обнаружение угроз в режиме реального времени на самых разных объектах: от солнечных парков и промышленных зон до жилых комплексов.

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

Кроме того, более высокая скорость вывода (inference) и масштабируемость моделей Ultralytics YOLO сократили время вывода новых функций ИИ на рынок. Это позволило Videologic Analytics улучшить свои ключевые предложения по безопасности и изучить новые возможности в таких вертикалях, как ритейл и бизнес-аналитика. В целом, внедрение моделей Ultralytics YOLO способствовало как немедленным эксплуатационным улучшениям, так и долгосрочным перспективам роста компании.

Рис. 2. Videologic Analytics использует модели Ultralytics YOLO для мониторинга городской среды.

Интеллектуальная видеоаналитика для безопасности: Путь вперед#

Videologic Analytics активно работает над расширением своего решения, используя модели Ultralytics YOLO, чтобы выйти за рамки базового обнаружения вторжений. Следующие шаги включают предоставление более глубоких и практически значимых инсайтов с помощью продвинутой аналитики, такой как анализ поведения, отслеживание трендов и предиктивная аналитика.

Эти улучшения помогут клиентам оптимизировать операции по обеспечению безопасности и откроют новые возможности в ритейле и бизнес-аналитике, стимулируя дальнейшие инновации и рост в области видеоаналитики реального времени.

Хотите узнать, как компьютерное зрение может преобразить ваш бизнес? Изучите наш репозиторий GitHub, чтобы увидеть, как решения ИИ от Ultralytics преображают 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 умной и эффективной автоматизации уже сегодня.