Интеграция моделей Ultralytics YOLO, дообученных на собственных данных и оптимизированных для экспорта в различные форматы, помогла Videologic Analytics сократить затраты и время выхода на рынок.
Videologic Analytics — разработчик передовых решений для видеоаналитики из Испании. Компания повышает уровень безопасности и видеонаблюдения на промышленных объектах, солнечных электростанциях и в жилых комплексах. Она внедряет решения на базе ИИ, интегрированные с камерами видеонаблюдения, чтобы контролировать периметры и обнаруживать вторжения в реальном времени.
Столкнувшись с высокими затратами и медленным внедрением предыдущих моделей, компания интегрировала модели Ultralytics YOLO, чтобы повысить точность обнаружения, сократить затраты на разработку и время выхода на рынок, а также выйти в новые области, такие как розничная торговля и бизнес-аналитика.
Компьютерное зрение для безопасности с помощью ИИ-камер#
Videologic Analytics, которой руководят специалисты с более чем 30-летним опытом, специализируется на интеграции ИИ и компьютерного зрения в камеры видеонаблюдения для мониторинга в реальном времени и автоматического обнаружения угроз. Надёжные решения компании защищают крупные объекты, установки возобновляемой энергетики и жилые комплексы.
Среди известных клиентов компании — Prosegur, Securitas, Sabico и более 4 000 сертифицированных охранных компаний в Испании. Столкнувшись с трудностями из-за высокой стоимости и длительности разработки и внедрения моделей ИИ, компания внедрила модели Ultralytics YOLO в свои инновационные решения Vision AI. Это помогло усовершенствовать решения для обеспечения безопасности и выйти в новые отрасли.
Необходимость экономичного автоматического обнаружения угроз с помощью ИИ#
Ранее Videologic Analytics интегрировала модели ИИ в камеры видеонаблюдения, которые предлагала клиентам. Эти ранние модели были запрограммированы на обнаружение ограниченного набора категорий объектов, включая транспортные средства общего типа, людей и мелких животных. Этот базовый подход заложил основу для передовых систем безопасности, но также показал, что его можно усовершенствовать, в частности повысив точность и снизив долю ложноположительных результатов.
Клиентам требовалось более комплексное решение, способное обеспечивать более широкие и точные возможности обнаружения объектов для большего числа объектов и сценариев. Чтобы удовлетворить эти потребности, команда исследований и разработок Videologic Analytics приступила к созданию усовершенствованных моделей ИИ.
В ходе разработки этих моделей Videologic Analytics быстро обнаружила недостатки существующего подхода, включая высокие затраты и длительные сроки разработки. Компания поняла, что ей нужен более гибкий и эффективный подход, который поможет решить эти проблемы и лучше соответствовать меняющимся потребностям клиентов в области безопасности.
В частности, компания хотела найти модель компьютерного зрения, которая повысила бы надёжность её решений Vision AI и удовлетворённость клиентов. При этом модель должна была оставаться экономичной и адаптируемой к будущим потребностям.
Новый подход к видеонаблюдению: обнаружение аномалий на основе ИИ#
Протестировав несколько моделей ИИ, Videologic Analytics выяснила, что модели Ultralytics YOLO обеспечивают необходимую гибкость и производительность. Компания начала с предварительно обученных моделей YOLO, созданных с использованием набора данных COCO, который охватывает широкий спектр распространённых объектов. Такое предварительное обучение обеспечило прочную основу: модели уже распознавали множество базовых объектов, поэтому их было проще адаптировать к конкретным задачам безопасности.
Например, Videologic Analytics дообучила эти предварительно обученные модели на собственных данных для таких задач, как мониторинг солнечных электростанций.
В этом сценарии модели использовались для обнаружения аномалий с помощью ИИ, чтобы отличать реальные угрозы, например несанкционированное присутствие людей или автомобилей, от безвредных объектов, таких как мелкие животные или мусор, который разносит ветер. Такое четкое различение было крайне важно для сокращения числа ложных тревог и повышения общей эффективности системы безопасности.
Помимо мониторинга солнечных электростанций, компания разработала решения для обеспечения безопасности на промышленных объектах и в жилых комплексах на базе YOLO, а также модули с подтверждением концепции для инновационных решений компьютерного зрения в розничной торговле и бизнес-аналитике. Хотя компания в основном использует обнаружение объектов, она также задействует поддерживаемые YOLO задачи компьютерного зрения, например оценку 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, потому что компании требовалось надёжное решение, способное поддерживать работу множества каналов камер и при этом 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 помощью PyTorch и эффективно развёртывать их в рабочей среде. Оптимизация под конкретное оборудование позволяет YOLO лучше предыдущих моделей справляться с высокими требованиями видеоаналитики в реальном времени.
Упрощённое развёртывание моделей для интеллектуального видеомониторинга#
После интеграции моделей Ultralytics YOLO Videologic Analytics добилась заметного роста производительности и эффективности. Новое решение Vision AI обеспечивает быстрое обнаружение угроз в реальном времени на самых разных объектах — от солнечных электростанций и промышленных площадок до жилых комплексов.
Videologic Analytics ежегодно развёртывает около 10 000 лицензий, каждая из которых соответствует отдельному каналу камеры. Сейчас все лицензии обновлены для поддержки моделей Ultralytics YOLO. Переход на YOLO значительно сократил число ложных тревог и повысил общую точность обнаружения. Благодаря этому клиенты получают более надёжные системы безопасности, а операционные расходы снижаются.
Кроме того, высокая скорость инференса и масштабируемость моделей Ultralytics YOLO сократили время выхода на рынок новых функций ИИ. Это позволило Videologic Analytics улучшить основные решения для обеспечения 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 операционной эффективности, так и перспективы долгосрочного роста.
Рис. 2. Videologic Analytics использует модели Ultralytics YOLO для мониторинга городской среды.
Интеллектуальная видеоаналитика для безопасности и охраны: дальнейшие перспективы#
Videologic Analytics активно расширяет своё решение на базе моделей Ultralytics YOLO, чтобы выйти за рамки обычного обнаружения вторжений. Следующие шаги включают предоставление более подробной и полезной аналитики, например анализа поведения, отслеживания тенденций и прогнозирования.
Эти улучшения помогут клиентам оптимизировать работу служб безопасности и откроют новые возможности в розничной торговле и бизнес-аналитике, способствуя дальнейшим инновациям и развитию видеоаналитики в реальном времени.
Интересуешься, как компьютерное зрение может изменить твой бизнес? Загляни в наш репозиторий GitHub и посмотри, как ИИ-решения Ultralytics преобразуют такие направления, как ИИ в розничной торговле 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.
Автор
Создатель контента · Ultralytics
