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

Videologic Analytics — это испанский разработчик передовых решений для видеоаналитики, которые повышают уровень безопасности и наблюдения на промышленных объектах, солнечных электростанциях и в жилых комплексах. Они внедряют решения на базе ИИ, которые интегрируются с камерами безопасности для контроля периметра и обнаружения вторжений в режиме реального времени.

Столкнувшись с высокими затратами и медленным развертыванием предыдущих моделей, компания внедрила модели Ultralytics YOLO для повышения точности обнаружения, снижения затрат на разработку и времени выхода на рынок, а также для расширения деятельности в новых сферах, таких как ритейл и бизнес-аналитика.

Link to this sectionИспользование компьютерного зрения для обеспечения безопасности с помощью ИИ-камер#

Возглавляемая экспертами с более чем 30-летним опытом, компания Videologic Analytics специализируется на интеграции ИИ и компьютерного зрения в камеры видеонаблюдения для мониторинга в реальном времени и автоматизированного обнаружения угроз. Их решения обеспечивают надежную защиту крупных объектов, предприятий возобновляемой энергетики и жилых районов.

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.

Link to this sectionПотребность 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 количества объектов и сценариев. Чтобы удовлетворить эти запросы клиентов, исследовательская команда 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 экономически эффективной и адаптируемой к будущим потребностям.

Link to this sectionПереосмысление 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 предварительно обученных моделей YOLO, разработанных с использованием датасета COCO, который включает широкий спектр распространенных объектов. Это предварительное обучение стало прочной основой, поскольку модели уже могли распознавать множество базовых элементов, что упростило их адаптацию для конкретных задач безопасности.

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 ферм, они также разработали решения для промышленной и жилой безопасности с использованием YOLO, а также модули проверки концепции для инноваций в области компьютерного зрения в ритейле и бизнес-аналитике. Хотя они в основном используют обнаружение объектов, они также применяют задачи компьютерного зрения, поддерживаемые YOLO, такие как оценка позы (pose estimation) и отслеживание объектов.

Рис. 1. Videologic Analytics использует модели Ultralytics YOLO для мониторинга солнечных электростанций.

Link to this sectionПочему 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 беспрепятственно интегрируется с такими фреймворками, как CUDA, TensorRT, ONNX и OpenVINO. Эта гибкость позволяет Videologic Analytics дообучать модели с помощью PyTorch и эффективно развертывать их в продакшене. Благодаря аппаратным оптимизациям YOLO справляется с требовательными задачами видеоаналитики в реальном времени лучше, чем предыдущие модели.

Link to this sectionОптимизированное 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 отдельному каналу камеры, и все они теперь обновлены для поддержки моделей Ultralytics YOLO. Переход на YOLO привел к значительному сокращению ложных срабатываний и общему повышению точности обнаружения. В результате клиенты получили более надежные системы безопасности, а эксплуатационные 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.

Link to this sectionИнтеллектуальная 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.

Интересно, как компьютерное зрение может изменить твой бизнес? Изучи наш репозиторий на GitHub, чтобы увидеть, как ИИ-решения Ultralytics трансформируют инновации, такие как ИИ в беспилотных автомобилях и компьютерное зрение в сельском хозяйстве. Узнай больше о наших моделях YOLO и вариантах лицензирования и начни свой путь к более умной и эффективной автоматизации уже сегодня.