i-PRO introduceert als eerste AI omgevingsveranderingsdetectie

 

i-PRO Co. Ltd., een wereldleider in professionele beveiligingsoplossingen voor bewaking en openbare veiligheid, gaat omgevingsveranderingsdetectie met AI toevoegen aan zijn collectie edge-based AI-analysetoepassingen. Omgevingsveranderingsdetectie, waarin de nieuwste AI-analysetechnologie wordt aangewend, is de eerste op AI gebaseerde analytische toepassing die een omgeving kan leren kennen. Wanneer zich binnen het gezichtsveld van de camera afwijkingen voordoen, kan een waarschuwing worden gestuurd naar beveiliging en operationele teams.

 

De nieuwe toepassing is vanaf de release inzetbaar voor meer dan 100 i-PRO AI-cameramodellen. Anders dan bij traditionele op AI gebaseerde objectdetectie-analyses, die waarschuwen wanneer objecten lijnen overschrijden of vooraf gedefinieerde zones binnengaan, kunnen gebruikers met omgevingsveranderingsdetectie een bewakingscamera aanleren hoe de omgeving er in een normale toestand uitziet. De analysetechnologie signaleert dan een afwijking wanneer een vooraf geselecteerd deel van de omgeving afwijkt van de normale toestand. Dat kan bijvoorbeeld een deur zijn die langer dan normaal openstaat of de voorraad in een schap die langer dan een vooraf ingestelde periode is uitverkocht. Door de aangepaste drempelinstellingen worden korte veranderingen in de omgeving genegeerd, omdat die binnen een aanvaardbaar tijdsbestek weer terugkeert naar de normale situatie. Het gebruik van op AI gebaseerde objectdetectie zorgt ervoor dat mensen of voertuigen die door de omgeving bewegen automatisch kunnen worden uitgesloten.

 

“Wij geloven dat de omgevingsveranderingsdetectie van i-PRO de eerste op AI gebaseerde app voor omgevingsveranderingsdetectie in de industrie is die het algoritme voor omgevingsdetectie optimaliseert door te leren van vastgelegde beelden”, zegt Norio Hitsuishi, Head of Product Management bij i-PRO Co., Ltd. “Onze unieke implementatie is zeer krachtig en laat gebruikers aangeven bij hoeveel verandering en na hoeveel tijd een alarm wordt geactiveerd. Een buitendeur moet bijvoorbeeld bij normaal gebruik open en dicht kunnen gaan zonder een alarm te activeren. Met omgevingsveranderingsdetectie kunnen gebruikers instellen dat alleen alarm wordt geslagen als de deur langer dan 5 minuten openstaat. Dat is iets wat met traditionele bewegingsdetectieanalyse niet mogelijk is.”

 

De app voor omgevingsveranderingsdetectie kan gelijktijdig worden gebruikt met andere apps, zoals een toepassing voor op AI gebaseerde bewegingsdetectie van objecten, waardoor beveiligingsprofessionals meerdere waarnemingen kunnen uitvoeren met één camera. Een high-end server is niet nodig omdat alle verwerking in de edge plaatsvindt.

 

De applicatie voor omgevingsveranderingsdetectie kan meerdere detectiescenario's leren met maar liefst 16 bewaakte veranderingsgebieden per scenario. Een alarmgebeurtenis kan worden ontvangen via de Active Guard-plug-in van i-PRO die op gangbare VMS'en zoals Genetec, Milestone en Video Insight is geïnstalleerd.

 

“Omgevingsveranderingsdetectie is bijzonder goed bij scenario's met achtergelaten voorwerpen of foutparkeren. Omdat bewegende objecten, zoals mensen en voertuigen, worden uitgesloten, komen valse alarmen zelden voor”, zegt Gerard Figols, President van i-PRO EMEA . “Als je denkt aan alle potentiële toepassingen, zijn de mogelijkheden eindeloos. De mogelijkheid om een bewakingscamera ook te gebruiken om een voorraadkamer van een ziekenhuis te monitoren waar voorraadbeheer van vitaal belang is, of in concertzalen en stadions waar nooduitgangen te allen tijde vrijgehouden moeten worden, zijn perfecte voorbeelden van het nut dat deze toepassing kan bieden naast pure beveiliging. Omgevingsverandering met AI is wederom een goed voorbeeld van het open en flexibele beleid van i-PRO: we maken producten en technologieën die kunnen worden aangepast aan de behoeften van de markt, wat die ook zijn.” 

 

Het instellen is eenvoudig met de i-PRO Configuration Tool die gebruikers bij elke stap begeleidt, van het leren kennen van de omgeving met meerdere beelden die met tussenpozen worden vastgelegd en die verschillende lichtomstandigheden bestrijken, tot het instellen van drempelwaarden voor beeld- en gebiedsverandering voor het gebied dat wordt bewaakt.