El uso de la inteligencia artificial (IA) ha tomado fuerza en los últimos años y la industria de la seguridad se mantiene a la vanguardia para traer al público beneficios y oportunidades para sus proyectos.
La cantidad de dispositivos en el borde de nuestras redes de seguridad está creciendo y están desempeñando un papel cada vez más crítico en la seguridad y protección. La computación al borde significa desarrollar más capacidad en el dispositivo conectado, por lo que la potencia de procesamiento de información se encuentra lo más cerca posible de la fuente.
Para una red de videovigilancia, esto significa que se pueden realizar más acciones en las propias cámaras. El papel de la inteligencia artificial (IA), el aprendizaje automático y el aprendizaje profundo en la videovigilancia está creciendo, por lo que podemos «enseñar» a nuestras cámaras a ser mucho más intuitivas acerca de lo que filman y analizan en tiempo real.
Actualmente, la mayoría de los análisis de borde de las imágenes de las cámaras de vigilancia simplemente muestran que algo o alguien se están moviendo. Después de este análisis por sistemas de gestión de video (VMS) en servidores centralizados, se necesita un ser humano para interpretar exactamente qué es y si presentan alguna amenaza o riesgo de seguridad.
Para comprender si un objeto es un vehículo, un ser humano, un animal o prácticamente cualquier cosa, podemos «entrenar» un sistema de cámara para detectar y clasificar el objeto. Esto podría llevarnos a comprender un número casi ilimitado de clases de objetos y contextos.
Beneficios de las analíticas en el borde
La mayor precisión de la analítica perimetral, y la capacidad de distinguir entre múltiples clases de objetos, reduce inmediatamente la tasa de falsos positivos. Con eso viene una reducción relacionada en tiempo y recursos para investigar estos falsos positivos. De manera más proactiva, la analítica de borde puede crear una respuesta más apropiada y oportuna.
Otro beneficio clave de la analítica al borde es que el análisis se realiza en secuencias de video de la más alta calidad, lo más cerca posible de la fuente. En un modelo tradicional, cuando la analítica tiene lugar en un servidor, el video a menudo se comprime antes de ser transferido, por lo que el análisis se realiza en video de calidad degradada.
Además, cuando la analítica está centralizada, teniendo lugar en un servidor, cuando se agregan más cámaras a la solución, se transfieren más datos, y esto crea la necesidad de agregar más servidores para manejar la analítica. La implementación de análisis potentes en el borde significa que solo se envía la información más relevante a través de la red, lo que reduce la carga sobre el ancho de banda y el almacenamiento.
Si quieres conocer más sobre la solución de Inteligencia Artificial Axis Communicatios, contáctanos aquí.