SecurityWorldMarket

2022-06-13

Videoövervakning – Del 5 av 6

Stanley Security: ”Machine learning ger väldigt bra detektion”

Systemen är upptränade på hundratusentals bilder för att kunna klassificera till exempel om det är en människa som kommer in i bild.

Systemen är upptränade på hundratusentals bilder för att kunna klassificera till exempel om det är en människa som kommer in i bild.

Machine learning har gjort väldigt stor nytta för förbättrad videoanalys, menar Ola Edman, Senior Director, Global Video Development, Stanley Security.

– Du får i princip inga falsklarm och väldigt hög grad av detektion så länge någon ser ut som en människa eller fordon, om det är det du vill trigga på, säger han.

Ola Edman påpekar att machine learning och neurala nätverk gör stor skillnad. Systemen är upptränade på hundratusentals bilder för att kunna klassificera till exempel om det är en människa som kommer in i bild.

– Riskerna att projektera, installera och konfigurera fel är mycket mindre än vid traditionell videoanalys, säger han.

Enklare med machine learning

Ola Edman berättar att det i dag finns standardiserade lösningar med machine learning för de kamerasystem som har stöd för det. Att kunna skilja mellan människor, bilar och djur är mer eller mindre självklart.

– Om du däremot har något du vill trigga på som inte ser ut som en människa, bil eller andra objekt som systemet inte är tränat på så måste du antingen träna systemet på nytt eller använda en traditionell videoanalys med smarta algoritmer.

Tröskeln att använda machine learning har blivit mycket mindre än tidigare då det krävdes att man utvecklade den själv.

– Nu är det lite som att du har en låda med legobitar – du sätter bara ihop det du vill ha i stället för att behöva bygga själva legobitarna på egen hand, säger han.

När analysen görs ”at the edge”, det vill säga i kameran, blir det också mindre komplext att använda artificiell intelligens då man inte behöver en server för att göra själva analysen.

– Vi känner oss väldigt trygga med de nyare produkterna vi använder och sättet vi arbetar med dem. Sedan har vi fortfarande utmaningar med äldre kunder där de har gammal teknik, och då har man ännu de traditionella problemen som strålkastarljus, molnskuggor, reflektioner i vattenpölar, blad, löv, insekter, fåglar och så vidare som kan ställa till det.

Går mot mer öppenhet

Ola Edman, Senior Director, Global Video Development, Stanley Security.
Ola Edman, Senior Director, Global Video Development, Stanley Security.

I Norden satsar Stanley Security mycket på större high end-kunder och sitt koncept Stanley hosted services. Företaget erbjuder ett virtuellt privat moln som inte körs av av någon tredje part, däremot bygger det på infrastruktur från tredje part, till exempel AWS, Azure eller Google.

– Videoanalysen är en del av erbjudandet, det kan vara multipla sajter som behöver video-

övervakning och i tillägg önskar de videoanalys. Vi ser att många av våra kunder värdesätter en öppen plattform, både hårdvaran som används och öppna api:er. Och att det är öppet så flera systemintegratörer har kompentens att drifta systemen. Kunderna vill inte bli inlåsta i en plattform eller till en systemintegratör.

Han tror att en plattform som inte har stöd för någon form av machine learning kommer att vara chanslös inom några år.

Fler lösningar utanför säkerhet

Slutkunderna efterfrågar ofta perimetersäkerhet – där har videoövervakning stora fördelar – men det kommer också fler och fler förfrågningar om ”safety”-lösningar.

– Det finns inget bra svenskt begrepp för det men det kan till exempel vara att veta om det finns människor inne på ett område som är kritiskt på något sätt. Används industrirobotar så gäller det att se till så det är säkrat så människor inte går in där och får klämskador eller liknande, säger han.

Säkerhetskameror och videoanalys för andra ändamål än säkerhet är också något som växer.

– Det kan vara så enkelt som att styra belysning för att minska kostnader, eller för att slippa göra onödigt arbete som att städa toaletter om ändå ingen har varit där. Inom detaljhandeln kan det vara att det skickas ett automatiskt meddelande om att fler kassor måste bemannas när systemet har upptäckt att det är köer. Det finns väldigt många typer av applikationer som det går att använda det för.

Ola Edman understryker dock att branschen är konservativ och det är långt ifrån alltid som marknadsavdelningen pratar med säkerhetsavdelningen.

– Men fler ser säkerhet som en kostnad, och när de förstår att systemet kan bidra till att optimera driften blir det en helt annan budget som öppnar sig.

Proaktivt arbete

Stanley Security har tre olika typer av kunder. De första är de som enbart behöver lokal videolagring och inte vill ha uppkoppling till larmcentral. Den andra kategorin är de som har ett mer kritiskt säkerhetsbehov och vill kunna agera när något händer eller ännu hellre innan skadan har skett och ha systemet kopplat till larmcentral.

– Fördelen med machine learning och intelligent videoanalys är att du kan få larm när någon kommit in på din perimeter men innan de brutit sig in. Då vill man stoppa dem från att krossa ett fönster eller bryta upp dörren, för det kostar ofta lika mycket som datorn de skulle stjäla på insidan av dörren, säger Ola Edman.

Den tredje kategorin av kunder är de som har en egen säkerhetscentral. Det kan vara polis och militär eller annan högsäkerhet där väktare bemannar säkerhetscentralen. De vill inte ha någon uppkoppling eller överföring till Stanleys larmcentral (SOC), men det finns exempel där Stanleys SOC är backup om det skulle inträffa en brand eller liknande som gör att väktare måste överge säkerhetscentralen.

Den här artikeln/artikelserien har producerats av facktidningen Detektor i samarbete med Securityworldmarket.com.


Leverantörer
Till toppen av sidan