SecurityWorldMarket

2019-10-15

Intelligent videoövervakning - Del 7 av 7

"Videoanalys bättre än stationär väktare"

Videoanalys överträffar en stationär väktare när det gäller perimeterövervakning enligt Anders Karlsson.

Videoanalys överträffar en stationär väktare när det gäller perimeterövervakning enligt Anders Karlsson.

Videoanalys överträffar en stationär väktare när det gäller perimeterövervakning enligt Anders Karlsson, produktansvarig för säkerhetsprodukter Norden på Bosch Building Technologies.

– Dessutom kan en kamera kopplad till ett ansiktsigenkännings-system göra ett lika bra eller bättre jobb än en tränad operatör som tittar på en vy från en kamera på en monitor, säger han.

Bosch Building Technologies är en stark spelare inom videoövervakning och anser att finns två huvudspår för vad slutkunderna använder videoövervakning till förutom trygghetsskapande.

– Det ena är den forensiska delen för att säkra bevis och ta fram material för att underlätta utredningar i efterhand, allt från snatterier till grov brottslighet. Det andra är att kameror kan komplettera eller ersätta ronderande väktare och ge både lägre kostnad och med bättre tillgänglighet och tillförlitlighet, säger Anders Karlsson.

Hur bra är videoanalys i dag?

– Tillräckligt bra för att överträffa en stationär väktare på plats vid perimeter- eller områdesövervakning dygnet runt, året om. Antalet falsklarm är numera så lågt och detektion i totalt mörker med en värmekamera med intelligent videoanalys har visat sig kunna larma på objekt som människor omöjligt kan se.

Men det finns begränsningar?

– Vid de tillfällen som en kamera inte kan uppfylla sitt syfte, det vill säga att inte se – till exempel på grund av extrem dimma eller snöfall – så kan inte heller en människa observera området och därför måste man vara tydlig med förväntningarna på sitt skydd.

Vad mer kan videoanalys tillföra?

– Addera mervärde genom att generera metadata för både proaktiva och reaktiva funktioner och lösningar. Genom att räkna och mäta flöden av personer eller objekt i olika riktningar och områden kan systemet presentera information för att minimera riskerna innan de uppstår. Samma metadata kan dessutom användas reaktivt för att optimera både flöden, bemanning och planering av verksamheten.

Machine learning, deep learning och AI – många termer används men vad är verklighet i dag?

Anders Karlsson, produktansvarig för säkerhetsprodukter Norden på Bosch Building Technologies.

– Verkligheten är nog lite olika beroende på vilken terminologi som används. Det är fortfarande serverbaserad "GPU-dopad" analys som kan utföra den mest avancerande och helt självlärande analysen. De kamerabaserade analyserna behöver fortfarande lite handpåläggning och fördefinierade regler för att algoritmerna ska prestera. Med dessa förutsättningar så har vi fått väl fungerande analyser och funktioner även i "edge"- baserade" sensorer (kameror) det senaste året.

Ge ett exempel på vad en kamera kan göra i dag.

– Den kan "läras" att känna igen olika utseenden på objekt som användaren själv definierar och inte bara använda färdiga bibliotek från tillverkaren. Det kan vara till exempel shoppingvagnar, barnvagnar, olika symboler, logotyper, pollare, grindar, bommar, istappar, fönster (öppna/stängda). Dessa kan sedan användas som vilket annat fördefinierat objekt som helst.

Kan du ge ett exempel en sådan applikation?

– Ett specifikt exempel är en PTZ-kamera som är "upplärd" att känna igen logotyper och övervakar en hel uppställningsplats och håller reda på hur många fordon från respektive speditör som finns uppställda. Speditörerna faktureras sedan för den faktiska tid de brukat uppställningen då kameran kan mäta den exakta tid det specifika fordonet stått parkerat på sin plats.

Ansiktsigenkänning är en annan teknik som är väldigt het i branschen. Hur bra är den?

– Analysen är lika bra eller bättre än en människa över tid. En kamera kopplad till ett system för ansiktsigenkänning kan göra ett lika bra eller bättre jobb än en tränad operatör som tittar på en vy från en kamera på en monitor. Multiplicerar man detta i ett större system där syftet är att känna igen personer i realtid eller via inspelat material så är skalbarheten tydlig och självklar.

Men?

– Det finns en osäkerhet beroende på att lagstiftning och förordningar ännu är i sin linda.

Osäkerheten om hur det får användas gör att marknaden fortfarande väntar på praxis innan man vågar investera.

Hur arbetar ni med cybersäkerhet?

– Vi följer de standarder som finns inom IT-världen, både hårda och mjuka lösningar. Vi samarbetar med världsledande säkerhetsföretag som till exempel Kaspersky Lab för att testa, utveckla och förbättra det vi kan proaktivt. Vi har inbyggda hårdvarubaserade TPM-moduler i alla våra kameror och stöder de vanligaste certifikat- och PKI-hanteringarna. All trafik och kommunikation går att kryptera och skydda, kamerorna har dessutom inbyggda brandväggar och kan själva avgöra om de är utsatta för ett intrångsförsök från en okänd användare.

Ligger alla tillverkare på ungefär samma nivå?

– Nej, skillnaden på marknaden är oerhörd, även hos slutanvändarna. Det är en prispressad marknad och vissa gör avkall på både komponenter och implementering. Medvetenheten är större än man kan förvänta sig, men det är som med försäkringar: man inser inte värdet av dem innan skadan är skedd. Jag är rädd att cybersäkerhet inte kommer tas på allvar förrän vi ser ett par allvarliga och avskräckande händelser.

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



Leverantörer
Till toppen av sidan