Perimeterschutz bezieht sich auf die Sicherheitsmaßnahmen und -systeme, die zum Schutz der Grenzen oder Perimeter eines physischen Standorts oder Grundstücks eingesetzt werden. Das Hauptziel des Perimeterschutzes besteht darin, unbefugten Zugang zu verhindern, potenzielle Bedrohungen zu erkennen und Eindringlinge vom Eindringen in geschützte Bereiche abzuhalten.
Traditionell erfolgte die Analyse von Live-Videostreams manuell und stützte sich auf die menschliche Wahrnehmung und visuelle Identifizierung von Ereignissen in einem Feed. Heutzutage ermöglicht Deep Learning am Rande die Automatisierung der Analyseaufgaben und damit eine einfachere Skalierbarkeit und eine Verbesserung der Gesamtleistung. Ein Perimeter Protection System am Netzwerkrand ermöglicht eine sofortige Reaktion auf Sicherheitsbedrohungen in Echtzeit, da die KI-Algorithmen große Datenmengen lokal am Netzwerkrand verarbeiten und analysieren können, ohne auf eine zentrale Verarbeitung und die Robustheit der Netzwerkverbindung angewiesen zu sein. Dies verringert die Latenzzeit und sorgt für eine schnellere Erkennung und Benachrichtigung bei potenziellen Verstößen. Durch den Einsatz von KI am Rande kann das System auch bei einem Ausfall oder einer Störung des Netzes weiterarbeiten und so die Sicherheit der Umgebung oder an abgelegenen und nicht angeschlossenen Orten wie Militärstützpunkten oder unterirdischen Anlagen aufrechterhalten. Edge-basierte KI minimiert auch die Datenmenge, die in die Cloud übertragen werden muss, was den Datenschutz verbessert und die Bandbreitenanforderungen und Kosten reduziert.
Die Hailo AI-Prozessoren sind für diese Anwendungen von entscheidender Bedeutung, da sie eine schnellere und genauere Ereigniserkennung zu geringeren Kosten ermöglichen.
Hailo bietet erhebliche Kosteneinsparungen bei der Videoanalyse mit mehr Rechenleistung pro Preiseinheit, was sich in mehr Komplexität pro Anwendung, mehr Anwendungen pro Stream und mehr Streams pro Plattform niederschlägt. Dank der ereignisbasierten Aufzeichnung lassen sich außerdem erhebliche Einsparungen bei der Streaming-Bandbreite und dem Speicherplatz erzielen
Die AI-Prozessoren von Hailo sind so konzipiert, dass sie rauen Bedingungen standhalten und den industriellen Betriebsbedingungen entsprechen. Sie eignen sich für Perimeter-Kontrollsysteme, die im Freien und in manchmal schwierigen Umgebungen installiert werden
Perimeterkontrollsysteme erfordern die Verarbeitung personenbezogener Daten. Videoanalyse am Rande bedeutet, dass nur Video-Metadaten und keine persönlich identifizierbaren Informationen (PII) übertragen und in der Cloud gespeichert werden müssen
Die Re-Identifizierung mit mehreren Kameras und Personen (Re-ID) bezieht sich auf die Aufgabe, Personen über verschiedene Kameras in einem Überwachungssystem oder bei mehreren Vorgängen im Laufe der Zeit durch eine bestimmte Kamera zu Sicherheits- oder statistischen Analysezwecken zu identifizieren. Die Aufgabe umfasst die mehrfache Identifizierung einer bestimmten Person, entweder an einem bestimmten Ort im Laufe der Zeit oder auf einem Weg zwischen mehreren Orten. Es geht darum, das Aussehen einer Person, die mit einer Kamera aufgenommen wurde, mit dem Aussehen derselben Person abzugleichen, die mit einer anderen Kamera oder mit derselben Kamera zu verschiedenen Zeiten aufgenommen wurde, wobei Änderungen bei der Beleuchtung, der Pose und der Verdeckung berücksichtigt werden.
KI ermöglicht Re-ID mit mehreren Kameras, da diese Aufgabe die gleichzeitige Verarbeitung und Analyse großer Mengen visueller Daten von mehreren Kameras erfordert, was für einen menschlichen Bediener eine kaum zu bewältigende Herausforderung darstellt. KI-Modelle können lernen, aussagekräftige Merkmale und persönliche Attribute aus Bildern oder Videosequenzen zu extrahieren und darzustellen, z. B. Körperform, Kleidung und Accessoires, und sie nutzen, um Personen in verschiedenen Videoaufnahmen zu identifizieren und zuzuordnen. Re-ID am Netzwerkrand bedeutet, dass Personen mit einem verbesserten Schutz der Privatsphäre identifiziert und wieder identifiziert werden können, da nur anonymisierte Informationen gestreamt und in der Cloud gespeichert werden.
Video-Metadaten beziehen sich auf die beschreibenden Informationen, die mit einem Video verbunden sind und verschiedene Attribute wie Personenidentifikation, Gesichtsattribute und andere relevante Merkmale umfassen. Diese Attribute können mithilfe von KI extrahiert und analysiert werden, um wertvolle Erkenntnisse zu gewinnen und verschiedene Anwendungen zu verbessern.
Künstliche Intelligenz wird in Video-Metadaten für verschiedene Anwendungen eingesetzt, darunter:
Je besser und ausführlicher die Video-Metadaten sind, desto besser werden die Ergebnisse und Erkenntnisse sein. Die Qualität der Metadaten hängt von der Qualität der Analysen ab, und hier kommt der Vorteil von Hailo ins Spiel, der es ermöglicht, fortschrittliche Algorithmen am Rande des Systems auszuführen.
