Ovanlig rörelsebeteendeklassificering i realtid med OpenMV

I fokuserade områden är det ofta inte de personer som kommer in som utgör verklig risk, utan snarare de personer som vagabonderar. Mänsklig övervakning kan inte kontinuerligt bedöma om beteendet är ovanligt, och vid efterföljande granskning går den bästa möjligheten att agera förlorad. OpenMV gör att systemet börjar ”se beteende” i stället för endast ”se bilder”.

På platser såsom infarter till bostadsområden, skolor, fabriksområden och industriområden kan långvarig vistelse, upprepad in- och utgång eller omvandring i känslomässigt känslomässiga områden ofta tyda på potentiella säkerhetsrisker. Exempel inkluderar förberedande aktiviteter, obehörig inträde och misstänkt iakttagelse. Om dessa inte upptäcks och hanteras i tid kan de lätt leda till efterföljande säkerhetsincidenter.

Även om traditionella säkerhetssystem kan registrera videobilder är de främst beroende av manuell övervakning i realtid eller efteråt genom att spela upp inspelade videor. Manuell övervakning är inte bara arbetskrävande utan gör det också svårt att snabbt och korrekt bedöma om ett beteende är avvikande, och när ett problem upptäcks har den optimala tidpunkten för ingripande ofta redan passerat.

Baserat på OpenMV-intelligenta kameror från SingTown Technology kan systemet kontinuerligt uppfatta och analysera personers beteende vid kameran för att automatiskt identifiera och omedelbart reagera på avvikande omvandringar.

När kameran är monterad på en fast plats samlar OpenMV kontinuerligt in bilder från övervakningsområdet och utför mänsklig identifiering, målföljning och spårregistrering direkt på enheten, samt övervakar personer som kommer in i området kontinuerligt.

Genom en omfattande analys av beteendemässiga egenskaper såsom personers uppehållstid, rörelseområde, rörelsebana och upprepade banor kan OpenMV identifiera om personer uppvisar uppenbara vandrande beteenden som avviker markant från normala genomfartsregler och skilja dessa från dagliga beteendemönster, vilket minskar antalet felaktiga alarm.

När relaterade beteendemått når förinställda tröskelvärden kan systemet omedelbart generera identifieringsresultat på enhetsnivå, utlösa lokala ljud- och ljusvarningar eller samverka med säkerhetssystem, vilket möjliggör snabb reaktion och lokalt ingripande utan att molnberäkning krävs.

Genom att förskjuta funktionen för beteendeanalys till kamerans kantnivå ger OpenMV övervakningssystemen förmågan att utföra intelligent lokal upptäckt med låg fördröjning, låg bandbredd och hög stabilitet, vilket gör att säkerhetsstyrningen utvecklas från ”passiv videografering” till ”aktiv varning”.