Дякуємо, ми отримали ваше повідомлення і звʼяжемось в найближчий час! :)
Як це працює:
● Фільтрація хибних тривог Scylla виявляє людину або транспортний засіб на одному або послідовності кадрів.● Щойно в кадрі буде виявлено об'єкт, що становить інтерес, буде сформовано тривогу та надіслано персоналу служби безпеки.● Використовуючи комп'ютерний зір і штучний інтелект, Scylla False Alarm Filtering дозволяє значно зменшити кількість хибних спрацьовувань - до 99,95%.● Алгоритм фільтрації можна налаштувати так, щоб він був чутливим лише до певних ділянок кадру, а також у заздалегідь визначені часові інтервали.
Переваги системи фільтрації хибних тривог Scylla False Alarm Filtering:
● Інтелектуальна відеоаналітика додає до апаратних засобів дієву інформацію, щоб допомогти персоналу служби безпеки усунути переважну кількість хибних спрацьовувань, які неминуче спричиняють втому від шуму, додаткові витрати та втрату часу.● Звичайні камери спостереження, що працюють на основі виявлення руху, здебільшого неефективні, оскільки вони спрацьовують щоразу, коли щось рухається в кадрі - стельовий вентилятор, листя, зміна тіні або тварина. Тим часом відеоаналітика Scylla AI дуже чутлива до таких подій, і тривоги спрацьовують лише тоді, коли виявлено об'єкт, що цікавить.● Розгорнута на об'єкті система фільтрації хибних тривог Scylla False Alarm Filtering працюватиме в режимі 24/7 для вашої ситуаційної обізнаності.
FAQ
Як визначити, що таке справжня та хибна тривога?
Тривога класифікується як справжня, коли передбачення АІ відповідає дійсності (тобто об'єкт інтересу правильно ідентифіковано, виявлено шукану дію тощо). Хибне спрацьовування — це випадок, коли тривога спрацьовує помилково. Через імовірнісну природу ШІ останні в більшості випадків неминучі. Однак завдяки досконалому ШІ та машинному навчанню, що лежать в основі системи фільтрації хибних спрацьовувань, Scylla FAF може відповідати будь-якому рівню промислових стандартів виробничого класу. Крім того, ми постійно вдосконалюємо АІ-модулі Scylla, де вони перенавчаються на помилках, щоб з часом кількість хибних тривог ще більше знизилася і досягла вражаючого показника 99,5%.
Деякі постачальники заявляють про точність помилкових тривог до 90,00%. Яке значення має різниця між вашим рішенням та іншими?
Неважко зібрати з готових модулів глибокого навчання результат з точністю близько 90%. Проблема виникає, коли нам потрібно більше. Розглянемо приклад: клієнт, наприклад, станція моніторингу, отримує 50 000 подій за одиницю часу від своєї мережі відеоспостереження. Якщо припустити, що ефективність фільтрації становить 90%, то решта, тобто 10%, а саме 5 000 подій, залишається для обробки. Оператор повинен кваліфікувати і обробити кожну з цих 5 000 подій.
З іншого боку, навіть при ефективності 99+%, яку забезпечує модуль Scylla FAF, з тими ж припущеннями, залишається 1%, або 500 подій, які необхідно обробити. І саме ця різниця є суттєвою для ефективної роботи та економії коштів.
Чому рішення на основі штучного інтелекту (фільтрація хибних тривог) краще, ніж аналіз, зроблений людиною?
Кількість камер відеоспостереження, підключених до операторських центрів або станцій моніторингу, зростає в геометричній прогресії. Один оператор обробляє події з багатьох об'єктів, а це означає, що йому доводиться спостерігати за десятками камер. Кількість тривог, згенерованих камерами, може сягати кількох десятків на день. Відсутність належної фільтрації та класифікації цих подій призводить до того, що або людина не в змозі впоратися з такою кількістю подій і, відповідно, справжні тривоги губляться в потоці інших подій. Або збільшуються витрати, пов'язані з призначенням все більшої кількості співробітників, необхідних для обробки такої кількості подій. Саме тому на допомогу приходить FAF Scylla, який мінімізує кількість хибних тривог практично до одиниць, дозволяючи операторам зосередитися на обробці реальних тривог. І дозволяє працювати з ефективним рішенням, яке допомагає знизити витрати на експлуатацію.
Чи відповідає Scylla вимогам GDPR та CCPA?
Безумовно. Scylla не зберігає жодних даних, які можна вважати персональними. Ми не зберігаємо жодних відеозаписів чи зображень. Єдиний варіант даних які ми зберігаємо - це повідомлення про тривоги. Час їх зберігання може бути скоригований відповідно до правил, встановлених клієнтом.
Як фільтрація хибних тривог Scylla допомагає підвищити операційну продуктивність і скоротити витрати?
Використовуючи комп'ютерний зір і штучний інтелект, Scylla False Alarm Filtering покликана допомогти підрозділам безпеки, підтримуючи їхню повсякденну роботу, розширюючи їхні можливості та усуваючи переважну кількість хибних спрацьовувань, які неминуче спричиняють втому від шуму, додаткові витрати та втрату часу. Наприклад, компанія, що займається моніторингом безпеки, може фільтрувати хибні тривоги, тим самим зменшуючи втому операторів, витрати на оплату праці та зосереджуючись на розслідуванні реальних проблем.
Інший приклад: на фабриці виникла проблема з міллю, яка спрацьовує на камерах безпеки, що захищають від проникнення людей у небезпечні зони. Завдяки фільтрації хибних тривог ці помилкові спрацьовування усуваються, що дає змогу оператору зосередитися на реальних проблемах безпеки та вторгненнях на периметр.
Що робить система після виявлення загрози?
Сповіщення, що містить усю важливу інформацію, формується та надсилається кінцевим користувачам, відповідальним за безпеку. Існує кілька шляхів надсилання сповіщень, що налаштовуються: Інформаційна панель Scylla, мобільний додаток Scylla, релейні плати точок доступу та API оповіщення VMS.
Чи може фільтрація хибних тривог Scylla ефективно працювати на камерах зовнішнього спостереження?
Звичайні камери спостереження з детектором руху здебільшого неефективні, оскільки вони запускають тривоги щоразу, коли щось рухається в кадрі - листя під вітром, зміна тіні або тварина.
Відеоаналітика Scylla AI розуміє, що спричинило рух, і тривоги спрацьовують лише тоді, коли обраний об'єкт виявляється в зоні інтересу. Таким чином, вона може працювати навіть на вулиці.
Чи можна отримати звіт або аналіз усіх тривог?
Scylla надає корисні звіти, які дозволяють аналізувати тривоги та коригувати розміщення камер або увагу охорони до кожної зони. Користувачі можуть перевірити та відфільтрувати за датою наступну статистику кожної камери: Загальна кількість тривог; Відхилені тривоги; Схвалені тривоги; Історична хронологія у вказаному часовому діапазоні.
Заповніть форму, щоб отримати індивідуальну консультацію щодо PoC у вашій ІТ-інфраструктурі: