Dallmeier は VCA テクノロジーを自社シリーズのカメラに統合しています 5000

ビデオコンテンツ解析技術は、潜在的に関連するすべてのイベントの検出と分類を可能にします。. メタデータは録画システムのデータベースに保存されます。, 関連性のないイベントに必要なストレージ容量は無視できるほど小さいです。.

人工知能の時代において、, IPカメラはもはや単に映像を生成する装置ではなく、ビデオ監視インフラの一部となるインテリジェントソリューションに変わっています。. ダルマイヤー VCA技術を統合してこれらの開発を続けています。 (ビデオコンテンツ解析、 – análisis de vídeo) シリーズカメラ群において、 5000 ビデオ映像の録画で発生したインシデントのスマート検索を可能にします。.

La tecnología Video Content Analysis permite el análisis automatizado de situaciones de observación que utiliza datos de vídeo para detectar y clasificar objetos e incidentes relevantes, además de ofrecer una función de filtro inteligente para gestionar grandes volúmenes de material grabado.

El filtrado de la situación de observación realizado por la cámara, con la ayuda de las clasificaciones preestablecidas, permite el análisis de vídeo en tiempo real, de forma que los incidentes detectados incorrectamente se pueden minimizar de antemano y ni siquiera son tenidos en cuenta a la hora de almacenarlos. あなたにとっては, los incidentes relevantes pueden almacenarse en el servidor junto con los metadatos asociados.

Esta funcionalidad evita que el usuario tenga que perder tiempo mirando grandes volúmenes de material archivado, sino que puede encontrar los incidentes de interés de forma más selectiva y eficiente con la ayuda de los metadatos almacenados. Se ahorra un valioso tiempo y las instancias sospechosas se pueden verificar de forma rápida y sencilla.

A diferencia de la detección de movimiento (simple detection of movement), que realiza el análisis en dispositivo solo después de haber ocurrido los hechos, la tecnología VCA realiza el análisis de antemano y en tiempo real, y clasifica los objetos que detect.a Los resultados del análisis se transmiten continuamente al sistema de grabación, junto con los metadatos correspondientes, como un informe de incidente.

Con la tecnología VCA, se pueden asignar cinco clasificaciones de análisis diferentes según el campo de aplicación: 侵入検知, detección de cruce de línea (line-crossing), clasificación de objetos, detección de rostros y de sabotaje.

Además de los datos básicos, como la fecha, hora y ubicación de los incidentes, se pueden usar filtros adicionales para que poder almacenar un amplio espectro de información, como la clase de objeto o la duración del incidente. Esto puede contribuir a una búsqueda y evaluación, precisa y distinguir entre clases de objetos y filtrarlos (como vehículos o personas).