Conntour získává 7 milionů dolarů na přeměnu bezpečnostních kamer na vyhledávací stroj

Conntour vystupuje z utajení s 7milionovým seed kollem, které podporují investoři včetně General Catalyst, Y Combinator, SV Angel a Liquid 2 Ventures. Společnost se zaměřuje na jednoduchou, ale ambiciózní myšlenku: bezpečnostní týmy by měly být schopny vyhledávat videozáznamy stejně snadno jako vyhledávají na webu.

Platforma zavádí přirozený jazykový dotaz napříč kamerovými sítěmi, což umožňuje uživatelům popisovat, co hledají, místo toho, aby se spoléhali na předem definované filtry nebo kategorie.

Od pasivních kamer k vyhledávací inteligenci

Tradiční systémy video dohledu jsou založeny na rigidních pravidlech. Operátoři musí definovat, co má být detekováno dopředu – konkrétní objekty, pohyby nebo chování. Tento přístup často vede k přehlédnutým incidentům a hodinám manuálního přezkumu, když se něco neočekávaného stane.

Conntour nahrazuje tento model flexibilnějším rozhraním. Místo konfigurace upozornění dopředu mohou uživatelé zadávat dotazy, jako je „osoba, která nechá nezabezpečenou tašku“ nebo „dodávka u nakládací rampy včera“, a systém načte relevantní záběry.

To znamená posun od monitorování k dotazování. Video již není něco, co se sleduje – stává se něčím, co lze prozkoumat a vyslechnout na vyžádání.

Vyvinutý pro reálnou složitost

Jedním z hlavních problémů v oblasti dohledu je, že reálné situace zřídka zapadají do čisté kategorie. Podezřelé chování je často kontextové, zahrnující sekvence akcí spíše než jeden detekovatelný objekt.

Systém Conntour je navržen tak, aby zvládl tuto nejednoznačnost. Provozuje se napříč živými proudy i historickými záběry, umožňující v reálném čase upozornění i rychlé vyšetřování po incidentu. Platforma také pracuje s existující infrastrukturou kamer a může být nasazena plně na místě, což je kritické pro prostředí, kde data nemohou opustit zabezpečené sítě.

Rozhraní je navrženo pro uživatelskou přívětivost, umožňující netechnickým operátorům pracovat s komplexními systémy bez nutnosti konfigurovat pravidla detekce nebo rozumět základním modelům.

Brzká přijetí v prostředí s vysokými zárukami

Společnost je již nasazena v operacích vnitřní bezpečnosti v Singapuru, což naznačuje brzkou adopci v prostředích, kde je klíčová přesnost a rychlost.

Pozadí zakládajícího týmu v oblasti inteligence a high-tech systémů se zdá ovlivňovat design produktu, zejména jeho zaměření na provozní efektivitu. Platforma tvrdí, že umožňuje jednomu operátorovi monitorovat tisíce kamer, zatímco dramaticky snižuje čas potřebný k vyšetřování incidentů.

V porovnání s tradičními systémy video analýzy platforma hlásí významné provozní zlepšení:

• Až 90% snížení manuálního času pro přezkum videa
• Až 80% méně přehlédnutých událostí
• Až 70% snížení falešných poplachů
• Možnost, aby jeden operátor dohlížel na tisíce kamer

Tato zlepšení pocházejí z nahrazení pravidel založených na pracovních postupech systémy, které interpretují kontext a záměr více dynamicky.

Kam může tato technologie vést

To, co Conntour buduje, naznačuje širší posun v tom, jak je video data interpretována – ne jen rychlejší analýza, ale fundamentálně odlišný model interakce. Místo navrhování systémů kolem předem definovaných pravidel detekce se zátěž přesouvá směrem k pochopení záměru vyjádřeného v přirozeném jazyce.

Tento posun má důsledky i mimo bezpečnost. Pokud systémy mohou spolehlivě interpretovat otevřené dotazy, jako je „někdo, kdo zanechává objekt“ nebo „neobvyklý pohyb u vchodu“, naznačuje to posun směrem k sémantickému porozumění videa – kde kontext, vztahy a sekvence záleží stejně jako jednotlivé objekty.

V měřítku by to mohlo změnit, jak organizace využívají video archivy. Záběry se stávají indexovanými datovými sadami, které lze dotazovat dynamicky, místo aby byly pasivně uloženy. V prostředích, jako jsou dopravní uzly, logistické sítě nebo veřejná infrastruktura, by to mohlo změnit, jak jsou incidenty rekonstruovány, audity a potenciálně předvídány.

Pod kapotou: Od detekce k pochopení

Tradiční systémy se spoléhají na modely detekce objektů, které jsou trénovány k rozpoznání specifických kategorií, jako jsou lidé nebo vozidla. Zatímco jsou efektivní ve kontrolovaných scénářích, tyto modely bojují, když dotazy spadají mimo předem definované štítky.

Přístup Conntour pravděpodobně zahrnuje budování bohatějších vizuálních reprezentací – často označovaných jako vložené reprezentace – které zachycují nejen objekty, ale také atributy, vztahy a změny v čase. Dotazy v přirozeném jazyce lze pak mapovat do stejného prostoru reprezentace, umožňující systému shodit záměr s vizuálními daty.

Další klíčovou výzvou je časové uvažování. Mnohé reálné dotazy zahrnují sekvence událostí spíše než jeden snímek. Podpora tohoto vyžaduje sledování entit v čase a pochopení interakcí, nikoli pouze identifikaci objektů v izolaci.

Omezení a kompromisy

Přes svůj potenciál tato druh systému představuje nové výzvy. Zpracování velkých objemů videa s pokročilými modely je výpočetně náročné, zejména v nasazeních na místě, kde jsou zdroje omezené.

Přesnost je další úvahou. Otevřené dotazy zavádějí nejednoznačnost, a systémy musí vyvážit flexibilitu s přesností, aby se zabránilo falešným pozitivům nebo přehlédnutým detekcím. Na rozdíl od systémů založených na pravidlech se systémy poháněné přirozeným jazykem silně závisí na tom, jak dobře modely generalizují na okrajové případy.

Existují také důsledky pro správu. Schopnost vyhledávat velmi specifické atributy nebo chování vyvolává otázky o dohledu, kontrole přístupu a vhodném použití – zejména v citlivých nebo veřejných prostředích.

Conntour spuštění zdůrazňuje posun od rigidních, pravidel založených na dohledu směrem k systémům, které mohou interpretovat záměr a kontext v reálném čase.

Pokud se tento model ukáže jako spolehlivý, mohl by předefinovat, jak organizace interagují s video daty – přecházející z pasivního monitorování k dynamické, dotazované inteligenci.