Conntour kerää 7 miljoonaa dollaria turvallisuuskameroita etsintämoottoreiksi

Conntour on tullut ulos piilosta 7 miljoonan dollarin siemeneräisellä, jota ovat tukeneet sijoittajat, kuten General Catalyst, Y Combinator, SV Angel ja Liquid 2 Ventures. Yritys on keskittynyt yksinkertaiseen mutta kunnianhimoiseen ajatukselle: turvallisuustiimit tulisi pystyä etsimään videomateriaalia yhtä helposti kuin he etsivät verkosta.

Alusta esittelee luonnollisen kielen kyselyt kameraverkoissa, jolloin käyttäjät voivat kuvailla, mitä he etsivät, sen sijaan, että riippuvat ennalta määritetyistä suodattimista tai luokista.

Turva- ja valvontakameroista etsittävään älykkyyteen

Perinteiset videovalvontajärjestelmät perustuvat jäykkiin sääntöihin. Toiminnanohjaajat on määriteltävä etukäteen, mitä havaita – tiettyjä objekteja, liikkeitä tai käyttäytymistä. Tämä lähestymistapa johtaa usein väärään havaintoihin ja tunteja kestävään manuaaliseen tarkasteluun, kun jotain odottamatonta tapahtuu.

Conntour korvaa tämän mallin joustavammalla käyttöliittymällä. Sen sijaan, että varoitusäänet määritetään etukäteen, käyttäjät voivat kirjoittaa kyselyjä, kuten “ihminen jättää laukun huomaamatta” tai “pakettiauto lähellä lastauslaituria eilen”, ja järjestelmä hakee asiaankuuluvan videomateriaalin.

Tämä merkitsee siirtymistä valvontaan kyselyyn. Video ei ole enää vain jotain, mitä katsotaan – se muuttuu joksikin, jota voidaan tutkia ja kuulustella tarpeen mukaan.

Rakennettu todellisen maailman monimutkaisuutta varten

Yksi turvallisuuden keskeisistä haasteista on, että todelliset tilanteet harvoin sopivat tiiviisti luokkiin. Epäilyttävä käyttäytyminen on usein kontekstuaalista, joka käsittää toimintasarjoja eikä yksittäisiä havaittavissa olevia objekteja.

Conntourin järjestelmä on suunniteltu käsittelemään tämän epävarmuuden. Se toimii sekä reaaliaikaisissa syötteissä että historiallisessa videomateriaalissa, mahdollistaen sekä reaaliaikaiset hälytykset että nopeat onnettomuudenjälkeiset tutkimukset. Alusta toimii myös olemassa olevan kamerainfrastruktuurin kanssa ja voidaan asentaa täysin paikallisesti, mikä on kriittistä ympäristöissä, joissa dataa ei voida poistaa turvallisista verkoista.

Käyttöliittymä on suunniteltu käytettäväksi, jotta ei-tekniikkaa taitavat toiminnanohjaajat voivat käyttää monimutkaisia järjestelmiä ilman, että heidän tarvitsee määritellä havaintosääntöjä tai ymmärtää perustuvia malleja.

Varianssi korkean panoksen ympäristöissä

Yritys on jo käytössä Singaporen kotimaan turvallisuustoimissa, mikä viittaa varhaiseen omaksumiseen ympäristöissä, joissa tarkkuus ja nopeus ovat kriittisiä.

Perustajatiimin tausta tiedustelussa ja korkean teknologian järjestelmissä näyttää vaikuttavan tuotteen suunnitteluun, erityisesti sen keskittyessä toiminnalliseen tehokkuuteen. Alusta väittää mahdollistavan yhden toiminnanohjaajan valvoa tuhansia kamera- ja lyhentää merkittävästi onnettomuuden tutkimiseen tarvittavaa aikaa.

Vertailussa perinteisiin videoviestintäjärjestelmiin alusta ilmoittaa merkittäviä toiminnallisia parannuksia:

• Jopa 90 % vähennys manuaalisen videon tarkasteluaikaa
• Jopa 80 % vähennys väärästä tapahtumista
• Jopa 70 % vähennys väärästä hälytyksestä
• Mahdollisuus yhdelle toiminnanohjaajalle valvoa tuhansia kameria

Nämä parannukset johtuvat sääntöpohjaisista työnkulkujen korvaamisesta järjestelmillä, jotka tulkkaavat kontekstia ja aikomusta dynaamisemmin.

Mihin tämä teknologia voi johtaa

Conntourin rakentama asia viittaa laajempaan muutokseen siinä, miten videodataa tulkitaan – ei vain nopeampiin analyyseihin, vaan perustavasti erilaiseen vuorovaikutusmalliin. Sen sijaan, että järjestelmät suunnitellaan ennalta määritettyjen havaintosääntöjen ympärille, painopiste siirtyy ymmärtämään aikomusta, joka on ilmaistu luonnollisessa kielessä.

Tämä siirtymä on vaikutuksia turvallisuuden ulkopuolella. Jos järjestelmät voivat luotettavasti tulkita avoimia kyselyjä, kuten “joku jättää esineen taakse” tai “epätavallinen liike lähellä sisäänkäyntiä”, se viittaa siirtymään semanttiseen videoymmärrykseen – jossa konteksti, suhteet ja järjestykset ovat yhtä tärkeitä kuin yksittäiset objektit.

Laajassa mittakaavassa tämä voi muuttaa, miten organisaatiot käyttävät videodataa. Videomateriaali muuttuu indeksoiduksi tietokannaksi, jota voidaan kysyä dynaamisesti sen sijaan, että se säilytetään passiivisesti. Ympäristöissä, kuten liikenteen solmukohdissa, logistiikka- ja julkisissa infrastruktuureissa, tämä voi muuttaa, miten tapahtumia rekonstruoidaan, tarkastellaan ja mahdollisesti ennustetaan.

Tekninen toteutus: Havainnosta ymmärrykseen

Perinteiset järjestelmät perustuvat objekti-havaintamalleihin, jotka on koulutettu tunnistamaan tiettyjä luokkia, kuten ihmisiä tai ajoneuvoja. Vaikka nämä mallit ovat tehokkaita kontrolloiduissa tilanteissa, ne kamppailevat, kun kyselyt ovat ennalta määritettyjen luokkien ulkopuolella.

Conntourin lähestymistapa lienee rakentaa rikkaampia visuaalisia edustuksia – usein kutsutaan upotukseksi – jotka sisältävät ei vain objekteja, vaan myös attribuutteja, suhteita ja muutoksia ajassa. Luonnollisen kielen kyselyt voidaan kartoittaa samaan edustusavaruuteen, jolloin järjestelmä voi vastata aikomusta visuaalisen datan kanssa.

Toinen avainhaaste on aikaskaala. Monet todelliset kyselyt liittyvät tapahtumien sarjoihin eikä yksittäisiin kehyksiin. Tämän tukeminen edellyttää seuraamista ajassa ja ymmärtämistä vuorovaikutuksista eikä pelkästään yksittäisten objektiiden tunnistamista.

Rajoitukset ja kompromissit

Vaikka tämänkaltaisen järjestelmän potentiaali on suuri, se esittää myös uusia haasteita. Suurten videomäärien prosessointi edistyneillä malleilla on laskennallisesti intensiivistä, erityisesti paikalliset asennukset, joissa resursseja on rajoitettu.

Tarkkuus on toinen huomio. Avoin kysely esittää epävarmuutta, ja järjestelmien on tasapainotettava joustavuus tarkkuuden kanssa välttääkseen väärät positiiviset tai puuttuvat havainnot. Toisin kuin sääntöpohjaiset järjestelmät, luonnollisen kielen ohjaamat järjestelmät riippuvat voimakkaasti siitä, miten hyvin mallit yleistyvät reunatapauksiin.

On myös hallinnollisia vaikutuksia. Mahdollisuus etsiä erittäin tarkkoja ominaisuuksia tai käyttäytymistä herättää kysymyksiä valvonnasta, pääsystä ja sopivasta käytöstä – erityisesti herkillä tai julkisilla alueilla.

Conntourin julkaisu korostaa siirtymistä jäykistä, sääntöpohjaisista valvontajärjestelmistä järjestelmiin, jotka voivat tulkita aikomusta ja kontekstia reaaliajassa.

Jos tämä malli osoittautuu luotettavaksi, se voi uudelleenmääritellä, miten organisaatiot vuorovaikuttavat videodatan kanssa – siirtymällä passiivisesta valvonnasta dynaamiseen, kyselyohjattuun älykkyyteen.