कॉन्टूर ने $7M जुटाया ताकि सुरक्षा कैमरों को खोज इंजन में बदला जा सके

कॉन्टूर ने एक $7 मिलियन के बीज दौर के साथ छुपाव से बाहर निकला है, जिसमें निवेशकों में जनरल कैटालिस्ट, वाई कॉम्बिनेटर, एसवी एंजेल, और लिक्विड 2 वेंचर्स शामिल हैं। कंपनी एक सरल लेकिन महत्वाकांक्षी विचार के आसपास खुद को स्थापित कर रही है: सुरक्षा टीमों को वीडियो फुटेज को उतनी ही आसानी से खोज करने में सक्षम होना चाहिए जितनी आसानी से वे वेब को खोजते हैं।

प्लेटफ़ॉर्म कैमरा नेटवर्क्स में प्राकृतिक भाषा क्वेरी की शुरुआत करता है, जिससे उपयोगकर्ता पहले से परिभाषित फ़िल्टर या श्रेणियों पर निर्भर किए बिना जो वे खोज रहे हैं उसे वर्णित कर सकते हैं।

निष्क्रिय कैमरों से खोज योग्य बुद्धिमत्ता तक

पारंपरिक वीडियो निगरानी प्रणालियां ज़िम्मेदार नियमों पर आधारित हैं। ऑपरेटरों को पहले से ही पता होना चाहिए कि उन्हें क्या पता लगाना है – विशिष्ट वस्तुएं, आंदोलन, या व्यवहार। यह दृष्टिकोण अक्सर याद की गई घटनाओं और जब कुछ अप्रत्याशित होता है तो मैनुअल समीक्षा के घंटों के परिणामस्वरूप होता है।

कॉन्टूर इस मॉडल को एक अधिक लचीली इंटरफ़ेस के साथ बदल देता है। पहले से अलर्ट को कॉन्फ़िगर करने के बजाय, उपयोगकर्ता क्वेरी जैसे “एक व्यक्ति एक बैग छोड़ देता है” या “कल लोडिंग डॉक के पास एक वैन” टाइप कर सकते हैं, और सिस्टम प्रासंगिक फुटेज पुनर्प्राप्त करता है।

यह निगरानी से प्रश्नोत्तर में स्थानांतरण को चिह्नित करता है। वीडियो अब कुछ ऐसा नहीं है जिसे देखना है – यह कुछ ऐसा हो जाता है जिसे मांग पर अन्वेषण और प्रश्न किया जा सकता है।

वास्तविक दुनिया की जटिलता के लिए निर्मित

निगरानी में एक मुख्य चुनौती यह है कि वास्तविक दुनिया की स्थितियां शायद ही कभी साफ-सुथरी श्रेणियों में फिट होती हैं। संदिग्ध व्यवहार अक्सर संदर्भिक होता है, जिसमें एकल पहचानने योग्य वस्तु के बजाय क्रियाओं की श्रृंखला शामिल होती है।

कॉन्टूर की प्रणाली इस अस्पष्टता को संभालने के लिए डिज़ाइन की गई है। यह दोनों लाइव फीड और ऐतिहासिक फुटेज पर काम करती है, वास्तविक समय में अलर्ट के साथ-साथ तेजी से पोस्ट-इंसिडेंट जांच की अनुमति देती है। प्लेटफ़ॉर्म मौजूदा कैमरा बुनियादी ढांचे के साथ काम करता है और पूरी तरह से ऑन-प्रिमाइसेस पर तैनात किया जा सकता है, जो सुरक्षित नेटवर्क में डेटा नहीं छोड़ सकता है।

इंटरफ़ेस गैर-तकनीकी ऑपरेटरों के लिए उपयोगिता के लिए बनाया गया है, जो जटिल प्रणालियों के साथ बातचीत करने में सक्षम हैं बिना पता लगाने के नियमों को कॉन्फ़िगर करने या अंतर्निहित मॉडल को समझने के।

उच्च जोखिम वाले वातावरण में प्रारंभिक ट्रैक्शन

कंपनी पहले से ही सिंगापुर में होमलैंड सुरक्षा ऑपरेशन में तैनात की जा रही है, जो उच्च जोखिम वाले वातावरण में जल्दी अपनाने का सुझाव देती है जहां सटीकता और गति महत्वपूर्ण हैं।

संस्थापक टीम की खुफिया और उच्च-तकनीकी प्रणालियों में पृष्ठभूमि उत्पाद के डिज़ाइन, विशेष रूप से इसके परिचालन दक्षता पर ध्यान केंद्रित करने में प्रभाव डालती है। प्लेटफ़ॉर्म एक ऑपरेटर को हज़ारों कैमरों की निगरानी करने और घटनाओं की जांच के लिए आवश्यक समय में नाटकीय रूप से कमी करने की अनुमति देने का दावा करता है।

पारंपरिक वीडियो विश्लेषण प्रणालियों की तुलना में, प्लेटफ़ॉर्म महत्वपूर्ण परिचालन सुधार की सूचना देता है:

• मैनुअल वीडियो समीक्षा समय में 90% तक की कमी
• मिस्ड इवेंट में 80% तक की कमी
• झूठे अलार्म में 70% तक की कमी
• एक ऑपरेटर के लिए हज़ारों कैमरों की निगरानी करने की क्षमता

यह लाभ नियम-आधारित कार्य प्रवाह को प्रणालियों के साथ बदलने से आते हैं जो संदर्भ और इरादे की व्याख्या अधिक गतिशील रूप से करते हैं।

यह प्रौद्योगिकी कहां ले जा सकती है

कॉन्टूर जो बना रहा है वह वीडियो डेटा की व्याख्या में एक व्यापक बदलाव की ओर इशारा करता है – न केवल तेज़ विश्लेषण, बल्कि एक मूल रूप से अलग इंटरैक्शन मॉडल। पूर्व-निर्धारित पता लगाने के नियमों के आसपास प्रणालियों को डिज़ाइन करने के बजाय, बोझ प्राकृतिक भाषा में व्यक्त इरादे को समझने की ओर स्थानांतरित हो जाता है।

यह बदलाव सुरक्षा से परे परिणाम है। यदि प्रणालियां “किसी के पीछे एक वस्तु छोड़ने” या “प्रवेश द्वार के पास असामान्य आंदोलन” जैसे खुले अंत वाले प्रश्नों की व्याख्या करने में विश्वसनीय रूप से सक्षम हो सकती हैं, तो यह सेमेंटिक वीडियो समझ की ओर एक कदम का सुझाव देता है – जहां संदर्भ, संबंध और क्रम उतने ही महत्वपूर्ण हैं जितने कि व्यक्तिगत वस्तुएं।

पैमाने पर, यह वीडियो आर्काइव का उपयोग करने के तरीके को बदल सकता है। फुटेज एक डायनामिक रूप से प्रश्न पूछने योग्य डेटासेट बन जाता है, निष्क्रिय रूप से संग्रहीत किए जाने के बजाय। परिवहन केंद्रों, लॉजिस्टिक नेटवर्क, या सार्वजनिक बुनियादी ढांचे जैसे वातावरण में, यह घटनाओं को पुनर्निर्माण, लेखा परीक्षा और संभावित रूप से पूर्वानुमान के तरीके को बदल सकता है।

इंजन के नीचे: पता लगाने से समझने तक

पारंपरिक प्रणालियां विशिष्ट श्रेणियों जैसे लोगों या वाहनों को पहचानने के लिए प्रशिक्षित वस्तु पता लगाने वाले मॉडल पर निर्भर करती हैं। जबकि नियंत्रित परिदृश्यों में प्रभावी है, ये मॉडल तब संघर्ष करते हैं जब प्रश्न पूर्व-निर्धारित लेबल के बाहर गिरते हैं।

कॉन्टूर का दृष्टिकोण शायद समृद्ध दृश्य प्रतिनिधित्व बनाने में शामिल है – अक्सर एम्बेडिंग के रूप में जाना जाता है – जो न केवल वस्तुओं को पकड़ते हैं, बल्कि विशेषताओं, संबंधों और समय के साथ परिवर्तनों को भी पकड़ते हैं। प्राकृतिक भाषा प्रश्न तब इसी प्रतिनिधित्व स्थान में मैप किए जा सकते हैं, जिससे प्रणाली को इरादे के साथ दृश्य डेटा मेल खाने की अनुमति मिलती है।

एक अन्य प्रमुख चुनौती कालिक तर्क है। कई वास्तविक दुनिया के प्रश्न घटनाओं की श्रृंखला के बजाय एकल फ्रेम के बारे में नहीं हैं। इसका समर्थन करने के लिए समय के साथ इकाइयों को ट्रैक करना और बातचीत को समझना आवश्यक है, न कि केवल अलगाव में वस्तुओं की पहचान करना।

सीमाएं और व्यापार-ऑफ

इसके बावजूद इसकी संभावना है, इस प्रकार की प्रणाली नए चुनौतियों को पेश करती है। उन्नत मॉडल के साथ बड़ी मात्रा में वीडियो को संसाधित करना गणनात्मक रूप से तीव्र है, विशेष रूप से ऑन-प्रिमाइसेस तैनाती में जहां संसाधन सीमित हैं।

सटीकता एक और विचार है। खुले अंत वाले प्रश्न अस्पष्टता पेश करते हैं, और प्रणालियों को लचीलेपन के साथ सटीकता को संतुलित करना होगा ताकि झूठे सकारात्मक या मिस्ड पता लगाने से बचा जा सके। नियम-आधारित प्रणालियों के विपरीत, प्राकृतिक भाषा से चलने वाली प्रणालियां किनारे के मामलों में मॉडल के सामान्यीकरण पर बहुत अधिक निर्भर करती हैं।

इसके अलावा शासनकारी परिणाम हैं। विशिष्ट विशेषताओं या व्यवहार की खोज करने की क्षमता पर्यवेक्षण, पहुंच नियंत्रण और उपयुक्त उपयोग के बारे में प्रश्न उठाती है – विशेष रूप से संवेदनशील या सार्वजनिक वातावरण में।

कॉन्टूर के लॉन्च से संकेत मिलता है कि ज़िम्मेदार, नियम-आधारित निगरानी से दूर जाने की ओर एक बदलाव है, जो वास्तविक समय में संदर्भ और इरादे की व्याख्या करने में सक्षम प्रणाली की ओर है।

यदि यह मॉडल विश्वसनीय साबित होता है, तो यह वीडियो डेटा के साथ संगठनों के संबंधों को फिर से परिभाषित कर सकता है – निष्क्रिय निगरानी से गतिशील, प्रश्न-चालित बुद्धिमत्ता की ओर बढ़ सकता है।