Conntour raccoglie 7 milioni di dollari per trasformare le telecamere di sicurezza in motori di ricerca.

Contour è uscita dalla fase di sviluppo in segreto con un round di finanziamento iniziale di 7 milioni di dollari sostenuto da investitori tra cui Catalizzatore generale, Y Combinator, Angelo SVe Liquido 2 impreseL'azienda si sta posizionando attorno a un'idea semplice ma ambiziosa: i team di sicurezza dovrebbero essere in grado di cercare filmati video con la stessa facilità con cui effettuano ricerche sul web.

La piattaforma introduce la possibilità di effettuare ricerche in linguaggio naturale attraverso le reti di telecamere, consentendo agli utenti di descrivere ciò che stanno cercando anziché affidarsi a filtri o categorie predefinite.

Dalle telecamere passive all'intelligenza ricercabile

I sistemi di videosorveglianza tradizionali si basano su regole rigide. Gli operatori devono definire in anticipo cosa rilevare: oggetti, movimenti o comportamenti specifici. Questo approccio spesso comporta la mancata rilevazione di alcuni incidenti e ore di revisione manuale quando si verifica qualcosa di inaspettato.

Conntour sostituisce quel modello con un'interfaccia più flessibile. Invece di configurare gli avvisi in anticipo, gli utenti possono digitare query come "una persona che lascia una borsa incustodita" o "un furgone vicino alla banchina di carico ieri", e il sistema recupera i filmati pertinenti.

Questo segna un passaggio dal monitoraggio all'interrogazione. Il video non è più qualcosa da guardare, ma diventa qualcosa che può essere esplorato e analizzato su richiesta.

Progettato per la complessità del mondo reale

Una delle principali sfide nella sorveglianza è che le situazioni reali raramente si adattano a categorie ben definite. I comportamenti sospetti sono spesso contestuali e implicano sequenze di azioni piuttosto che un singolo oggetto rilevabile.

Il sistema di Conntour è progettato per gestire questa ambiguità. Funziona sia con flussi video in diretta che con filmati storici, consentendo avvisi in tempo reale e rapide indagini post-incidente. La piattaforma è inoltre compatibile con l'infrastruttura di telecamere esistente e può essere implementata interamente in locale, aspetto fondamentale per gli ambienti in cui i dati non possono uscire dalle reti sicure.

L'interfaccia è progettata per essere intuitiva, consentendo anche agli operatori non tecnici di interagire con sistemi complessi senza dover configurare regole di rilevamento o comprendere i modelli sottostanti.

Risultati positivi iniziali in contesti ad alto rischio

L'azienda è già impiegata in operazioni di sicurezza nazionale a Singapore, il che suggerisce una rapida adozione in ambienti in cui precisione e velocità sono fondamentali.

Il background del team fondatore nei settori dell'intelligence e dei sistemi ad alta tecnologia sembra aver influenzato la progettazione del prodotto, in particolare la sua attenzione all'efficienza operativa. La piattaforma afferma di consentire a un singolo operatore di monitorare migliaia di telecamere, riducendo drasticamente i tempi necessari per indagare sugli incidenti.

Rispetto ai sistemi di analisi video tradizionali, la piattaforma riporta significativi miglioramenti operativi:

• Riduzione fino al 90% dei tempi di revisione manuale dei video.
• Fino all'80% di eventi persi in meno
• Riduzione dei falsi allarmi fino al 70%.
• La possibilità per un singolo operatore di supervisionare migliaia di telecamere

Questi vantaggi derivano dalla sostituzione dei flussi di lavoro basati su regole con sistemi che interpretano il contesto e l'intento in modo più dinamico.

Dove potrebbe portare questa tecnologia

Ciò che Conntour sta realizzando indica un cambiamento più ampio nel modo in cui vengono interpretati i dati video: non si tratta solo di un'analisi più rapida, ma di un modello di interazione radicalmente diverso. Invece di progettare sistemi basati su regole di rilevamento predefinite, l'attenzione si sposta sulla comprensione dell'intento espresso nel linguaggio naturale.

Questo cambiamento ha implicazioni che vanno oltre la sicurezza. Se i sistemi sono in grado di interpretare in modo affidabile query aperte come "qualcuno che lascia un oggetto" o "movimenti insoliti vicino a un ingresso", ciò suggerisce un'evoluzione verso la comprensione semantica dei video, in cui il contesto, le relazioni e le sequenze contano tanto quanto i singoli oggetti.

Su larga scala, questo potrebbe rivoluzionare il modo in cui le organizzazioni utilizzano gli archivi video. I filmati diventerebbero un dataset indicizzato, interrogabile dinamicamente anziché essere archiviato passivamente. In contesti come snodi di trasporto, reti logistiche o infrastrutture pubbliche, ciò potrebbe cambiare il modo in cui gli incidenti vengono ricostruiti, analizzati e potenzialmente previsti.

Dietro le quinte: dal rilevamento alla comprensione

I sistemi tradizionali si basano su modelli di rilevamento di oggetti addestrati a riconoscere categorie specifiche come persone o veicoli. Sebbene efficaci in scenari controllati, questi modelli faticano quando le query non rientrano nelle etichette predefinite.

L'approccio di Conntour probabilmente prevede la creazione di rappresentazioni visive più ricche, spesso definite "embedding", che catturano non solo gli oggetti, ma anche attributi, relazioni e cambiamenti nel tempo. Le query in linguaggio naturale possono quindi essere mappate nello stesso spazio di rappresentazione, consentendo al sistema di associare l'intento ai dati visivi.

Un'altra sfida fondamentale è ragionamento temporaleMolte query del mondo reale coinvolgono sequenze di eventi piuttosto che singoli fotogrammi. Supportare questo richiede il tracciamento delle entità nel tempo e la comprensione delle interazioni, non solo l'identificazione di oggetti isolati.

Vincoli e compromessi

Nonostante il suo potenziale, questo tipo di sistema introduce nuove sfide. L'elaborazione di grandi volumi di video con modelli avanzati è computazionalmente intensiva, soprattutto nelle implementazioni on-premise dove le risorse sono limitate.

Un altro aspetto da considerare è l'accuratezza. Le query aperte introducono ambiguità e i sistemi devono trovare un equilibrio tra flessibilità e precisione per evitare falsi positivi o mancate rilevazioni. A differenza dei sistemi basati su regole, i sistemi guidati dal linguaggio naturale dipendono fortemente dalla capacità dei modelli di generalizzare ai casi limite.

Vi sono anche implicazioni in termini di governance. La possibilità di ricercare attributi o comportamenti altamente specifici solleva interrogativi in ​​merito alla supervisione, al controllo degli accessi e all'uso appropriato, soprattutto in contesti sensibili o pubblici.

Di Contour Il lancio di questo sistema evidenzia un passaggio da una sorveglianza rigida e basata su regole fisse a sistemi in grado di interpretare intenzioni e contesto in tempo reale.

Se questo modello si dimostrerà affidabile, potrebbe ridefinire il modo in cui le organizzazioni interagiscono con i dati video, passando da un monitoraggio passivo a un'intelligenza dinamica basata su query.