Partnerschappen

Lumana en HiveWatch koppelen AI-videomeldingen aan beveiligingsactiviteiten

Lumana en HiveWatch integreren AI-videomeldingen in beveiligingsprocessen en koppelen bestaande camera’s aan een gedeeld platform voor incidentrespons.

Leo Park
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Sagi Ben Moshe, Founder and CEO of Lumana
Belangrijkste puntenDe integratie voert Lumana's geverifieerde videomeldingen in HiveWatch's bestaande…
Meer weergeven
  • De integratie voert Lumana's geverifieerde videomeldingen in HiveWatch's bestaande responsworkflow zonder camera's te vervangen.
  • Lumana levert video-intelligentie terwijl HiveWatch het operationele werk rond elke gedetecteerde gebeurtenis organiseert.
  • Implementatie vereist het configureren van een HTTP-integratie in plaats van het automatisch upgraden van elke geïnstalleerde camera.

Lumana en HiveWatch hebben een voltooide integratie aangekondigd die door AI gegenereerde videomeldingen samenbrengt in één gedeelde werkruimte voor teams die verantwoordelijk zijn voor fysieke beveiliging. De koppeling verbindt het videobeveiligingsplatform van Lumana met het platform van HiveWatch voor het wereldwijde beveiligingsoperatiecentrum. Zo krijgen operators naast informatie uit andere beveiligingssystemen ook gebeurtenisdetails en relevante videobeelden te zien.

De aankondiging van 18 november richt zich op een praktisch probleem bij de beveiliging van grote organisaties: een gebeurtenis detecteren is slechts de eerste stap. Iemand moet nog de context begrijpen, bepalen of de gebeurtenis aandacht vereist en een reactie coördineren. De integratie is bedoeld om die stappen met elkaar te verbinden, zonder dat organisaties hun bestaande camera’s hoeven te vervangen.

Van videodetectie naar een operationele workflow

Volgens de aankondiging van de bedrijven analyseert Lumana videobeelden van bestaande IP-camera’s en stuurt het gedetecteerde gebeurtenissen door naar HiveWatch. Lumana omschrijft de resulterende meldingen als geverifieerd. De bijgevoegde videocontext stelt operators in staat om gebeurtenissen te onderzoeken vanuit dezelfde interface die ze gebruiken om andere incidenten te beheren.

HiveWatch verbindt afzonderlijke toegangscontrole-, video- en alarmsystemen met elkaar en begeleidt operators vervolgens bij het volgen van vooraf ingestelde responsprocedures. In deze opzet levert Lumana video-informatie, terwijl HiveWatch de operationele werkzaamheden eromheen organiseert. Volgens de bedrijven kan de combinatie het aantal meldingen verminderen dat tot alertmoeheid leidt en de respons op incidenten versnellen, hoewel de aankondiging geen meetresultaten voor de gezamenlijke implementatie bevat.

Ryan Schonfeld, medeoprichter en CEO van HiveWatch, ziet het partnerschap als een alternatief voor het uitbreiden van het camerabestand en het aannemen van meer mensen om de beelden te bekijken. Lumana-oprichter en CEO Sagi Ben Moshe benadrukt eveneens dat organisaties meer operationele waarde kunnen halen uit camera’s die ze al bezitten.

Wat de integratie ondersteunt

De integratiedocumentatie van Lumana geeft meer informatie over de soorten gebeurtenissen die in de gedeelde wachtrij kunnen worden opgenomen. Voorbeelden zijn valdetectie, kentekenherkenning, bezettingsgraad, verkeersactiviteit en het overschrijden van een lijn. De documentatie beschrijft ook hoe toegangscontroleregistraties aan videobeelden kunnen worden gekoppeld om mogelijke insluiping te herkennen, bijvoorbeeld wanneer er meer mensen door een deur naar binnen gaan dan er personen hun toegangsbewijs hebben aangeboden.

Meldingen worden gestandaardiseerd, zodat ze samen met gebeurtenissen van beveiligers, toegangscontrolesystemen en andere bronnen kunnen worden afgehandeld. Relevante videobeelden blijven aan de gebeurtenis gekoppeld, terwijl responsprocedures de operator begeleiden en een registratie bijhouden van de genomen maatregelen. Die combinatie is belangrijk omdat een cameramelding en een toegangsregistratie van een deur elk slechts een deel van de verklaring voor wat er is gebeurd kunnen geven.

Volgens de beschreven configuratie moet in Lumana een HTTP-integratie worden ingesteld en moet met HiveWatch worden samengewerkt om camera’s en analysemeldingen te koppelen. Het gaat dus om een integratieproject binnen een bestaande beveiligingsomgeving, niet om bewijs dat elke geïnstalleerde camera zonder configuratie automatisch dezelfde mogelijkheden krijgt.

VIA-1 levert de video-informatie

Lumana noemt VIA-1, zijn eigen model voor videoanalyse, de basis van het platform. Volgens het bedrijf leert het model van de omgevingen die het monitort. Het bredere productaanbod verdeelt monitoring, respons, onderzoek en operationeel inzicht over verschillende AI-agentfuncties.

Die architectuur helpt de taakverdeling binnen het partnerschap te verklaren. Een videomodel kan een mogelijk betekenisvolle gebeurtenis herkennen, maar een platform voor beveiligingsoperaties levert de bijbehorende workflow: in welke wachtrij de gebeurtenis terechtkomt, welke prioriteit eraan wordt toegekend en welke procedure de operator volgt. Die lagen met elkaar verbinden is iets anders dan alleen de herkenningsnauwkeurigheid verbeteren.

Doordat de oplossing niet aan een bepaald cameramerk is gebonden, verschuift de aankoopbeslissing ook weg van het volledig vervangen van camera’s. Bestaande apparatuur behouden kan de verstoring beperken, maar dat betekent niet dat er geen extra infrastructuur-, licentie- of integratiekosten aan de gecombineerde dienst verbonden zijn. De aankondiging vermeldt geen prijzen voor het gezamenlijke aanbod.

De operationele waarde hangt van meer af dan alleen het aantal meldingen

De centrale vraag bij deze integratie is of teams daardoor met minder obstakels van een signaal naar een passende reactie kunnen gaan. Minder meldingen kunnen nuttig zijn, maar alleen als belangrijke incidenten niet worden weggefilterd. Nuttige maatstaven voor de implementatie zijn onder meer het aantal foutpositieven, gemiste gebeurtenissen, de onderzoekstijd en de consistentie van beslissingen over opschaling.

Organisaties blijven ook verantwoordelijk voor de manier waarop videobeelden worden geraadpleegd, bewaard en gebruikt. Door beelden en incidentinformatie in één interface samen te brengen, kunnen onderzoeken eenvoudiger worden, maar worden toegangscontroles en gedocumenteerde procedures ook belangrijker. De aankondiging van de integratie biedt geen onafhankelijke garantie voor de detectienauwkeurigheid of naleving van privacyregels.

Voor zakelijke klanten is vooral de koppeling van belang tussen AI-analyse en de systemen die beveiligingsmedewerkers al gebruiken. Lumana en HiveWatch positioneren videoanalyse als input voor een bestaande responsprocedure, in plaats van als weer een scherm dat operators voortdurend moeten bewaken.

Leo Park is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI-hardware-startups, edge computing en opkomende chiparchitecturen behandelt die veranderen hoe kunstmatige intelligentie buiten centrale datacenters wordt ingezet. Zijn werk richt zich op hoe nieuwe chipontwerpen, platforms voor edge-inferentie en energiezuinige systemen de economische haalbaarheid en uitvoerbaarheid van AI op grote schaal veranderen.

Vanuit een technisch ingesteld en precies perspectief onderzoekt Leo hoe startups gespecialiseerde processors bouwen, geheugen- en energieverbruik optimaliseren en realtime AI-werklasten mogelijk maken dichter bij de plek waar gegevens worden gegenereerd. Hij let vooral op praktische toepassingen, zoals robotica, autonome systemen, industriële IoT en intelligentie op het apparaat, waarbij edge-AI tastbare prestatie- en kostenvoordelen biedt.

Artikelen onder de naam Leo Park worden door AI gegenereerd en beoordeeld door het redactieteam van Unite.AI om technische nauwkeurigheid, duidelijkheid en verantwoorde verslaggeving over het snel veranderende landschap van AI-hardware en edge computing te waarborgen.