Conntour henter 7 millioner dollar for å gjøre sikkerhetskameraer til søkemotorer

Conntour har kommet ut av stealth-modus med en seed-runde på 7 millioner dollar, støttet av investorer inkludert General Catalyst, Y Combinator, SV Angel og Liquid 2 Ventures. Selskapet stiller seg rundt en enkel, men ambisiøs idé: Sikkerhetsteam skal kunne søke i videodata like enkelt som de søker på nettet.

Plattformen introduserer naturlig språksøking på kameranettverk, som tillater brukerne å beskrive hva de søker etter, i stedet for å stole på forhåndsdefinerte filtre eller kategorier.

Fra passive kameraer til søkbare intelligenser

Tradisjonelle videosikringssystemer er bygget på strenge regler. Operatører må definere hva de skal detektere på forhånd – bestemte objekter, bevegelser eller atferd. Dette tilnærmingen resulterer ofte i manglende hendelser og timer med manuell gjennomgang når noe uventet skjer.

Conntour erstatter denne modellen med en mer fleksibel grensesnitt. I stedet for å konfigurere varsler på forhånd, kan brukerne skrive spørringer som “en person som forlater en pose uoppmerksom” eller “en varebil nær lastekaien i går”, og systemet henter relevante opptak.

Dette markerer en skifte fra overvåking til spøring. Video er ikke lenger noe å se på – det blir noe som kan utforskes og avhøres på forespørsel.

Bygget for kompleksitet i den virkelige verden

En av de største utfordringene i sikring er at virkelige situasjoner sjelden passer inn i nøkkelkategorier. Mistenkelig atferd er ofte kontekstuell, og involverer sekvenser av handlinger i stedet for en enkelt detekterbar gjenstand.

Conntours system er designet for å håndtere denne usikkerheten. Det opererer på både direktesendinger og historisk opptak, og muliggjør sanntidsvarsler samt rask etterforsking etter hendelser. Plattformen fungerer også med eksisterende kamera-infrastruktur og kan deployeres fullstendig på egen server, noe som er kritisk for miljøer hvor data ikke kan forlate sikre nettverk.

Grensesnittet er bygget for brukervennlighet, og tillater ikke-tekniske operatører å interagere med komplekse systemer uten å måtte konfigurere detekteringsregler eller forstå underliggende modeller.

Tidlig fremgang i høyrisikomiljøer

Selskapet er allerede i bruk i hjemlandssikkerhetsoperasjoner i Singapore, noe som tyder på tidlig adopsjon i miljøer hvor nøyaktighet og hastighet er kritisk.

Grunnleggerlagets bakgrunn i etterretning og høyteknologiske systemer synes å påvirke produktets design, særlig fokuset på operasjonell effektivitet. Plattformen hevder å muliggjøre at en enkelt operatør kan overvåke tusenvis av kameraer, samtidig som tiden det tar å etterforske hendelser dramatisk reduseres.

I sammenligning med tradisjonelle videoanalyse-systemer, rapporterer plattformen betydelige operasjonelle forbedringer:

• Opp til 90% reduksjon i manuell videogjennomgangstid
• Opp til 80% færre manglende hendelser
• Opp til 70% reduksjon i falske alarmer
• Evnen for en operatør å overvåke tusenvis av kameraer

Disse forbedringene kommer fra å erstatte regelbaserte arbeidsflyter med systemer som tolker kontekst og intensjoner mer dynamisk.

Hvor denne teknologien kan føre

Hva Conntour bygger, peker mot en bredere skifte i hvordan videodata tolkes – ikke bare raskere analyse, men en fundamentalt annen interaksjonsmodell. I stedet for å designe systemer rundt forhåndsdefinerte detekteringsregler, flytter byrden mot å forstå intensjoner uttrykt i naturlig språk.

Dette skiftet har implikasjoner utover sikkerhet. Hvis systemer kan pålitelig tolke åpne spørringer som “noen som forlater et objekt” eller “uvanlig bevegelse nær en inngang”, antyder det en bevegelse mot semantisk videoforståelse – hvor kontekst, relasjoner og sekvenser betyr like mye som enkeltobjekter.

I stor skala kunne dette omforme hvordan organisasjoner bruker videoarkiv. Opptak blir en indeksert datasett som kan søkes dynamisk i stedet for å være passivt lagret. I miljøer som transportknutepunkter, logistikknettverk eller offentlig infrastruktur, kunne dette endre hvordan hendelser rekonstrueres, granskes og potensielt forutsies.

Under panseret: Fra deteksjon til forståelse

Tradisjonelle systemer baserer seg på objektgjenkjenningmodeller som er trent til å gjenkjenne bestemte kategorier som mennesker eller kjøretøy. Mens de er effektive i kontrollerte scenarioer, sliter disse modellene når spørringer faller utenfor forhåndsdefinerte etiketter.

Conntours tilnærming innebærer sannsynligvis å bygge rikere visuelle representasjoner – ofte omtalt som innkapslinger – som fanger ikke bare objekter, men også attributter, relasjoner og endringer over tid. Naturlige språkspørringer kan deretter kartlegges inn i samme representasjonsrom, og tillater systemet å matche intensjoner med visuell data.

En annen nøkkelutfordring er temporal resonnement. Mange virkelige spørringer involverer sekvenser av hendelser i stedet for enkeltbilder. Å støtte dette krever å spore enheter over tid og forstå interaksjoner, ikke bare å identifisere objekter i isolasjon.

Begrensninger og kompromisser

Til tross for potensialet, introduserer denne type system nye utfordringer. Å prosessere store mengder video med avanserte modeller er komputasjonelt intensivt, særlig i på-eigen-server-deployeringer hvor ressurser er begrensede.

Nøyaktighet er en annen overveielse. Åpne spørringer introduserer tvetydighet, og systemer må balansere fleksibilitet med presisjon for å unngå falske positiver eller manglende deteksjoner. I motsetning til regelbaserte systemer, er naturlig språk-drevne systemer avhengige av hvor godt modellene generaliserer til randtilfeller.

Det er også styreimplikasjoner. Evnen til å søke etter svært spesifikke attributter eller atferd reiser spørsmål om tilsyn, tilgangskontroll og korrekt bruk – særlig i sensitive eller offentlige miljøer.

Conntours lansering markerer en skifte bort fra strenge, regelbaserte overvåkningssystemer mot systemer som kan tolke intensjoner og kontekst i sanntid.

Hvis denne modellen viser seg å være pålitelig, kunne den omdefinere hvordan organisasjoner samhandler med videodata – fra passiv overvåking til dynamisk, spøring-drevet intelligens.