Conntour 籌集 700 萬美元將安全攝像頭轉變為搜索引擎

Conntour 已經以 700 萬美元的種子輪融資從隱私模式中走出來，投資者包括 General Catalyst、Y Combinator、SV Angel 和 Liquid 2 Ventures。該公司圍繞著一個簡單但雄心勃勃的想法：安全團隊應該能夠像搜索網頁一樣輕鬆地搜索視頻片段。

該平台引入了跨攝像頭網絡的自然語言查詢，允許用戶描述他們正在尋找的內容，而不是依賴預先定義的過濾器或類別。

從被動攝像頭到可搜索的智能

傳統的視頻監控系統是基於嚴格的規則構建的。操作員必須提前定義要檢測的內容——具體的物體、運動或行為。這種方法通常會導致錯過事件和當發生意外時需要花費數小時進行手動審查。

Conntour 用更靈活的界面取代了這種模型。用戶不需要提前配置警報，而是可以輸入查詢，例如“有人離開一個未經他人攙扶的袋子”或“昨天在貨物裝卸區附近的一輛面包車”，然後系統會检索相關的視頻片段。

這標誌著從監控到查詢的轉變。視頻不再是需要觀看的東西——它變成了可以根據需求探索和詢問的東西。

為真實世界複雜性而設計

監控中的一個核心挑戰是，真實世界的情況很少符合整齊的類別。可疑行為往往是上下文相關的，涉及一系列行動，而不是單一可檢測的物體。

Conntour 的系統旨在處理這種模糊性。它既可以處理實時視頻流，也可以處理歷史視頻，從而實現實時警報和快速的事後調查。該平台還可以與現有的攝像頭基礎設施一起工作，並且可以完全在本地部署，這對於不能離開安全網絡的環境至關重要。

界面是為了易用性而設計的，允許非技術操作員在不需要配置檢測規則或了解底層模型的情況下與複雜系統進行交互。

在高風險環境中取得早期成果

該公司已經在新加坡的國土安全行動中部署，表明在準確性和速度至關重要的環境中取得了早期采用。

創始團隊在情報和高科技系統方面的背景似乎影響了產品的設計，特別是其對運營效率的重視。該平台聲稱可以讓單個操作員監控數千個攝像頭，並大大減少調查事件所需的時間。

與傳統的視頻分析系統相比，該平台報告了顯著的運營改進：

• 手動視頻審查時間最多減少 90%
• 錯過的事件最多減少 80%
• 假警報最多減少 70%
• 一名操作員可以監控數千個攝像頭

這些改進來自於用能夠更動態地解釋上下文和意圖的系統取代基於規則的工作流程。

這項技術可能會帶來的影響

Conntour 所做的工作指向了對視頻數據解釋的更廣泛轉變——不僅是更快的分析，而且是一種根本不同的交互模型。與其設計系統圍繞預先定義的檢測規則，重點轉向了解以自然語言表達的意圖。

這種轉變對安全以外的領域也有影響。如果系統可以可靠地解釋開放式查詢，例如“有人離開物體”或“入口附近的異常運動”，那麼它表明了一種向語義視頻理解的轉變——在這種理解中，上下文、關係和序列與個別物體一樣重要。

在大規模上，這可能會重塑組織使用視頻檔案的方式。視頻檔案變成了可以動態查詢的索引數據集，而不是被動儲存。在交通樞紐、物流網絡或公共基礎設施等環境中，這可能會改變事件的重建、審計和潛在預測方式。

核心技術：從檢測到理解

傳統系統依賴於對象檢測模型，該模型接受過訓練，可以識別特定的類別，例如人或車輛。雖然在受控場景中有效，但這些模型在查詢超出預先定義的標籤時會遇到困難。

Conntour 的方法可能涉及構建更豐富的視覺表示——通常被稱為嵌入——它們不僅捕捉物體，還捕捉屬性、關係和隨時間的變化。然後可以將自然語言查詢映射到相同的表示空間中，允許系統匹配意圖和視覺數據。

另一個關鍵挑戰是 時間推理。許多真實世界查詢涉及事件序列，而不是單個框架。支持這需要跨時間跟蹤實體並了解交互，而不僅僅是識別單個物體。

限制和權衡

儘管其潛力，該系統引入了新的挑戰。使用先進模型處理大量視頻是計算密集的，特別是在本地部署中，資源受到限制。

準確性是另一個考慮因素。開放式查詢引入了模糊性，系統必須在靈活性和精確性之間取得平衡，以避免假陽性或錯過的檢測。與基於規則的系統不同，自然語言驅動的系統嚴重依賴於模型對邊緣案例的泛化能力。

還有治理影響。搜索特定屬性或行為的能力提出了監督、訪問控制和適當使用的問題——尤其是在敏感或公共環境中。

Conntour 的推出標誌著從嚴格的規則基礎監控向可以在實時解釋意圖和上下文的系統的轉變。

如果這種模型被證明是可靠的，它可能會重新定義組織與視頻數據的交互方式——從被動監控轉向動態、查詢驅動的智能。