white hero angle blogpostwhite block bottom

Inleiding

De Cloud.

Artificiële intelligentie (A.I.)

The internet of Things (IoT).

En nu Edge computing.

De wereld zit in een digitale stroomversnelling, en het lijkt bijna een maandelijkse gebeurtenis dat er een nieuwe technologie verschijnt die “alles zal veranderen”. Tegenwoordig wordt bijna alles opgeslaan in de cloud, zijn uw apparaten hierop verbonden via “the Internet of Things”, en leren ze zelf bij dankzij A.I en deep learning. Ondertussen staat de volgende innovatie  voor de deur: “The next big thing” is volgens de tech en zakenwereld Edge computing.

En wie bekend is met Secury360 weet dat wij altijd een stapje voor zijn op de rest. Want deze revolutionaire Edge technologie ligt mee aan de basis van onze gepatenteerde buitendetectie oplossing.

Door deze los te laten op uw (bestaande) cameradetectie systeem, worden de waargenomen beelden in real-time en ter plaatse geanalyseerd. Zo wordt uw systeem accurater, en valse meldingen worden tot een minimum herleid. Zo wordt u niet enkel minder gestoord, uw systeem kost u ook minder. Maar Edge (computing), wat is dat nu juist? En waarom is dit nu zo een gamechanger?

In dit artikel zullen we het hebben over:

Edge Computing: Wat is dat juist?

Wanneer we het hebben over Edge computing (versus cloud computing), hebben we het over waar uw gegevens zich bevinden, en waar de feitelijke verwerking en analyse van de gegevens plaatsvindt.

Bij cloud computing worden gegevens die zijn verzameld op een computer of apparaat, geüpload naar de cloud, waar ze worden opgeslagen en verwerkt. Denk maar aan Google Drive, Dropbox of iCloud.

De cloud kunnen we dus bekijken als een gecentraliseerd punt voor dataverzameling, waar alle gekoppelde IoT- apparaten hun data naar toe sturen.

Bij Edge computing vindt diezelfde verwerking plaats bij of in de buurt van de bron van de gegevens, in plaats van deze via de cloud te verzenden. In IoT betekent dit dat de verwerking plaatsvindt op het “ding”-niveau – het aangesloten apparaat.  

Als uw IoT-randapparaat AI bevat, spreken we over Edge AI, en worden de algoritmen die uw AI aansturen lokaal verwerkt op een hardwareapparaat, met behulp van de gegevens die uw IoT-sensoren verzamelen. Om deze reden heeft Edge AI geen netwerkverbinding nodig om zijn werk te doen (zoals bij onze Secury360 module).

In de wereld van videobewaking is een van de belangrijkste voordelen van edge computing de mogelijkheid om geavanceerde analyses uit te voeren met behulp van kunstmatige intelligentie (AI) en deep learning in of bij de camera’s zelf. Zo werkt dus ook onze Secury360 module; het koppelen van de module aan uw cameradetectiesysteem zorgt dus voor een instant upgrade (heeft u nog geen systeem? Geen probleem)!

Naar de rand: Hoe transformeert Edge computing de manier waarop we videobewaking benaderen?

Het aantal apparaten aan de rand van onze beveiligingsnetwerken neemt toe, en ze spelen een steeds kritischer rol in onze veiligheid en beveiliging. Het voordeel van Edge computing is dat meer capaciteit wordt ingebouwd in het aangesloten apparaat zelf, zodat de informatieverwerkingskracht zo dicht mogelijk bij de bron zit.

Voor een videobewakingsnetwerk betekent dit dat er meer acties kunnen worden uitgevoerd op de camera’s zelf. De rol van kunstmatige intelligentie (AI), machine learning en deep learning bij videobewaking wordt steeds groter, zodat we onze camera’s kunnen ‘leren’ om veel intuïtiever te zijn over wat ze filmen en in realtime analyseren. Is het voertuig in het zicht van de camera bijvoorbeeld een auto, een bus of een vrachtwagen? Is dat een dier of toch een mens dat zich richting uw gebouw begeeft? Is dat een object op het pad, of slechts een schaduw?

Deze inzichten zullen de menselijke input die nodig is om gegevens te analyseren en beslissingen te nemen, verlichten. Uiteindelijk moet dit de reactietijden versnellen – mogelijk levens redden – en waardevolle inzichten opleveren die de toekomst van onze gebouwen, steden en transportsystemen vorm kunnen geven.

Dankzij Edge leert uw detectiesysteem continu bij

Op het begin laat de edge-analyse van bewakingscamerabeelden enkel zien dat iets of iemand beweegt. Na verdere analyse door videobeheersystemen op gecentraliseerde servers (bij Secury360 wordt dit ook gedaan door A.I gestuurde software!), is er (voorlopig) nog een mens nodig om te interpreteren wat het precies is, en of het een bedreiging of veiligheidsrisico vormt. Deze rol wordt opgenomen door een lokale alarm centrale.

Om te begrijpen of een object een voertuig, een mens, een dier of het gelijk wat is, kunnen we een camerasysteem “trainen” om het object te detecteren en te classificeren. Dit kan ons inzicht verschaffen in een bijna onbeperkt aantal objectklassen en contexten, en verbetert de accuraatheid van het systeem.

Standaardanalyses zouden detecteren dat een voertuig een alarm heeft geactiveerd. Maar dankzij een intelligente Edge deep learning-laag daarbovenop kunnen we in de toekomst nog verder in detail treden: Wat voor soort voertuig is het? Staat het in een gebied dat problemen kan veroorzaken, of staat het aan de kant, en is er geen direct gevaar? Is het een vrachtwagen met losse vracht dat er vanaf kan vallen?

Edge & buitendetectie: Wat zijn nu de voordelen van analyses “aan de rand”?

De grotere nauwkeurigheid van Edge A.I – en de mogelijkheid om onderscheid te maken tussen meerdere objectklassenvermindert onmiddellijk het aantal valse positieven.

Dat betekent dat er minder tijd en middelen nodig zijn om deze fout-positieven te onderzoeken. Niet onbelangrijk aangezien 98% van de meldingen die een meldkamer ontvangt vals zijn, en elke valse melding die hun ontglipt geld kost. En belangrijker: hoe meer valse meldingen, hoe groter de kans dat de meldkamer te laat of zelfs niet reageert bij een echte inbraakpoging.

Edge A.I laat uw buitendetectiesysteem (zoals Secury360!) ook toe om proactief te zijn. Indringers worden bij het betreden van het terrein meteen gedetecteerd, en er wordt gezorgd voor een snellere en gepaste reactie (dan gelijkaardige systemen zonder Edge A.I).

Een ander belangrijk voordeel van Edge analytics hebben wij al reeds aangehaald:  de analyse vindt plaats op videobeelden van de hoogste kwaliteit, zo dicht mogelijk bij de bron. In een traditioneel model – wanneer de analyse op een server plaatsvindt – wordt video vaak gecomprimeerd voordat het wordt overgedragen, waardoor de analyse wordt uitgevoerd op video van mindere kwaliteit. Bij een effectieve inbraak, en de bijkomende aangifte bij de politie, kan dit het verschil maken tussen bruikbaar bewijs – of net niet.

Bovendien, wanneer analyses gecentraliseerd zijn – en dus op een server plaatsvinden (op de cloud) – en er meer camera’s aan de oplossing worden toegevoegd, worden er meer gegevens overgedragen, waardoor er meer servers nodig zijn om de analyses uit te voeren. Door krachtige analyses aan de rand van het netwerk te implementeren, wordt alleen de meest relevante informatie over het netwerk verzonden, waardoor de belasting van bandbreedte en opslag wordt verminderd.

Het kiezen voor buitendetectie met Edge A.I levert vanaf de installatie resultaat op, en dat is nog maar het begin. Door dat de A.I continu bijleert zal uw buitendetectiesysteem alleen maar accurater worden, en veiligheidsgerelateerde kosten alleen maar dalen. De mogelijkheden zijn werkelijk eindeloos.

What’s a Rich Text element?

The rich text element allows you to create and format headings, paragraphs, blockquotes, images, and video all in one place instead of having to add and format them individually. Just double-click and easily create content.

Static and dynamic content editing

A rich text element can be used with static or dynamic content. For static content, just drop it into any page and begin editing. For dynamic content, add a rich text field to any collection and then connect a rich text element to that field in the settings panel. Voila!

How to customize formatting for each rich text

Headings, paragraphs, blockquotes, figures, images, and figure captions can all be styled after a class is added to the rich text element using the "When inside of" nested selector system.

Headings, paragraphs, blockquotes, figures, images, and figure captions can all be styled after a class is added to the rich text element using the "When inside of" nested selector system.
placeholder ship logo
placeholder ship logo

Zelf Secury360 partner worden?

Wordt partner via onze partner pagina hieronder.

Meer zoals dit: