लावारिस वस्तु डिटेक्टर का विकास

लावारिस वस्तु डिटेक्टर का विकास

लावारिस वस्तु डिटेक्टर हवाई अड्डों, रेलवे स्टेशनों, शॉपिंग मॉल और महत्वपूर्ण इन्फ्रास्ट्रक्चर में सार्वजनिक स्थानों के लिए मुख्यधारा का वीडियो एनालिटिक्स मॉड्यूल है। यह डिटेक्टर छोड़े गए सामान, रेल पटरियों पर बाधाओं और आपातकालीन निकासों के बारे में रियल-टाइम अलर्ट उत्पन्न करता है।

जेन 1: बैकग्राउंड मॉडलिंग (एआई युग से पहले) लावारिस वस्तुओं का पता लगाने वाला हमारा पहला वीडियो एनालिटिक्स मॉड्यूल इनपुट वीडियो फ़्रेमों के दोहरे बैकग्राउंड टेक्सचर मॉडल का उपयोग करता है। दोनों टेक्सचर मॉडल अलग-अलग गति से अपडेट होते हैं। धीमे मॉडल में वस्तु के प्रकट होने से पहले का औसत वीडियो फ़्रेम होता है। तेज़ मॉडल वस्तु के प्रकट होने के बाद के औसत फ़्रेम से मेल खाता है, जबकि लोगों और वाहनों जैसी गतिशील वस्तुओं को फ़िल्टर करता है। दोनों मॉडलों के अंतर का विश्लेषण करके लावारिस वस्तुओं का स्थान निर्धारित किया जाता है। जेन 1 डिटेक्टर का अनुप्रयोग सीमित था, केवल उन स्टेराइल ज़ोन में जहां रोशनी में बार-बार बदलाव नहीं होते। भीड़ भरे इनडोर दृश्यों या किसी भी आउटडोर वातावरण में यह बहुत अधिक गलत अलर्ट उत्पन्न करता था।

जेन 2: एआई-आधारित पैच क्लासिफ़ायर के साथ बैकग्राउंड मॉडलिंग (2018-2019) जेन 2 कन्वोल्यूशन न्यूरल नेटवर्क (CNN) पर आधारित एक बाइनरी क्लासिफ़ायर पेश करता है, जो जेन 1 डिटेक्टर द्वारा पाए गए इमेज पैच का विश्लेषण करता है। हमने CNN को दसियों हज़ार “लक्ष्य” और “शोर” इमेज से प्रशिक्षित किया। परिणामस्वरूप, गलत अलर्ट की संख्या 10 गुना से अधिक घट गई। हालांकि, जेन 1 और जेन 2 दोनों डिटेक्टरों में प्रतिक्रिया समय परिवर्तनशील रहता है: बैकग्राउंड मॉडल के कारण उच्च-कंट्रास्ट वस्तुएं निम्न-कंट्रास्ट वस्तुओं की तुलना में कहीं तेज़ी से अलर्ट उत्पन्न करती हैं। वस्तु के प्रकट होने के बाद प्रतिक्रिया अवधि की गारंटी देना संभव नहीं है। साथ ही, जेन 1 और जेन 2 के बैकग्राउंड मॉडल अत्यधिक भीड़ वाले दृश्यों में स्थिर नहीं थे, जहां फ़र्श की सतह से अधिक लोग दिखाई देते हैं।

जेन 3: नेटिव एआई-आधारित लावारिस वस्तु डिटेक्टर (2020 - वर्तमान) हमारा जेन 3 डिटेक्टर किसी बैकग्राउंड मॉडल का उपयोग नहीं करता। इसका पूरा वीडियो फ़्रेम CNN द्वारा संसाधित किया जाता है ताकि आसपास लोगों के बिना बैग और बक्से जैसी ज्ञात वस्तुओं का पता लगाया जा सके। हमने प्रशिक्षण डेटासेट में सैकड़ों हज़ार इमेज का उपयोग किया है। यह डिटेक्टर फ़र्श के संकेतों और कूड़ेदानों पर अलग-अलग गलत अलार्म उत्पन्न कर सकता है, लेकिन बार-बार होने वाली पहचानों को दबा दिया जाता है। जेन 1 और जेन 2 के विपरीत, नया डिटेक्टर बहुत व्यस्त वातावरण में काम कर सकता है और इसे अलग-अलग प्रतिक्रिया अंतरालों (जैसे 30 सेकंड) के लिए समायोजित किया जा सकता है। जेन 3 डिटेक्टर वर्तमान में दुनिया की कुछ सबसे बड़ी मेट्रो प्रणालियों में 10 000 से अधिक कैमरों पर उत्पादन स्तर पर उपयोग किया जा रहा है।

सभी ब्लॉग पोस्ट

बात करना पसंद करेंगे?

अपने कैमरा वातावरण, डिप्लॉयमेंट और अनुपालन आवश्यकताओं के बारे में किसी IREX सार्वजनिक-सुरक्षा विशेषज्ञ से बात करें।

डेमो बुक करें

हमें बताएं कि आप लगभग कितने कैमरे संचालित करते हैं, डेटा कहाँ रहना चाहिए, और वे तीन-चार चीज़ें कौन सी हैं जिन्हें आपको सबसे अधिक पहचानना है। हम आपकी अपनी रिकॉर्डिंग पर डेमो तैयार करेंगे।

यदि फ़ॉर्म उपलब्ध न हो, तो ईमेल करें [email protected].

सामान्य प्रश्न

क्या IREX हमारे मौजूदा कैमरों के साथ काम करता है?

हाँ। आपके मौजूदा कैमरों का पुनः उपयोग ही मानक तैनाती मॉडल है। IREX उन कैमरों में AI जोड़ता है जिन्हें आप पहले से चला रहे हैं, एक ही site से लेकर पूरे शहर या देश तक, बिना किसी rip-and-replace कार्यक्रम के।

क्या हमारे डेटा का स्वामित्व हमारे पास रहता है?

हाँ। ग्राहक अपने डेटा का 100% स्वामित्व और नियंत्रण बनाए रखते हैं; IREX न तो ग्राहक के वीडियो, events, logs, या floor plans का मालिक है, न ही उन्हें एक्सेस करता है।