Advertorial
Die Zukunft der Videosicherheit: KI trifft Edge Computing
Fortsetzung des Artikels von Teil 1
Anwendungsszenario: Autobahnsicherheit
Die Fähigkeit, Objekte mit hoher Genauigkeit zu erkennen, zu klassifizieren und zu zählen, ermöglicht es, auf Basis dieser Daten Erkenntnisse zu gewinnen und automatisiert sicherheitsrelevante Maßnahmen einzuleiten. Ein Anwendungsszenario stellt dabei die Autobahnsicherheit dar: Netzwerkkameras mit der Fähigkeit zur Edge AI-basierten Objektklassifizierung können Objekte auf einer Autobahn klassifizieren und diese Informationen in Form von Metadaten bereitstellen, die dann auf einem Server oder in der Cloud ausgewertet oder weiterverarbeitet werden. Auf Basis dieser Daten können in Situationen wie Staus, Unfällen oder Personen auf der Fahrbahn beispielsweise automatisiert elektronische Schilder aktiviert werden, um nachfolgende Fahrer zu warnen, den Verkehr umzuleiten oder zu stoppen.
Ebenfalls können automatisiert Rettungskräfte alarmiert oder bestimmte Objekte verfolgt werden, um Polizei und andere Einsatzkräfte direkt oder durch das Sammeln forensischer Daten bei der Aufklärung eines Vorfalls zu unterstützen. Die genaue Klassifizierung der Objekte und die darauf basierenden Metadaten ermöglichen es, bestimmte Objekte selbst in Stunden von Videomaterial schnell zu finden – moderne Netzwerkkameras verfügen üblicherweise über Video-Management-Systeme (VMS) mit Smart-Search-Funktionen, die genau dies ermöglichen. Anstatt das gesamte Material zu sichten, können auch lediglich die Metadaten auf relevante Ereignisse durchsucht werden.
Edge AI-Analysen: Genauer und effizienter
Im Autobahnszenario and ähnlichen Anwendungsfällen bringt die Nutzung von Edge AI-Analysen jedoch nicht nur verbesserte Funktionalität. Auch die Qualität der erzeugten Daten und Metadaten verbessert sich, wenn das zu analysierende Videomaterial nicht zuerst an einen zentralen Server gesendet wird und dafür möglicherweise komprimiert werden muss, um Bandbreite einzusparen.
Dies bedeutet, dass die Nutzung von Edge AI auch dafür sorgt, dass die Infrastruktur des Sicherheitsnetzwerks effizienter genutzt wird, insbesondere wenn es sich um eine hybride Architektur aus Edge-, Cloud- und lokalen Serverumgebungen handelt. Wenn alle Analysen an einem zentralen Knotenpunkt im Netzwerk stattfinden, erhöht jede weitere Kamera das Volumen an Datentransfers und damit die Bandbreitenanforderungen des Gesamtsystems. Damit wird eine Skalierung des Systems aufwändiger und vor allem kostspieliger.
Edge AI-Analyse auf den Netzwerkkameras selbst stellt hingegen sicher, dass nur die relevantesten Informationen über das Netzwerk gesendet werden. Dies ist vor allem auch im Hinblick auf Datenschutz ein Vorteil, denn beim Versenden sensibler Daten über das Netzwerk müssen die Daten zur Analyse stets an einem zentralen Ort – auf einem Server oder in der Cloud – gespeichert werden, was datenschutzrechtlich kritisch ist. Umso weniger personenbezogene Daten über das Netzwerk erhoben, gespeichert und verwendet werden müssen, desto unkritischer ist es im Sinne des Datenschutzes.
Darüber hinaus profitieren auch Analysen, die aufgrund ihrer Komplexität notwendigerweise auf einem zentralen Server oder in der Cloud durchgeführt werden müssen, in vielen Fällen von einer „Vorbearbeitung“ der relevanten Daten auf den Netzwerkkameras und den bereits erzeugten, einfacher zu bearbeitenden Metadaten. Letztere können beispielsweise dabei helfen, Trends, Muster oder Anomalien schneller zu erkennen.
Mehr Informationen erhalten Sie unter www.axis.com oder Sie schreiben direkt eine E-Mail press-meur@axis.com an Maximilian Galland, Manager Sales DACH bei Axis Communications.
- Die Zukunft der Videosicherheit: KI trifft Edge Computing
- Anwendungsszenario: Autobahnsicherheit
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
