尽管人工智能取得了进步，但大多数视频安全系统仍无法识别真实世界条件下的背景。大多数相机可以捕捉实时画面，但很难解读。这是一个让智能城市设计师、制造商和学校越来越担忧的问题，他们都可能依赖人工智能来保护人员和财产安全。
Lumana一家人工智能视频监控公司认为，这些系统的错误在于它们的建造基础。“传统的视频平台是几十年前创建的，用来记录镜头，而不是解释它，”Lumana的营销副总裁Jordan Shou说。“在过时的基础设施上添加人工智能就像在旋转式电话中放入智能芯片。它可能会起作用，但它永远不会真正智能或可靠到足以理解正在捕获的内容或帮助团队做出更智能的实时决策。”
重大后果
当传统的视频安全系统在较旧的基础设施上部署人工智能时，会出现错误警报和性能问题。警报和漏检不仅仅是技术上的小故障，也是可能带来灾难性后果的风险。Shou指出了最近的一个案例，一个使用人工智能插件进行枪支检测的学校监控系统，错误地将一个无害的物体识别为武器，引发了不必要的警察反应。
“每一个错误，无论是错过的事件还是错误的警报，都会导致不当的反应，侵蚀信任，”他说。"它浪费时间和金钱，并且会给没有做错事的人带来创伤."
错误也可能代价高昂。每一次假警报都迫使团队暂停真正的工作并进行调查，这一过程每年会耗费数百万公共安全和运营预算。
构建更智能的基础
Lumana没有在旧的视频安全框架上分层人工智能，而是用一个结合了现代视频安全硬件、软件和专有人工智能的一体化平台来重建基础设施。该公司的混合云设计将任何安全摄像头连接到GPU驱动的处理器和在边缘运行的自适应人工智能模型，这意味着它们尽可能靠近拍摄镜头的地方。
Shou说，其结果是更快的性能和更准确的分析。每台相机都成为一个不断学习的设备，随着时间的推移不断改进，了解其环境特有的运动、行为和模式。
“问题是，今天的大多数视频监控系统使用静态、现成的人工智能模型，这些模型仅设计用于特定环境。人工智能不需要一个完美的实验室环境来工作，”Shou解释说。“它应该可以在真实世界条件下工作，并根据输入的视频数据进行调整。这就是为什么，当客户将Lumana与他们现有的或其他人工智能系统进行比较时，差异和性能差距立即显而易见。”
该公司的设计也优先考虑隐私。所有数据都经过加密，受访问控制管理，并符合SOC 2、HIPAA和NDAA标准。客户可以选择禁用面部或生物特征跟踪。“我们关注的是行动，而不是身份，”Shou说。
真实世界的用例
Lumana的系统已经在多个行业部署。其最引人注目的项目之一是与JKK包，24小时包装制造商，使用安全摄像机来监控其设施的安全和运营效率。
在Lumana部署之前，摄像机只记录事件供以后查看，这导致了事件的遗漏和被动事件响应。升级后，相同的硬件可以实时检测不安全的动作、设备故障或制造瓶颈。该公司报告称，在不到一秒钟的时间内，调查和警报速度提高了90%,大大提高了对安全事故的响应速度，而无需更换一台摄像机。
在另一个部署中，一家杂货零售商将Lumana的人工智能集成到其现有的摄像头网络中，以标记不寻常的销售点活动，如重复的空白，并将这些事件与视觉证据相关联。该系统通过提供违反政策的真实示例，减少了缩减并提高了员工的责任感。
除了制造业，Lumana的系统还被用于大型公共活动、餐馆和市政运营。在城市，它有助于识别非法倾倒和火灾；在快速服务链中，它监控厨房安全和食物处理。
更广泛地推动可靠的人工智能视频安全
Lumana的工作正值准确性和问责制取代速度成为企业人工智能的首要任务之际。F5最近的一项研究发现，只有2%的公司认为自己完全准备好扩展人工智能，治理和数据安全被认为是主要挑战。
这种谨慎反映在市场上，分析师警告说人工智能承担更多的决策，系统必须保持“可审计、透明、无偏见”
Lumana的架构响应了问责的号召，将性能和控制与数据治理和网络安全融合在一个易于部署的解决方案中，增强了现有的安全摄像头基础设施，帮助组织从人工智能视频中提取即时价值。
机器视觉的下一步
Shou说，Lumana的下一个发展阶段旨在从探测和理解转向预测。
“人工智能视频的下一次进化将是关于推理的，”他说。“实时掌握环境，从收集的视频数据中提供可操作和有影响力的见解的能力，将改变我们对安全、运营和意识的看法。”
对于Lumana来说，目标不仅仅是教AI如何看得更好，而是帮助它理解它正在看到的东西，并让那些依赖视频数据的人做出更智能、更快的决定。
