用于视频监控的 Videologic Analytics 和Ultralytics YOLO

问题

VideoLogic Analytics 正在将人工智能功能集成到他们的安防摄像机中，但许多人工智能模型都过于昂贵，部署速度也很慢。

解决方案

Ultralytics YOLO 模型根据专有数据进行了微调，并针对各种导出格式进行了优化，整合这些模型后，VideoLogic Analytics 能够降低成本，缩短上市时间。

Videologic Analytics 是一家总部位于西班牙的先进视频分析解决方案开发商，其解决方案可加强工业场所、太阳能园区和住宅区的安全和监控。他们部署的人工智能解决方案与安防摄像机集成，可实时监控周边环境并检测入侵行为。

面对以往模型的高成本和缓慢部署，他们整合了Ultralytics YOLO 模型，以提高检测准确性，降低开发成本，缩短上市时间，并将业务拓展到零售和商业智能等新领域。

利用人工智能摄像机实现计算机视觉安防

在拥有 30 多年经验的专家领导下，Videologic Analytics 专注于将人工智能和计算机视觉集成到安防摄像机中，以实现实时监控和自动威胁检测。他们的解决方案以可靠的性能保护大型设施、可再生能源装置和住宅社区的安全。

他们为 Prosegur、Securitas、Sabico 等知名客户以及西班牙 4000 多家认证安全公司提供服务。面对昂贵而耗时的人工智能模型开发和部署所带来的挑战，他们将Ultralytics YOLO 模型应用到其创新的 Vision AI 解决方案中。通过这样做，他们不仅增强了安全应用，还开拓了新的垂直领域。

利用人工智能进行经济高效的自动威胁检测的必要性

Videologic Analytics 曾将人工智能模型集成到他们为客户提供的安防摄像机中。这些早期模型的程序设计只能检测有限范围的物体类别，包括一般车辆、人类和小动物。虽然这种基础方法为先进的安防系统奠定了基础，但也为进一步完善提供了机会，尤其是在提高精确度和误报率方面。

他们的客户正在寻找一种更全面的解决方案，一种能够在更广泛的对象和场景中提供更广泛、更准确的对象检测能力的解决方案。为了满足这些客户需求，Videologic Analytics 的研发团队开始开发增强型人工智能模型。

在开发这些模型的过程中，Videologic Analytics 很快发现现有方法存在一些问题，例如成本高、开发时间长。公司意识到需要一种更灵活、更高效的方法。这种新方法需要应对这些挑战，并更好地满足客户不断变化的安全需求。

具体来说，他们希望确定一种计算机视觉模型，以提高其视觉人工智能解决方案的可靠性并提升客户满意度。此外，该模型还必须具有成本效益，并能适应未来的需求。

用人工智能驱动的异常检测重新定义监控

在测试了几种人工智能模型后，VideologicUltralytics 发现Ultralytics YOLO 模型具有他们所需的灵活性和性能。他们从使用COCO 数据集开发的预训练YOLO 模型开始，该数据集包含各种常见物体。这种预训练提供了坚实的基础，因为模型已经可以识别许多基本物品，从而更容易根据特定的安全需求进行调整。

例如，Videologic Analytics 公司利用自己的专有数据对这些预先训练好的模型进行了微调，用于监测太阳能园区等应用。

在这种情况下，模型用于人工智能驱动的异常检测，区分真正的威胁（如未经授权的人员或车辆）和无害元素（如小动物或风吹碎屑）。这种明确的区分对于减少误报和提高整体安全性能至关重要。

除了监控太阳能发电场，他们还利用YOLO 开发了工业和住宅安全解决方案，以及零售和商业智能领域计算机视觉创新的概念验证模块。虽然他们主要使用对象检测，但也利用YOLO 支持的计算机视觉任务，如姿势估计和对象跟踪。

图 1.Videologic Analytics 使用Ultralytics YOLO 模型监控太阳能发电厂。

‍

为什么选择Ultralytics YOLO 型号？

Videologic Analytics 之所以选择Ultralytics YOLO 模型，是因为他们需要一个强大的解决方案，既能支持众多摄像机通道，又能提供快速、准确的推理。

YOLO 支持各种导出格式，并与CUDA、TensorRT、ONNX 和OpenVINO 等框架无缝集成。这种灵活性使Videologic Analytics可以使用PyTorch 对模型进行微调，并将其高效地部署到生产中。通过针对硬件的优化，YOLO 比以前的模型更能满足实时视频分析的苛刻需求。

简化智能视频监控的模型部署

自从集成Ultralytics YOLO 模型以来，Videologic Analytics 的性能和效率都有了显著提高。他们的新 Vision AI 解决方案实现了从太阳能园区、工业基地到住宅小区等各种设施的快速、实时威胁检测。

事实上，Videologic Analytics 每年部署约 10,000 个许可证，每个许可证对应一个专用摄像机通道，现在所有许可证都已升级为支持Ultralytics YOLO 型号。转向YOLO 后，误报率显著降低，检测准确率全面提高。因此，客户享受到了更可靠的安防系统，同时也降低了运营成本。

此外，Ultralytics YOLO 模型更快的推理速度和可扩展性缩短了新人工智能功能的上市时间。这使得Videologic Analytics有可能增强其核心安全产品，并在零售和商业智能等垂直领域探索新的机遇。总体而言，Ultralytics YOLO 模型的采用为公司带来了立竿见影的运营改善和长期增长前景。