Kunstmatige intelligentie heeft zijn waarde bewezen in het herkennen, detecteren, tellen en volgen van objecten en/of personen. Het aantal slimme gebruiksscenario’s voor realtime video-analyse neemt toe. Naast medische toepassingen, sportanalyse en slimme fabrieken is kunstmatige intelligentie ook van toegevoegde waarde voor slim fleet management.
Lees verder
Elke organisatie met meerdere bedrijfsvoertuigen zoekt naar manieren om de aansprakelijkheid van het bedrijf overzichtelijk te houden, de openbare en persoonlijke veiligheid te vergroten en ondertussen een groot (en groeiend) aantal voertuigen te beheren. Het is daarom geen verrassing dat wagenparkbeheerders zich richten op slimmere manieren om video- en IoT-gegevens te gebruiken.
Een van de toepassingen van smart video is het volgen van chauffeurs. Het verkrijgen van video is inmiddels essentieel geworden voor als er onderweg iets mis gaat. Wagenparkbeheerders moeten beelden eenvoudig kunnen terugkijken en het juiste frame, de beste kwaliteit en de juiste hoek van het opgenomen beeld vinden. Een ideale oplossing legt zelfs de hele gebeurtenis vast, in de beste resolutie, met goede belichting en aanvullende data die waardevolle informatie over het voorval kunnen opleveren.
Ongevallen kunnen een complexe combinatie van meerdere gebeurtenissen zijn. Een optimale aanpak maakt correlatie van videogegevens met IoT-gegevens mogelijk, zoals de snelheid van de auto, de locatie en G-kracht-indicatoren van agressief rijgedrag. Dit levert wagenparkbeheerders belangrijke inzichten op, zoals het identificeren van (herhaaldelijk) te hard rijden of telefoongebruik door een specifieke bestuurder. Dit type analyse vindt plaats in het datacenter en maakt gebruik van historische data om trends te onthullen of nieuwe bevindingen te toetsen. Met de inzichten die dit oplevert, kunnen wagenparkbeheerders sneller ingrijpen wanneer slecht rijgedrag wordt vastgesteld of training aanbieden om het rijgedrag proactief te verbeteren.
Met videotechnologie zijn meerdere binnen- en buitenaanzichten vanaf de voorruit vast te leggen. Dit soort oplossingen biedt directe coaching aan chauffeurs, waardevolle gegevens voor wagenparkbeheerders en visuele bevestiging van gebeurtenissen op de weg. Een dergelijk digitaal intelligente platform vereist een geavanceerde architectuur van hardware en software en een diepgaand begrip van analyses.
Fabrikanten van mobiele videobewaking werken hard om de beste en meest betrouwbare bewakingssystemen te ontwerpen en te leveren. Toch is er nog altijd een uitdaging: betrouwbare opslag. Mobiele netwerkvideorecorders (MNVR's) en mobiele digitale videorecorders (MDVR's) kunnen beelden vastleggen, maar er zijn opslagoplossingen nodig die meerdere videokanalen kunnen opslaan, ook in veeleisende omgevingen.
Storage-schijven die geoptimaliseerd zijn voor bewaking beschikken over de kwaliteiten om hieraan te voldoen. WD Purple SD-kaarten van Western Digital zijn gebouwd voor always-on, high-definition beveiligingssystemen, met een werkbelasting tot 180 TB / jaar en ondersteuning voor maximaal 64 camera's.
Geoptimaliseerd voor bewaking betekent dat de schijf specifiek is ontworpen en getest voor de specifieke behoeften. Ze geven hogere prioriteit aan schrijfcycli van video die wordt opgenomen door de slimme camera's dan aan afspeel- of leescycli van de opgenomen video. Bovendien zijn deze harde schijven geoptimaliseerd voor zowel software als hardware RAID om hoge prestaties te leveren in configuraties met meerdere schijven.
Slimme video-drives zijn gericht op altijd opnemen (24 x 7 x 365) en ondersteunen een werkbelasting van ongeveer 180 terabyte per jaar. In grotere systemen met meerdere schijven treden trillingen op. De schijven voor deze systemen zijn in staat dat te compenseren.
De bovenstaande hoofdkenmerken en specificaties van de WD Purple-schijf zijn het resultaat van nauwe samenwerking met toonaangevende fabrikanten van bewakingssystemen en analyse van de verschillende soorten bewakingssystemen op de markt..
Dit artikel is gesponsord door Western Digital.