Moc współpracy: Hanwha Vision i FF Group dostarczają zaawansowane rozwiązania do zarządzania ruchem drogowym

Cyklem wywiadów z partnerami technologicznymi Hanwha Vision chce podkreślić, jak ważna jest współpraca i innowacyjny efekt wspólnych projektów. W tej rozmowie Katerina Fischerova, Project Manager w FF Group, omawia potrzebę rozwiązań stosowanych w urządzeniach brzegowych przeznaczonych do zarządzania ruchem drogowym i parkingiem.

Czy może Pani przybliżyć działalność FF Group?

FF Group to innowacyjny dostawca usług przetwarzania danych z ponad dziesięcioletnim doświadczeniem w tworzeniu rozwiązań do analizy ruchu drogowego w urządzeniach na brzegu sieci przeznaczonych dla dostawców systemów parkingowych oraz integratorów. Nasze rozwiązania są gotowe do użycia (out-of-the-box), a to sprawia, że urządzenia brzegowe są bardziej inteligentne. Dodatkowo wdrożenie jest łatwe i nie wymaga dużych nakładów finansowych. Nasz zespół skupia się nie tylko na generowaniu metadanych z ruchu drogowego, ale także na ich przetwarzaniu i analizowaniu oraz dostarczaniu wszechstronnych wniosków dla użytkowników.

Jaka jest Pani rola w FF Group?

Jako Project Manager rozwiązań Hanwha zapewniam wsparcie projektowe w rozwoju aplikacji ANPR i AI w kamerach Hanwha Vision. Jednym z moich obowiązków jest współpraca przy kluczowych projektach i wdrożeniach, w tym w pracach nad rozwojem produktów Hanwha Vision. Współpracujemy ściśle z zespołami inżynierów i wsparcia technicznego, by jeszcze efektywniej wykorzystywać możliwości naszych produktów, tak aby sprostały wymaganiom naszych wspólnych klientów.

Jak wygląda współpraca FF Group z zespołami Hanwha Vision?

Nasza współpraca z Hanwha Vision owocuje rozwojem aplikacji ANPR i AI dla różnych modeli kamer Hanwha. Pracujemy równolegle zarówno z popularnymi kamerami serii średniej klasy, jak i kamerami premium przeznaczonymi do dużych i złożonych projektów. To właśnie bliskie partnerstwo pozwoliło zespołowi FF Group zapoznać się z działaniem kamer, co gwarantuje, że nasze aplikacje są coraz efektywniejsze.

Nasz algorytm rozpoznawania tablic rejestracyjnych i klasyfikowania parametrów pojazdów jest tworzony bezpośrednio w kamerze Hanwha Vision. Sztuczna inteligencja w urządzaniu końcowym ma kilka zalet w porównaniu do AI opartego na serwerze. Najważniejsze są niższe zapotrzebowanie na przepustowość i mniejsze koszty, ponieważ przesyła się mniej danych do serwera. Koszty posiadania są również niższe, istnieją możliwości osiągnięcia lepszych efektów, bez konieczności utrzymywania dużej serwerowni.

Na rynku jest tylko kilku dostawców kamer, którzy mogą dostarczyć kamerę o wysokiej wydajności rozpoznawania marek i modeli pojazdów. Połączenie FF Group i Hanwha Vision tworzy potężny i niezwykle skuteczny produkt na rynku inteligentnego monitoringu ruchu drogowego, który dokładnie może rejestrować informacje o pojazdach w różnych warunkach drogowych.

Jakie innowacje w technologii monitoringu wizyjnego są najciekawsze?

Nowe funkcjonalności sztucznej inteligencji, które pojawiają się w sektorze monitoringu wizyjnego, naprawdę otwierają nowe możliwości analizy danych. Teraz faktycznie staje się możliwe równoczesne uruchamianie kilku aplikacji AI, które poszerzają zdolności i potencjał kamer. Warto również zauważyć wzrastającą świadomość wśród liderów zabezpieczeń dotyczącą AI w urządzeniach na brzegu sieci i korzyści, jakie niesie to ze sobą: większa efektywność, niższe koszty, łatwiejsze wdrożenie i nie tylko.

Jesteśmy także zadowoleni z faktu, że Hanwha Vision skupia się coraz bardziej na produkcji specjalistycznych kamer do rozpoznawania tablic rejestracyjnych i monitorowania ruchu drogowego, takich jak kamera TNO-7180RLP o dużej szybkości rozpoznawania tablic. Oferowanie różnorodnych specjalistycznych kamer do monitorowania ruchu drogowego lepiej sprosta potrzebom i budżetom różnych organizacji, jednocześnie zwiększając dostępność i zastosowanie takich urządzeń na naszych drogach.

Z jakimi wyzwaniami borykają się użytkownicy systemów monitoringu wizyjnego?

Powszechnym wyzwaniem jest frustracja związana z przeszukiwaniem wielu godzin zarejestrowanego materiału wideo. Czas, który trzeba poświęcić, by znaleźć odpowiednie informacje dotyczące zdarzenia lub pojazdu. Współczesne kamery generują ogromne ilości danych, a efektywne ich wykorzystanie pomoże operatorom nie tylko zidentyfikować pojazd, ale także uzyskać szersze spojrzenie na użytkowanie dróg i parkingów, o naruszeniach przepisów, sezonowości ruchu drogowego i na wiele innych aspektów.

Technologia rozpoznawania tablic rejestracyjnych (ANPR) również staje się coraz bardziej zaawansowana. Rozpoznawanie marki, modelu, koloru i typu pojazdu to ostatni duży krok, który może pomóc w dochodzeniach i powiązać informacje z relacjami świadków. Ułatwia także przeszukiwanie materiałów wideo, ponieważ operatorzy mogą polegać na informacjach o markach, modelach i kolorach pojazdów.

Na poziomie miasta te dodatkowe informacje uzyskiwane z kamer ANPR mogą pomóc w proaktywnym planowaniu bardziej bezpiecznych i przyjemniejszych do jazdy dróg. Dane z kamer ANPR mogą wspierać badania mające na celu określenie czy droga musi zostać poszerzona, gdzie znajdują się strefy korków ulicznych lub zrozumieć potencjalny wpływ nowych buspasów czy ścieżek rowerowych. Tam, gdzie często zidentyfikowano ciężkie pojazdy, drogi mogą zostać wzmocnione, aby proaktywnie zmniejszyć uszkodzenia lub wprowadzić ograniczenia wagi.

Postępy w technologii uczenia maszynowego i sztucznej inteligencji (AI) okazały się niezwykle wszechstronne, znajdując zastosowanie w licznych dziedzinach, od egzekwowania prawa po zarządzanie ruchem drogowym, a idąc dalej także całego planowania infrastruktury miejskiej.