Ditulis oleh tim HALO-TECHS berdasarkan pengalaman implementasi dan praktik infrastruktur IT yang kami gunakan dalam proyek.
CCTV tradisional pada dasarnya membantu merekam dan menampilkan video. CCTV dengan AI atau video analytics dapat membantu sistem mengenali kejadian tertentu di dalam video.
Contoh kemampuan video analytics
- Human atau vehicle detection.
- Intrusion detection.
- Line crossing.
- Loitering.
- People counting.
- Vehicle classification.
- Object detection.
Apa manfaat utamanya?
- Nilai tambah utama bukan sekadar kamera yang lebih pintar.
- Video analytics dapat membantu menghasilkan alert atau insight yang lebih relevan terhadap kebutuhan surveillance.
AI tetap membutuhkan fondasi yang baik
- Posisi kamera dan sudut pandang harus tepat.
- Lighting harus memadai.
- Network dan storage harus sesuai.
- Retention perlu dirancang.
- Tuning diperlukan untuk membantu mengurangi false positive.
- Integrasi VMS harus dipertimbangkan sesuai use case.
AI surveillance harus dimulai dari use case
Jangan memulai dari daftar fitur AI. Mulailah dari kejadian yang ingin dideteksi, misalnya intrusion, line crossing, people counting, atau vehicle detection. Setiap use case memiliki kebutuhan kamera, sudut pandang, pencahayaan, scene, processing, dan response workflow yang berbeda.
Kurangi false positive dengan desain yang tepat
AI analytics dapat menghasilkan terlalu banyak alert jika threshold, area deteksi, scene, dan rule tidak dituning. Integrasi dengan VMS dan prosedur operator juga penting agar alert dapat ditindaklanjuti. Infrastruktur network dan storage harus disizing berdasarkan jumlah stream, resolusi, retention, dan kebutuhan analytics.