Caliber Communications a développé son propre réseau neuronal pour faciliter l’intégration des formes d’analyse avancées et d’intelligence générale. Cette technologie traite un large éventail de hardware et de logiciel internes pour fournir une grande quantité de puissance de traitement et permet de faire les déterminations avancées. 

Les systèmes de Caliber utilisent une multitude de procédés où chaque se rapporte à une tâche spécifique dans un flux vidéo ou dans une image. La base de données d’actifs, le système primaire de Caliber, abrite toutes les images utilisées pour la formation d’intelligence artificielle sous une forme mathématique. Comme tous les objets suivent un modèle mathématique, un algorithme qui tombe dans une zone de flou d’une correspondance peut déterminer qu’un objet a été détecté. La formation approfondie du système I.A. est faite pour détecter les ressemblances mathématiques entre les variations d’un objet afin de faire ces déterminations par programme. 

Alors que les flux vidéos sont surveillés par le système I.A., la vitesse de traitement est vers le haut de 70 trames par seconde. Lorsque les correspondances sont faites, le système va utiliser en continu les algorithmes pour déterminer si le niveau de confiance monte ou tombe. Si le niveau de confiance monte, une identité positive est faite. Si le niveau de confiance tombe, c’est déterminé un positif faux et nié. Normalement, l’analyse de la caméra requiert un segment de vidéo pour faire une détermination; le niveau de confiance ne peut pas être confirmé ni refusé. Cette restriction est à cause des ressources du système faibles, peu d’espace du disque dur et une puissance de traitement faible. 

En centralisant ces programmes sans restriction d’accès aux flux vidéos, Caliber est en mesure de traiter chaque trame de vidéo indépendamment, ce qui donne 30 déterminations qualifiées pour une seule seconde de 30 images par seconde de vidéo, ce qui augmente le niveau de confiance et assurant une identification positive est composée au cours d’une ou plusieurs secondes.

c.-à-d. si une identification positive d’un objet est faite 60 fois de suite sur une période de temps de 2 secondes avec un niveau de confiance de 80 pour cent – à l’aide d’un logarithme, on peut déduire que le niveau de confiance total pour les 2 secondes augmenterait à 99.999 pour cent. 

En plus de maintenir des taux parfaits de détection sur les objets analysés, Caliber est en mesure d’entraîner le système I.A. à détecter beaucoup plus d’objets. Typiquement, les fabricants de caméras avancées actuels sont capables d’employer les analyses qui peuvent détecter les personnes, les véhicules, les franchissements de ligne et les détections d’intrusion. Bien que ces analyses semblent avancées, elles sont incapables de comparer contre une multitude de variations sur les objets et donc produisent les fausse positives ou n’identifient pas du tout. Les points suivants vont mieux expliquer pourquoi ces analyses sont limitées: 

Une caméra de haute gamme typique peut incorporer environ 50 megs dans une mémoire rémanente qui est utilisée pour stocker les algorithmes que la caméra peut faire la référence croisée pour la détection. Cette base de microdonnées dans la caméra va ensuite utiliser un CPU à base ARM (machine RISC avancée) pour traiter les images contre la base de données à 330 mégahertz, d’habitude. En comparaison, la base de données centrale de Caliber comprend un réseau neuronal qui est 100 gigaoctets de taille couvrant toutes les correspondances possibles pour plus de 4000 objets. 100 gigaoctets sont 800 fois plus grand que ce que la caméra peut faciliter pour les comparaisons; la puissance de traitement de Caliber est actuellement 16,000 fois plus rapide que ce qu’une caméra peut produire. Évidemment, ceci mènera à une base de données comparative plus grande et beaucoup moins fausse positives du système.

En centralisant le système de détection, il n’y a aucune obligation de mettre à jour les caméras ou les systèmes dans le domaine pour profiter de détections nouvelles faites dans le système de Caliber. Par exemple, Caliber a formé récemment le réseau neuronal de Caliber de détecter les bobines de fer de tailles et types variants aux fins de l’inventaire des objets sur les sites du client et pour assurer que les personnes qui s’approchent ces objets déclenchent le système à suivre une multitude de logique incorporée dans syncroReports. Une fois la formation personnalisée est terminée pour un type de détection, elle peut être activée immédiatement et à distance sans avoir besoin d’appels de service ou de mises à niveau matérielles pour que tous nos clients puissent en bénéficier.