Apr 30, 2023
Videonetics stellt KI vor
Videonetics hat die branchenweit erste Artificial Intelligence & Deep angekündigt
Videonetics hat die branchenweit erste auf künstlicher Intelligenz und Deep Learning basierende „No Seat Belt Detection“-Technologie angekündigt, die darauf abzielt, in Echtzeit diejenigen Fahrer zu erkennen, die beim Fahren eines Vierradfahrzeugs nicht angeschnallt sind, wodurch sie gegen Verkehrsregeln verstoßen und ihr Leben riskieren riskieren.
Nach Angaben der Weltgesundheitsorganisation (WHO) sterben jedes Jahr weltweit etwa 1,3 Millionen Menschen bei Verkehrsunfällen und 20 bis 50 Millionen werden verletzt. Das Risiko, bei einem Verkehrsunfall ums Leben zu kommen, ist in Ländern mit niedrigem Einkommen mehr als dreimal höher als in Ländern mit hohem Einkommen. Das Anlegen eines Sicherheitsgurts verringert das Todesrisiko für Fahrer und Insassen auf den Vordersitzen um 45–50 % und das Risiko für Todesfälle und schwere Verletzungen bei Insassen auf den Rücksitzen um 25 %.
Basierend auf einem patentierten KI- und DL-Framework wird die No Seat Belt Detection-Technologie mit Echtzeit-Videodaten von über fünf Jahren trainiert
Basierend auf dem patentierten KI- und DL-Framework wird die No Seat Belt Detection-Technologie mit Echtzeit-Videodaten von über fünf Jahren trainiert und gewährleistet so ein Höchstmaß an Präzision bei der Identifizierung der gefährlichsten Fahrrisiken selbst unter schwierigen Umgebungsbedingungen, einschließlich Nacht.
Die einheimische Technologie ist gut geeignet, die Gestenbewegungen des Fahrers zu analysieren, der ein beliebiges Vierradfahrzeug fährt, einschließlich Privatautos, Taxis, Jeeps, Lastkraftwagen usw. Nachdem das Nummernschild des verletzenden Fahrzeugs mit ANPR erfasst wurde, generiert das System eine Warnung mit dem Beweisvideo. Darüber hinaus werden Ereignisse zur späteren Analyse gespeichert. Keine Technologie zur Erkennung von Sicherheitsgurten kann sich nahtlos mit der integrierten E-Challan-/E-Ticket-Verwaltungssoftware integrieren, um Challans/E-Tickets mit Details wie Bild des Verstoßes, Zeitstempel, Datum und Fahrzeugnummer usw. zu erstellen.
Das enorme Potenzial der Lösung ermöglicht es der ITMS-Suite (Intelligent Traffic Management System) von Videonetics, die Verkehrsüberwachung in Echtzeit zu verbessern, Verkehrsdelikte zu identifizieren und zu verarbeiten, was schließlich zu einer weiteren Modernisierung der Verkehrsmanagementlösung und zur Einführung von Verkehrsregulierung und -durchsetzung in der gesamten Stadt führt.
Bei Videonetics entwickeln wir ständig modernste Technologien für sich entwickelnde Märkte.“ Anlässlich der Markteinführung sagte Dr. Tinku Acharya, Fellow IEEE, Gründer und Geschäftsführer von Videonetics: „Bei Videonetics entwickeln wir ständig modernste Technologien. die Kunsttechnologien für sich entwickelnde Märkte. Dies ist in der Tat ein stolzer Moment, die weltweit erste KI- und DL-basierte „No Seat Belt Detection“-Technologie der Branche auf den Markt zu bringen. Die neue Ergänzung der ITMS-Suite wird die Verkehrsdisziplin der Bürger weiter stärken und die Zahl der Verkehrsunfälle verringern.“
Mit dieser neuesten Ergänzung erweitert Videonetics das ITMS-Portfolio um das System zur automatischen Nummernschilderkennung (ANPR), das System zur Erkennung von Rotlichtverstößen (RLVD), die Erkennung der Nutzung von Mobiltelefonen während der Fahrt, die Erkennung von fehlendem Helm, die Erkennung von Dreifachfahrten und die Erkennung von Blockaden beim freien Linksabbiegen. Geschwindigkeitsüberschreitungserkennung, Verkehrsstauerkennung, Falschparkerkennung, Parkverbotserkennung, Smart Dashboard, Datenvisualisierung, um nur einige zu nennen.
ITMS wird in vielen Städten wie Kalkutta, Ranchi, Indore, Bhopal, Bangalore und vielen anderen erfolgreich eingesetzt; Das Unternehmen hat Maßstäbe gesetzt, indem es mühsame manuelle Prozesse zur Verfolgung, Regulierung und Analyse von Fahrzeugbewegungen auf Straßen ersetzt und Verkehrsregeln für die Sicherheit der Bürger durchsetzt, um so zum Erfolg der nationalen Smart-City-Mission beizutragen