Предотвращение убытков считается первостепенной задачей для всех ритейлеров, включая продуктовые магазины. Хотя большинство сетей продуктовых магазинов не используют большие группы охранников для патрулирования помещения, многие из них нанимают сотрудников службы безопасности для удаленного наблюдения за магазинами и складскими помещениями.
Кроме того, продуктовые магазины обычно вкладывают средства в видеонаблюдение, чтобы усилить меры безопасности: охранные службы используют камеры видеонаблюдения https://worldvision.com.ua/gibridnye-kamery для мониторинга объектов в режиме текущего времени, а также для сбора и просмотра видеозаписей для расследования после инцидента, когда произошло преступление или чрезвычайная ситуация.
В видеозаписях хранятся ценные данные, но прежде было сложно собрать информацию, поэтому подавляющее большинство записей даже никогда не просматривалось. Внедряя программное обеспечение для видеоаналитики, продуктовые магазины смогут превратить большие объемы видеоданных в доступную для поиска, действенную и количественную информацию: интеллектуальное видеонаблюдение, основанное на технологии Deep learning, обрабатывает записи для обнаружения и идентификации объектов, классифицирует их, а затем индексирует метаданные. Это позволяет осуществлять точный поиск и фильтрацию видео, а также запускать оповещения на основе обширных комбинаций классов и атрибутов, поэтому операторы могут легко и быстро находить, анализировать и понимать видеозапись.
Различные организации во всевозможных отраслях промышленности смогут применять ПО для видеонаблюдения worldvision.com.ua/po-dlya-videonabludeniya с видеоаналитикой разнообразными способами: быстро реагировать на ситуации, продуктивно просматривать прошлые инциденты и наблюдать за данными долгосрочных трендов. Сети продуктовых магазинов используют видеоаналитику для улучшения макета магазина, оптимизации закупок и складирования товаров, улучшения обслуживания покупателей в магазине и предотвращения убытков.
Улучшение ситуационной осведомленности и реагирования с оповещениями в текущем времени
Системы видеонаблюдения обучаются распознавать и классифицировать объекты — со временем это позволяет пользователям различать из агрегированных данных тенденции, закономерности и нормативные условия. Затем на основе одной и той же классификации объектов пользователи могут создавать логику предупреждений на основе правил для запуска уведомлений при соблюдении конкретных условий или комбинации различных классов объектов и атрибутов.
Например, основываясь на установленных пороговых значениях для регулярного трафика в конкретных зонах магазина, оповещения о подсчете людей могут использоваться для уведомления менеджеров, когда число покупателей в зоне превышает предварительно установленный порог. В таких случаях охрана продуктового магазина сможет внимательнее следить за ситуацией, чтобы определить, какое принятие мер необходимо.
В дополнение к оповещениям, основанным на подсчете, система способна инициировать уведомления об активности в зонах, недоступных для движения пешеходов, таких как складские помещения или погрузочные площадки. Это может помочь службе безопасности внимательно следить за подозрительным поведением — будь то в обычные часы или в нерабочее время.
Еще одно действие, которое можно использовать для запуска оповещений — это изменение освещенности. Если в нерабочее время в помещении включается свет и видеокамеры выявляют людей, то могут быть активированы оповещения и соответствующие меры безопасности. Для ритейлеров это может быть использовано для реагирования, когда злоумышленник пытается войти в магазин или склад, чтобы украсть товар.
Технология распознавания лиц
Еще одним аспектом более целенаправленной логики оповещения считается технология распознавания лиц. Особенно, когда менеджеры магазинов хотят получать оповещения об активности в чувствительных зонах, таких как складские помещения или офисы — составление списка утвержденных, признанных сотрудников может помочь в обеспечении безопасности при обнаружении нежелательных людей. Запуская оповещения для лиц, исключенных из конкретного списка наблюдения, система безопасности способна активно реагировать на подозрительную активность.
Оповещения о совпадении лиц также можно настроить так, чтобы камеры видеонаблюдения вызывали уведомления при распознавании лиц из списка наблюдения. При расследовании предыдущих краж служба безопасности может извлечь изображения подозреваемых, составить список наблюдения и правила оповещения для прошлых преступников, обнаруженных в магазине. Таким образом, служба безопасности сможет отслеживать магазинных воров, что возвращаются в магазин, и внимательно наблюдать за ними, чтобы предотвратить повторные инциденты.
Ускоренное расследование краж и причин убытков
Расследование после происшествия потери товарно-материальных запасов — это важный способ для менеджеров понять, что произошло, и предотвратить дальнейшие инциденты. В то время как ручное отсеивание нескольких часов видео-доказательств с IP камер видеонаблюдения https://worldvision.com.ua/povorotnye-ip-kamery занимает массу времени и подвержено человеческим ошибкам, видеоаналитика позволяет быстро просматривать записи с помощью комплексных фильтров (пол, тип одежды и цвет, и прочее) — чтобы пользователи могли проводить целенаправленный поиск. Например, пользователи могут искать в видеоролике «мужчину в шляпе, одетого в синюю рубашку», и точно определять людей, соответствующих этому описанию. Эта функция ускоренного поиска экономит драгоценное время и ресурсы и считается более точной, чем просмотр записей вручную.
Учитывая, что многие сети продуктовых магазинов уже развернули комплекты видеонаблюдения, это логичный шаг для максимизации инвестиций с помощью дополнительного программного обеспечения для видеоаналитики. ПО для видеонаблюдения — это простой способ повысить ситуационную осведомленность и в конечном итоге, уменьшить стоимость убытков, предотвратить вандализм и воровство, также получая ценную деловую информацию для оптимизации работы продуктового магазина.
