איתור איומים, זיהוי חריגות ותגובה לאירועים בשניות — לא בשעות — באמצעות מעקב AI מופעל-קצה (edge-powered) על פני כל עדכון מצלמה.

מערכות מעקב מסורתיות מייצרות כמויות עצומות של צילומים המציפים מפעילים אנושיים, שיכולים באופן ריאליסטי לנטר רק קומץ עדכונים לפני שיכולת הקשב שלהם נפגעת. אירועים קריטיים — פריצות, חפצים נטושים, עומסי קהל, הפרות תנועה — אינם מזוהים עד לאחר המעשה, כאשר הצילומים נסקרים בדיעבד. טריגרים מיושנים לזיהוי תנועה מייצרים יותר מדי אזעקות שווא, פוגעים באמון המפעילים ומעכבים תגובות אמיתיות. תוכניות אבטחה של ערים חכמות וארגונים זקוקות למערכת הצופה בכל עדכון ברציפות, מבינה הקשר ומסלימה רק את מה שחשוב.
גלו תוכניות יישום נוספות לפרויקט הבא שלכם
צרו קשר לדון כיצד נוכל לבנות פתרון זה עבור העסק שלכם עם צוות המומחים שלנו.
צרו קשרMicrocosmWorks יכולה לבנות פלטפורמת מעקב וידאו AI בזמן אמת שמעבדת עדכונים ממאות מצלמות בו-זמנית, ומבצעת זיהוי אובייקטים, ניתוח התנהגות, זיהוי חריגות, קריאת לוחיות רישוי וזיהוי פנים אופציונלי בקצה (edge). המערכת מסווגת אירועים לפי חומרה, מתאמת זיהויים בין מצלמות כדי לעקוב אחר תנועה, ודוחפת התראות מועדפות לאנשי אבטחה עם הקשר עשיר — תיבות תוחמות (bounding boxes), סוג אירוע, ציון ביטחון ותגובה מוצעת. כל ההיסק מתרחש על התקני קצה (edge devices) עם השהיה של פחות משנייה, בעוד שכבת הענן מטפלת בניתוח לטווח ארוך, אימון מחדש של מודלים ושיתוף מודיעין בין אתרים.
הארכיטקטורה משתמשת בטופולוגיה מבוזרת של קצה-ענן (edge-cloud). צומתי היסק קצה (edge inference nodes) הממוקמים יחד עם אשכולות מצלמות מריצים מודלי זיהוי קלי משקל על חומרת GPU ייעודית, ומזרים מטא נתונים מובנים של אירועים לפלטפורמת ניתוח ענן מרכזית. לוח מחוונים של פיקוד ובקרה מספק מודעות מצב חיה, חיפוש היסטורי ודוחות ציות בכל האזורים המנוטרים.
| שכבה | טכנולוגיות |
|---|---|
| צד שרת (Backend) | Go, Python, gRPC, Apache Kafka |
| AI / ML | YOLOv8, DeepSORT, OpenCV, TensorRT, ONNX Runtime, InsightFace |
| צד לקוח (Frontend) | React, WebSocket streams, Mapbox GL, Tailwind CSS |
| מסד נתונים | TimescaleDB, PostgreSQL, MinIO (אחסון אובייקטים), Redis |
| תשתית | NVIDIA Jetson Orin, Kubernetes (cloud), AWS IoT Greengrass, Terraform, Prometheus |
הפריסה מתבצעת בגישה שלבים כדי להבטיח אמינות בסביבות קריטיות לבטיחות:
1. שבועות 1-3 — יסודות הקצה (Edge Foundation): אספקת חומרת קצה, הקמת קליטת עדכוני מצלמה ופריסת מודלי זיהוי אובייקטים בסיסיים עם כיול ראשוני לכל זווית מצלמה ותנאי תאורה.
2. שבועות 4-7 — זיהוי וקורלציה (Detection & Correlation): אימון ופריסת מודלי ניתוח התנהגות, יישום מעקב בין מצלמות, בניית מנוע קורלציית האירועים והקמת צינור ניתוב ההתראות.
3. שבועות 8-10 — לוח מחוונים פיקודי (Command Dashboard): בניית קונסולת המפעיל עם תצוגת עדכון חי, תורי ניהול התראות, חיפוש פורנזי ודיווח. שילוב עם תשתית אבטחה קיימת.
4. שבועות 10-12 — חיזוק וקנה מידה (Hardening & Scale): בדיקת עומס עם כל מספר המצלמות, כיוונון ספי אזעקות שווא לכל אזור, יישום מעבר גיבוי (failover) לצומתי קצה (edge nodes) ועריכת הדרכת מפעילים.
| מדד | שיפור | פרט |
|---|---|---|
| מהירות זיהוי אירועים | מהיר יותר ב-95% | AI מזהה אירועים בפחות מ-2 שניות לעומת דקות או שעות בניטור אנושי בלבד |
| שיעור אזעקות שווא | הפחתה של 80% | מודלים מודעי-הקשר מסננים רעשים, ומספקים רק התראות אקטיביות בעלות ביטחון גבוה |
| כיסוי מפעיל | פי 10 יותר מצלמות למפעיל | AI בודק מראש את כל העדכונים, ומאפשר למפעילים להתמקד באירועים מאומתים |
| זמן חקירה | קצר יותר ב-70% | חיפוש פורנזי לפי תכונות אובייקט מחליף סריקה ידנית של שעות צילומים |
| תיאום תגובה | שיגור מהיר יותר ב-60% | סיווג חומרה אוטומטי ומיפוי מיקום מזרזים את פריסת צוות האבטחה |
הפכו הנחיות טקסט ותוכן ארוך לווידאו קצר שמושך את העין — מעוצב, מתורגם ומתפרסם אוטומטית בכל הפלטפורמות.
MicrocosmWorks פורסת מודלי זיהוי מרובי שלבים שקודם כל מסווגים אובייקטים (אדם, רכב, בעל חיים, גורם סביבתי) ולאחר מכן מנתחים דפוסי התנהגות — כגון משך השהייה, אנומליות במסלול תנועה, או כיוון פריצת היקף — כדי להבחין בין איומים אמיתיים לפעילות תמימה. המערכת לומדת את הדפוסים הרגילים של האתר שלך לאורך זמן, ומפחיתה התראות שווא הנגרמות על ידי גורמים סביבתיים חוזרים כמו צללי עצים, חיות בר חולפות או לוחות זמנים של משלוחים. לקוחות רואים בדרך כלל ירידה בשיעור אזעקות השווא מתחת ל-5% לאחר החודש הראשון של כיול האתר.
MicrocosmWorks מתכננת מערכות מעקב להשהיה מקצה-לקצה של פחות משנייה באמצעות יחידות מחשוב קצה המריצות מודלי זיהוי ראשוניים ישירות על המצלמה או בקרבתה, ושולחות רק קטעים הראויים להתראה לשרת המרכזי לצורך ניתוח משני. התראות קריטיות כמו זיהוי נשק, פריצות היקפיות או קטטות מפעילות התראות מיידיות באמצעות push, SMS, ואינטגרציה עם מערכות ניטור אזעקות תוך 1-3 שניות מהאירוע. גישת הקצה-ראשון גם מפחיתה את דרישות רוחב הפס ב-80-90% בהשוואה להזרמת כל הצילומים למיקום מרכזי לעיבוד.
MicrocosmWorks בונה שכבות פרטיות ניתנות להגדרה שיכולות לבטל זיהוי פנים לחלוטין, להחיל טשטוש פנים אוטומטי על צילומים מאוחסנים, להגביל עיבוד ביומטרי רק לאנשים שהביעו הסכמה, או ליישם אזורי פרטיות שבהם לא מתבצעת הקלטה. המערכת תומכת במדיניות שמירת נתונים תואמת GDPR עם לוחות זמנים אוטומטיים למחיקת צילומים ובקרות גישה מדויקות המתעדות כל אירוע צפייה. עבור פריסות במגוון תחומי שיפוט, ניתן להגדיר כללי פרטיות לפי מצלמה או לפי אזור כדי לציית לתקנות המחמירות ביותר החלות בכל מיקום.
MicrocosmWorks תומכת בפריסות היברידיות שמוסיפות ניתוח AI למערכות מצלמות אנלוגיות קיימות באמצעות מקודדי וידאו הממירים ערוצים אנלוגיים לזרמי IP לצורך עיבוד AI, ובכך מגנים על השקעת החומרה הקיימת שלך. המערכת עובדת עם כל מצלמה המפיקה פלט RTSP, ONVIF או אנלוגי סטנדרטי, אף שמצלמות IP ברזולוציה גבוהה יותר מפיקות באופן מובהק דיוק זיהוי טוב יותר למרחקים גדולים יותר. גישת שדרוג הדרגתית מאפשרת לך להוסיף ניתוח AI למצלמות קיימות באופן מיידי תוך תקצוב לשדרוגי מצלמות IP אסטרטגיים בנקודות התצפית הקריטיות ביותר, עם פיתוח החל מ-$15-$35/hr.
MicrocosmWorks פורסת מודלי זיהוי מיוחדים עבור למעלה מ-30 סוגי אירועים, כולל חפצים נטושים, סף צפיפות קהל, זיהוי לוחיות רישוי רכב, אירועי החלקה ונפילה, עמידה בתקני PPE (קסדות, אפודים, מסכות), זיהוי עשן ואש, tailgating דרך דלתות מאובטחות, ותבניות תנועת קהל חריגות כמו בהלה המונית. כל סוג זיהוי ניתן להגדרה עם סף רגישות ספציפי לאתר וזמני פעילות — לדוגמה, הפעלת זיהוי PPE רק בשעות בנייה או ניטור קהל רק במהלך אירועים. מודלי זיהוי מותאמים אישית עבור תרחישים ספציפיים לתעשייה ניתנים לאימון באמצעות צילומי הווידאו ההיסטוריים שלכם.