Erkennung von zurückgelassenen und entwendeten Gegenständen

Erkennung von zurückgelassenen und entwendeten Gegenständen ist eine Senstar Symphony-basierte Videoanalysefunktion, mit der das Vorhandensein von stationären Gegenständen im Sichtfeld überwacht wird. Die Analysefunktion ist für den Einsatz in Innenräumen optimiert und wurde entwickelt, um sowohl das Hinzufügen neuer als auch das Entfernen vorhandener Gegenstände zu erkennen. Mit der Analysefunktion kann die Sicherheit in öffentlichen Bereichen, wie U-Bahnen oder Einkaufszentren, verbessert werden, indem Gegenstände wie Koffer oder Taschen identifiziert werden, die nicht unbeaufsichtigt bleiben dürfen. Unternehmen können diese Funktionen nutzen, um das Entfernen von Waren oder Einrichtungsgegenständen außerhalb des laufenden Geschäftsbetriebs zu bestimmen.

Erkennung verdächtiger Pakete

Unbeaufsichtigte Pakete in öffentlichen Bereichen stellen eine potenzielle Sicherheitsgefahr dar. Die automatische Früherkennung ermöglicht dem Sicherheitspersonal nicht nur ein schnelles Reagieren, sondern markiert das Ereignis auch innerhalb der Zeitleiste des Videomaterials für anschließende Untersuchungen.

Erkennung von entfernten Gegenständen

Unternehmen können die Detektion entfernter Gegenstände nutzen, um den Diebstahl von stationären Vermögenswerten, wie z. B. Waren und Einrichtungsgegenständen, zu erkennen. Die Analyse kann einem Zeitplan folgen, um Alarme zu vermeiden, die während des normalen Geschäftsbetriebs erzeugt werden.

Sicherstellen, dass Notausgänge nicht blockiert sind

Das Sicherheitspersonal kann sofort benachrichtigt werden, wenn Notausgänge durch Kartons oder andere Gegenstände blockiert werden.

Verbessern Sie die Logistik und Qualitätskontrolle

Die Zu- und Abgänge von Versandmaterialien an den Laderampen können erfasst werden. Videoaufnahmen können zur Diebstahlsicherung und Qualitätskontrolle mit Versandunterlagen verknüpft werden.

Konfigurierbare Objektgröße und -zeit

Fehlalarme können durch die Konfiguration der Objektgröße und Zeitfenstern reduziert werden. So kann beispielsweise die Analysefunktion optimiert werden, um zurückgelassene Taschen an einer U-Bahn-Station zu erkennen und dabei größere Gegenstände wie eine stationäre Bodenreinigungsmaschine zu ignorieren.