Selecionador de produtos

Esta ferramenta foi projetada para ajudá-lo na localização de câmeras, lentes, DVRs, NVRs, codificadores, etc. da Samsung.

DVRs, NVRs, codificadores, etc. da Samsung. Esta ferramenta é de fácil navegação e irá ajudá-lo a determinar o que está sendo procurado pelo recurso do produto, tipo de câmera, resolução ou categoria do produto. Você não tem certeza sobre a câmera que necessita? Esta ferramenta irá ajudá-lo a comparar os produtos lado a lado para que você tome a decisão correta.

A. Novos NVRs e DVRs : SRD-1680D / SRD-880D / SRN-4000

- Adicionado Inglês Release Note.

- Notas publicadas (em inglês).

Clique neste campo para descarregar a ferramenta Product Selector V2.13 (Versão completa).

Clique neste campo para descarregar a ferramenta Product Selector V2.13 (Versão Lite ).

Cálculo de banda

A calculadora de Armazenamento/Largura de banda de rede IP v4.10 é uma ferramenta gratuita que permite que você determine a largura de banda necessária para visualizar uma quantidade determinada de vídeo ao vivo ou gravado de câmeras de segurança IP e ajuda na identificação e gargalos relacionados ao uso da largura de banda.

O que há de novo

- Adiciona uma nova funcionalidade para o cálculo de RAID do modelo SRN-4000

- Melhor desempenho em relação às versões anteriores.

- Aprimoramento da UI (Interface gráfica do usuário) para os usuários.

O que foi mudou

- Houve uma troca para a seleção de velocidade de quadros para a opção CBR

- Documento RAID Mudou ajuda

Clique nesta área para descarregar a Calculadora da largura de banda/Armazenamento (versão completa) (incluindo o aplicativo .Net Installer).

Clique nesta área para descarregar a Calculadora de largura de banda/Armazenamento (versão Lite).

Cálculo de lente

A calculadora do campo de visão (FOV) Samsung fornece a quantidade de uma determinada cena capturada pela câmera. Ela também fornece o ângulo de visão ou ângulo de cobertura. A função FOV da Samsung determina o campo de visão utilizando três elementos: a lente e o elemento sensor dentro da câmera e a localização da câmera em relação à cena.

Por favor, note: para instalar este recurso, siga os passos abaixo:.

1) Instale DotNet FX40 Client

2) Instale VCRedist_x86

3) Instale WindowsInstaller3_1

4) Instale FoV Calculator_Setup.msi

Clique neste campo para descarregar a Calculadora do campo de visão Samsung V2.11 (versão completa).

Clique neste campo para descarregar a Calculadora do campo de visão Samsung V2.11 (versão Lite).

Device manager

O Gerenciador de dispositivos iPOLiS da Samsung é um programa personalizado que ajuda o usuário a gerenciar múltiplos dispositivos para rede IP. Este programa detecta as câmeras Samsung instaladas na rede e permite facilmente que o usuário modifique os seus endereços IP. O gerenciador iPolis também permite ao usuário crie modelos ou grupos para maximizar as funcionalidades de programação em instalações de grande porte.

Novas funções desta versão. (v1.8.9)

1. Adição da função de Ajuste da Detecção de movimento

2. Adição do conteúdo [Ajuda] em [Configuração avançada]

3. Aplicação da senha de reforço da segurança das câmeras para rede.

Clique aqui para descarregar o aplicativo Gerenciador de dispositivos iPOLiS v1.8.2 (versão Lite).

Clique aqui para descarregar o aplicativo Gerenciador de dispositivos iPOLiS v1.8.2 (versão completa)

IP installer

A ferramenta IP Installer é um programa de descarga de fácil uso que permite que o usuário busque câmeras IP Samsung que residam na rede local. Esta ferramenta também permite que o usuário ajuste manualmente os Endereços IP individuais de cada câmera em um local, o que elimina a necessidade de inserir cada GUI da câmera individual para configurar os ajustes apropriados da rede.

Clique aqui para descarregar a ferramenta IP Installer.

Network Design

iPOLiS Rede Design Tool é um programa que projetado especificamente para ajudar na concepção de sistemas de vigilância de rede com toda a linha de produtos IP da Samsung Techwin.

O que há de novo

- New connection styles: Straight, Polyline, Spline, Beizier

- Novos estilos de conexão: Straight, Polyline, Spline, Beizier

- Nova função para exibir/ocultar o nome de objetos incluindo conexões.

- Nova função para inserir imagens no diagrama: suporte para os formatos de arquivo png, bmp, jpg/jpeg.

- Localize a guia para buscar formatos facilmente na Caixa de ferramentas de filtros: Ctrl+F para buscar o objeto diretamente.

Clique aqui para visualizar o manual do usuário.

Clique aqui para descarregar Ferramenta de projetos de rede iPOLiS V1.42 (Full Version).

Clique aqui para descarregar Ferramenta de projetos de rede iPOLiS V1.42 (Lite Version).

SD Card Player

As câmeras para rede da Samsung suportam cartões de memória SD para o salvamento de dados que podem ser utilizados para o salvamento autônomo de dados de eventos incluindo alarmes de rede e detecções de movimento interrompidas.

O SD Card Player é o programa para busca e reprodução do vídeo armazenado no cartão de memória SD nas câmeras para rede Samsung.

Clique aqui para descarregar o aplicativo SD Card Player V1.20.

Clique aqui para descarregar o Guia do aplicativo SD Card Player.

Compatibilidade de HD

A Samsung se empenha para que você receba as informações mais atualizadas e precisas disponíveis. A lista de compatibilidade de discos rígidos abaixo exibe as informações mais recentes sobre os discos rígidos compatíveis com os seus equipamentos.

Clique aqui para obter a lista de Discos Rígidos compatíveis com os equipamentos da Samsung Techwin.

Selecionador de Acessórios

O Guia Seletor de acessórios de câmeras CFTV e câmeras dome da Samsung é uma ferramenta efetiva projetada para ajudá-lo a localizar os acessórios corretos que irão beneficiar as aplicações da sua câmera analógica e de segurança para rede.

Esta ferramenta ajuda a combinar os produtos existentes com os acessórios compatíveis. Navegue facilmente pelo documento para determinar o suporte, invólucro ou suporte de montagem é adequado para a sua câmera Samsung.

Clique aqui para descarregar o Guia de Seleção de acessórios de montagem.


Cenral de vendas
11 3728-4417

12.03.2018

Como o deep learning pode tornar a análise de vídeo mais inteligente

O vídeo tomou conta do mundo com uma miríade de dispositivos inteligentes, continuamente capturando grandes quantidades de imagens. Uma empresa de tecnologia visual norte-americana, a LDV Capital, publicou um relatório sobre o futuro das câmeras. De acordo com o estudo, o número de aparelhos em todo o mundo aumentará 220%, alcançando 45 bilhões de unidades até 2022.
 
 
Graças às a câmeras inteligentes, dispositivos CFTV e até mesmo drones montados com câmeras, os usuários podem gravar vídeos em uma escala e ritmo sem precedentes. Esta vasta quantidade de conteúdo rico em dados é usada para uma variedade de propósitos — desde jogos e aplicação da lei até o gerenciamento de multidões em grandes eventos.
 
Contudo, o grande volume de vídeo produzido impossibilita às pessoas processá-lo manualmente. A análise de vídeo inteligente (deep learning) é necessária para filtrar e processar dados, rastrear objetos em movimento, detectar anormalidades e gerar alarmes para que os órgãos reguladores possam tomar as medidas adequadas.
 
Mas como o deep learning funciona e como ele torna a captura e análise de imagens mais inteligente? É sobre isso que falaremos hoje! Continue lendo e aprenda conosco.
 
O que é e como funciona o deep learning?
Ao longo dos últimos anos, o termo deep learning entrou para o mundo dos negócios quando estamos falando das aplicações da Inteligência Artificial (IA), Big Data e análise de dados. E por uma boa razão: é uma grande promessa quando falamos de desenvolver sistemas autônomos e de auto-ensino que podem revolucionar muitas indústrias.
 
 
As tecnologias de aprendizado de máquina permitem processar e analisar enormes fluxos de imagens. É uma área que tem visto investimentos e pesquisas importantes. O deep learning é usado pelo Google em seus algoritmos de reconhecimento de voz e imagem, pela Netflix e Amazon para decidir o que você quer assistir ou comprar em seguida, e por pesquisadores do MIT para prever o futuro.
 
Essencialmente, o deep learning envolve alimentar um sistema de computador com muitos dados, que pode usar para tomar decisões sobre outros dados. Estes dados são alimentados através de redes neurais, como é o caso da aprendizagem de máquina.
 
Essas redes são construções lógicas que questionam uma série de perguntas binárias de verdadeiro ou falso, ou extraem um valor numérico de cada bit de dados que as atravessam, classificando-os de acordo com as respostas recebidas.
 
Como trabalho de deep learning está focado no desenvolvimento dessas redes, eles se tornaram o que são conhecidos como Redes Neurais Profundas (traduzido do inglês, deep learning quer dizer aprendizagem profunda), redes lógicas com a complexidade necessária para lidar com a classificação de conjuntos de dados tão amplos como, digamos, a biblioteca de imagens do Google.
 
Com conjuntos de dados tão abrangentes como estes, e redes lógicas sofisticadas o suficiente para lidar com sua classificação, torna-se trivial para um computador tirar uma imagem e determinar, com uma alta probabilidade de precisão, o que ela representa para os seres humanos.
 
Quais são as aplicações do deep learning?
As imagens apresentam um ótimo exemplo de como isso funciona, porque elas contêm muitos elementos diferentes e pode não ser fácil entender como um computador pode aprender a interpretá-las na da mesma maneira que nós, humanos.
 
Mas o deep learning pode ser aplicado a qualquer tipo de dados — sinais da máquina, áudio, vídeo, fala, palavras escritas — para produzir conclusões que parecem como se fossem alcançadas por humanos, e o que é mais impressionante: muito mais rápido.
 
Cientistas de dados tanto na indústria quanto nas universidades estão usando unidades de processamento gráfico (GPUs) para acelerar seus algoritmos de aprendizado profundo. As GPUs processam tarefas de computação altamente paralelas — como vídeos e gráficos — de forma rápida e eficiente.
 
O deep learning com base em GPUs levou a melhorias inovadoras em uma variedade de aplicativos, incluindo classificação de imagem, reconhecimento de fala e processamento de linguagem natural. Na análise de vídeo inteligente, as organizações podem agora minar enormes quantidades de dados visuais para obter informações valiosas sobre o que está acontecendo no mundo.
 
À medida que a computação GPU avança, os pesquisadores podem treinar redes profundas com conjuntos de dados maiores em menos tempo, ao mesmo tempo em que reduzem seus custos de infraestrutura e de operação com os controladores na nuvem.
 
Como a análise de vídeo inteligente pode ser utilizada?
A Herta, empresa de segurança reconhecida mundialmente, é um exemplo de uma empresa que se baseia no deep learning para análise de vídeo inteligente. A empresa com sede em Barcelona é especializada em soluções de reconhecimento facial que rastreiam e combinam caras instantaneamente.
 
Sua tecnologia de vigilância de vídeo é usada em uma variedade de configurações, como aeroportos, bancos, estádios esportivos e shopping centers. No setor de varejo, a análise de vídeo inteligente pode identificar os pequenos grupos de reincidentes responsáveis ​​pela maioria dos roubos em lojas.
 
A maioria dos sistemas de reconhecimento facial agora podem notificar o pessoal de segurança em seus dispositivos móveis em sete segundos. Isso nunca seria possível com um processo manual. Somente soluções automatizadas, fornecidas pelo deep learning e inteligência artificial podem analisar de forma competente e efetiva a enorme quantidade de dados que o vídeo gera.
 
Os estádios de esportes, concertos e outros eventos em larga escala também contam com análises de vídeo para manter o público seguro. Graças aos avanços na tecnologia de reconhecimento facial e análise de vídeo inteligente, o rosto de cada pessoa agora pode ser escaneado, analisado e, se necessário, identificado com segurança em todo um local para que sua entrada não seja permitida.
 
Os algoritmos de reconhecimento facial de hoje são dez vezes mais precisos do que os de 2002 e 100 vezes mais precisos do que os de 1995, de acordo com o Instituto Nacional de Padrões e Tecnologia. Ao longo do tempo, a demanda por análise de vídeo inteligente só vai aumentar à medida que mais e mais indústrias percebem os benefícios para a sua aplicação e como os sistemas são capazes de reconhecer e analisar um número crescente de comportamentos.
 
E você, já conhecia o deep learning? Ficou com alguma dúvida sobre como ele funciona? Comente abaixo e compartilhe conosco!
Enviado por: Axyon
Em: 12.03.2018
Categoria: CFTV



Ver comentarios:


Receba nossas Ofertas: