DeepLook

کاری که انجام می دهد

DeepLook یک پلتفرم نوآورانه است که از مدل‌های Gemini برای افزودن قابلیت‌های هوش مصنوعی Generative به نظارت تصویری و تجزیه و تحلیل استفاده می‌کند. این قابلیت‌ها از کنترل رابط کاربری از طریق چت یا صوتی گرفته تا تجزیه و تحلیل ویدیویی هوشمند و تشخیص رویداد در دوربین‌ها را شامل می‌شود. DeepLook می‌تواند کارهایی را با استفاده از زبان طبیعی انجام دهد، مانند باز کردن سریع دوربین‌ها، دسترسی به فیلم‌های ضبط‌شده، و صادر کردن ویدیوها بدون استفاده از منوها و ابزارک‌های سخت. مهمتر از همه، از طریق تجزیه و تحلیل Vision، می توان پرسش و پاسخ را روی دوربین های زنده انجام داد، ضبط های گذشته را خلاصه کرد، اشیاء را شناسایی کرد و حتی به خانواده ای اطلاع داد که فردی که به تنهایی زندگی می کند چگونه است. به‌علاوه، می‌تواند رویدادهای مبتنی بر جمله‌ای را ایجاد کند، مانند «آیا کسی افتاد؟»، «هشدار در صورت ظاهر شدن سلاح» یا تحلیل موقعیتی در زمینه مراقبت از بزرگسالان، مانند نظارت بر افراد مسن.

علاوه بر این، DeepLook می‌تواند در صورت وقوع رویدادهای ثبت‌شده به کاربران هشدار دهد و حرکات دستی یا خودکار PTZ را روی دوربین‌ها اجرا کند، مانند مرکزیت خودکار دوربین روی یک شی قاب تعیین‌شده.

این سیستم در درجه اول با فلش Gemini کار می کند و دلیل آن نسبت هزینه به فایده است. تجزیه دستورات به شدت به فراخوانی تابع هوش مصنوعی وابسته است. تجزیه و تحلیل تصویر با تکه‌های ویدیویی و موزاییک‌های تصویر کاشی‌شده ارسال شده از طریق درخواست‌ها به مدل API کار می‌کند. DeepLook دارای نسخه های وب و اندروید خواهد بود. سرور می تواند بر روی Firebase App Host و Cloud Run اجرا شود، با استفاده از عاملی که دوربین ها را به صورت محلی متصل می کند و به عنوان پلی بین آنها و سرور عمل می کند.