自学式异常检测
AI 先学习站点日常状态,再标出偏离常态的画面。不用写规则、不用维护物体清单,因此换场地时不需要重做一套识别配置。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
icetana 是一家做视频监控 AI 的软件公司,产品装在客户已有的摄像头、服务器和视频管理系统上,按摄像头数量加 Silver、Gold、Platinum 三档授权,不卖硬件。它的核心是自学式异常检测:AI 先学习站点「平常长什么样」,不写规则、不维护物体清单,把人、群体或车辆的异常行为实时推到操作员屏幕上。零售场景可在 24 小时内出首批告警、一周内完成校区调优,客户名单里有 Genetec 和 Milestone 两类主流 VMS 的兼容说明。没有公开任何具体价格数字,也没有公开免费试用额度,需要预约演示后按站点定制报价。
icetana 是一家视频监控 AI 软件公司,产品面向大型、复杂的场所——购物中心与商场管理、教育校区、市政安全城市、远程守卫和酒店网络等。它的卖点是把「看屏幕」换成「看事件」:摄像机每天录下大量正常画面,操作员盯不过来,icetana 把常规车流、人流过滤掉,只把异常推到屏幕上。
技术上它是自学习式的:AI 先在站点上学习什么叫「正常」,之后出现的偏离就被标记为事件,不需要人工写规则,也不需要维护一份要识别的物体清单。给出的落地上手速度是:安装后 24 小时内出首批告警,一周内完成对校区的完整调优。产品形态是软件授权,跑在客户已有的摄像头、服务器和视频管理系统上,官方明确不卖硬件、也不转售第三方硬件。已公布的兼容对象是 Genetec 和 Milestone 两类视频管理系统。
用法上分角色:控制室的操作员通过它减少盯屏负担,把注意力放在真正需要反应的事件上;安保负责人用它做分层管理,比如先发现有人滞留,再预判是否会形成聚集;IT 或集成方则关注它能否接入现有 VMS、按摄像头数扩容。零售和校园两类场景官网各有一个专门入口,都可以单独预约演示。
AI 先学习站点日常状态,再标出偏离常态的画面。不用写规则、不用维护物体清单,因此换场地时不需要重做一套识别配置。
有人长时间停留在一个位置就生成事件,用边界框框出关注区域。算法会区分公交站、出租车候客区这类正常等待,与在非等待区域的异常滞留。
官方说明 ↗覆盖盗窃、打斗、跌倒、人群拥堵和异常车辆移动,从停车场到美食广场用一套系统,并推送到控制室。常规客流被过滤掉,操作员是实时反应而不是事后翻录像。
可接入现有的视频管理系统,已列明的兼容对象包括 Genetec 与 Milestone 两类主流 VMS。
按接入的摄像头数量计费,摄像头越多单路价格越优惠,适合几百路规模起步的园区或连锁场所。
官方说明 ↗安装后 24 小时内出首批告警,一周内完成对园区或校区的完整调优。
当你的场所已经有几百路摄像头、控制室却看不过来时,icetana 值得考虑:它不替换你的摄像头和 VMS,只按路数加一层授权,通常一周内能把异常抓出来。零售、购物中心、校园、市政这几类场景官网有专门入口,也列了 Genetec 和 Milestone 两种兼容对象,集成路径相对清楚。反过来,如果你只有几路摄像头、预算有限,或需要的是人脸识别、车牌识别这类定向识别,它不是为这类需求设计的。价格必须预约演示后定制,小型站点走这套流程的沟通成本会偏高。
几百路摄像头覆盖停车场到美食广场,需要把盗窃、打斗、跌倒和人群拥堵实时推给操作员,而不是事后翻录像。
校区摄像头数量多、控制室看不过来,需要自学式系统快速上线,官方给出的节奏是一周内完成校园调优。
面向使用 Genetec 或 Milestone 的客户,可以把 icetana 作为异常检测层加进现有方案,不需要更换硬件。
只有几路摄像头,授权按路数计费且需要定制报价,走演示到报价的流程,投入产出比不适合这个规模。
产品定位是自学式的行为异常发现,包括的能力集中在滞留、聚集、拥堵、异常车辆移动这类事件上,定向身份识别不在其中。
按接入的摄像头数量授权,并分 Silver、Gold、Platinum 三档。摄像头数量是价格最大的变量,网络越大单路价格越优惠;三档的区别是一名操作员能覆盖多少路摄像头、软件替操作员省下多少工作。具体金额需要预约演示、说明站点情况后定制报价。
不需要。它是软件公司,只授权 AI,跑在你已有的摄像头、服务器和视频管理系统上,不卖硬件也不转售别人的硬件。已经列明的兼容对象包括 Genetec 和 Milestone 两类 VMS,接入前先确认现场系统在这两类之列。
普通移动侦测只要有动作就触发,icetana 是自学式判断。以滞留检测为例,普通传感器会因任何一次移动报警,而它会结合场景判断这是公交站、出租车候客区的正常等待,还是非等待区域的异常滞留,从而把误报压下来,让安保人员去处理真正需要介入的情况。
安装后 24 小时内出首批告警,一周内完成对园区的完整调优。产品先在站点上学习什么叫正常,之后偏离常态的画面才被标为事件,所以上线初期的反馈会直接决定后续的准确度,建议把误报集中在这一周内反馈。
官网按行业划分,重点列出零售与商场管理、教育校区两类,并提到市政安全城市、远程守卫和酒店网络。零售场景覆盖盗窃、打斗、跌倒、人群拥堵和异常车辆移动;校园场景强调不用写规则、不用维护物体清单,能跟着校区环境自适应。
三档的核心差别是一名操作员能覆盖多少路摄像头,以及软件从操作员手上接走多少工作。的说法是多数控制室在看到产品后十分钟内就能判断适合哪一档,因此比较稳妥的顺序是先算清控制室的当班人数和摄像头总数,再在演示时对档。