货物仓库的现代安全系统需要超越纯粹的视频监控。实时、人工智能（AI）驱动的视频监控系统能够自动监测，并在异常情况发生时发出警报。这使监控人员能够快速有效地采取行动，避免损失。此外，收集到的数据还能产生许多用于改进的见解。
这些都是一家大型全球仓库和物流运营商寻找更新现有监控系统的主要动机，该系统监控着一个9.3万平方米的配送中心。
该配送中心由1200名长期雇员和2000名季节性工人每天处理15万份订单。考虑到这个规模，安装了大量的摄像机，这本身就给监控工作带来了巨大的挑战。此外，现有的闭路电视系统只是被反应性地用于事后分析。
每学期大约有227起事件被发现。因此，有必要从一个被动的闭路电视网络转向一个主动的闭路电视网络，以实时突出事件。改进监控系统的另一项任务是更好地利用CCTV网络，以满足组织的风险管理战略。
自学型人工智能系统
Icetana公司的自学人工智能驱动的解决方案满足了这些要求，该方案由Macnica ATD Europe公司在欧洲分销。
Icetana是一家全球SaaS软件公司，提供视频分析技术，旨在为大规模监控网络实时识别异常事件和意外行为。其软件与现有的视频管理系统和IP摄像机集成，并使用人工智能和机器学习技术来学习和过滤常规运动，只显示异常行为。这使操作人员能够自动对前兆活动和当前事件进行优先响应。
使用人工智能和机器学习技术，icetana软件学习并过滤掉常规运动，只显示不寻常的行为。icetana技术已在四大洲40多个地点的私营、公共和政府行业广泛实施。11年多来，icetana帮助客户从他们现有的安全网络中利用丰富的数据流，以提高态势感知和更深入的运营洞察力。
该插件通过自动确定特定环境中的正常事件和非正常事件，在轻松安装到现有视频管理系统后，极大地促进了异常检测。Icetana的软件为加速审查摄像机图像和性能提供指标，以优化安全资产，确保实现高水平的事件检测。
将Icetana的人工智能解决方案整合到仓库的视频监控安全系统后，人们注意到对仓库安全系统的效率产生了一些积极影响。多达140个不寻常或异常的事件被自动识别并报告给仓库的防损部门，这意味着增加了1500%。这些事件中的65%与健康和安全实践有关，这是需要高度监控的事情。这些事件，除其他外，包括违反定向楼梯和走道，不受控制的滚笼，叉车安全不遵守规定，或烟雾排放。
仓库中的事件报告已大大加快，图像审查也随之加快，在Icetana解决方案下，单台摄像机可以在不到2分钟内审查24小时的录像。因此，在评估记录的视频序列时，节省的人力与节省的时间成正比；而且，通常监控众多摄像机的安保人员的视觉疲劳也减少了。