Sighthound
Toolkit Computer Vision untuk Pengenalan Pelat Nomor dan Anonimisasi Video
Sering kali, instansi penegak hukum perlu memperjelas pelat nomor pada rekaman pengawasan yang sama, sementara undang-undang privasi mewajibkan wajah pejalan kaki untuk disembunyikan. Sighthound mampu menangani keduanya sekaligus: di satu sisi menyediakan pengenalan pelat nomor dan kendaraan berakurasi tinggi, dan di sisi lain menyediakan alat anonimisasi yang secara otomatis mengaburkan wajah dan pelat nomor.
Fitur Utama dan Skenario Penggunaan
Produk ini terdiri dari tiga lini utama. ALPR+ menangani Automatic License Plate Recognition (ALPR) dengan deteksi kendaraan, identifikasi merek, model, warna, serta pelacakan objek. Basis data kendaraannya mencakup model dari tahun 1991 hingga sekarang dan mendukung berbagai format pelat nomor internasional. Redactor adalah perangkat lunak anonimisasi video otomatis yang menghapus Informasi Identitas Pribadi (PII) seperti wajah dan pelat nomor, cocok digunakan sebelum merilis data ke publik atau untuk keperluan investigasi. Lini ketiga adalah perangkat keras komputasi edge (tepi) yang tahan cuaca dan buatan AS, memungkinkan inferensi dilakukan langsung di lokasi tanpa harus mengunggah video ke server jarak jauh. Sighthound mengklaim telah memiliki lebih dari 2.800 pelanggan dan mitra, termasuk Garmin dan Lotus.
Sangat cocok untuk penegak hukum dan instansi lalu lintas, pengelola tempat parkir dan armada, serta organisasi yang perlu mempublikasikan rekaman video namun terikat oleh regulasi privasi. Kemampuan anonimisasi otomatis ini sangat berguna untuk memenuhi standar keterbukaan informasi publik, merilis rekaman kamera dasbor (dashcam), atau memproses rekaman CCTV komunitas yang sering kali bersinggungan dengan data pribadi pihak ketiga. Daripada menyensor video secara manual bingkai demi bingkai, fitur anonimisasi otomatis ini menawarkan efisiensi yang jauh lebih tinggi.
Fitur Utama
- ALPR+ untuk pengenalan pelat nomor otomatis dan identifikasi atribut kendaraan
- Identifikasi merek, model, dan warna kendaraan (mencakup model tahun 1991 hingga saat ini)
- Redactor untuk penghapusan otomatis PII seperti wajah dan pelat nomor
- Perangkat keras *edge computing* untuk inferensi langsung di lokasi
- Integrasi API yang mulus untuk disematkan ke dalam sistem yang sudah ada
Kelebihan
- Kemampuan ganda untuk pengenalan dan anonimisasi dalam satu tumpukan teknologi
- Pemrosesan di tingkat *edge*, sehingga video sensitif tidak perlu dikirim keluar
- Basis pelanggan dan mitra yang luas, membuktikan kematangan teknologi yang tinggi
Kekurangan
- Format pelat nomor berfokus pada standar internasional utama; dukungan untuk format lokal khusus perlu diverifikasi
- Lebih berorientasi pada pengembang dan integrator sistem, bukan produk siap pakai instan untuk konsumen akhir
- Biaya pengadaan dan penyebaran perangkat keras *edge* dihitung secara terpisah
Contoh Penggunaan
- Manajemen keluar-masuk kendaraan di area parkir dan perumahan
- Identifikasi kendaraan untuk armada logistik dan transportasi
- Anonimisasi data pribadi sebelum publikasi rekaman video
- Penegakan hukum lalu lintas dan investigasi insiden
Catatan Editor
Pasar untuk perangkat lunak 'sensor otomatis' (anonimisasi video) memiliki potensi yang sangat besar, terutama bagi instansi yang harus mematuhi regulasi privasi data yang ketat namun belum banyak dieksplorasi secara serius.
FAQ
Sighthound mendukung berbagai format pelat nomor internasional, namun kompatibilitas untuk format lokal tertentu harus dikonfirmasi langsung dengan pihak pengembang dan diuji menggunakan sampel video nyata untuk memastikan tingkat akurasinya.
Sighthound mendukung berbagai format pelat nomor internasional, namun kompatibilitas untuk format lokal tertentu harus dikonfirmasi langsung dengan pihak pengembang dan diuji menggunakan sampel video nyata untuk memastikan tingkat akurasinya. Jangan hanya bergantung pada materi pemasaran; uji sendiri dengan sampel lokal Anda.
Apakah fitur sensor otomatis bisa terlewat?
Ya. Setiap sistem anonimisasi otomatis memiliki risiko kesalahan deteksi, terutama pada resolusi rendah, profil wajah miring, atau kondisi terhalang sebagian. Praktik terbaik adalah tetap melakukan tinjauan manual setelah pemrosesan otomatis, dengan memposisikan otomatisasi sebagai alat untuk memangkas beban kerja secara drastis, bukan menghilangkannya sama sekali.
