Startup transforma câmeras em sistema de vigilância ativa com uso de IA
Startup transforma câmeras de segurança em sistemas de monitoramento ativo com inteligência artificial.
A startup Noleak desenvolveu uma solução inovadora para otimizar o uso de câmeras de segurança, transformando milhares de horas de vídeo em informações valiosas. A ferramenta, chamada Agatha, utiliza inteligência artificial para aprender padrões de comportamento em ambientes monitorados e emitir alertas ao identificar alterações. Com isso, as câmeras passam de meros dispositivos passivos a ativos, descartando imagens irrelevantes e permitindo que um único profissional monitore milhares de telas sem ser sobrecarregado por notificações desnecessárias.
O fundador da Noleak, Rafael Libardi, questionou os limites dos sistemas tradicionais de segurança. Ele observou que as câmeras ainda funcionam, em grande parte, como sensores de movimento sofisticados, mas com pouca inteligência. A lógica da plataforma foi inicialmente testada em um projeto de proteção de dados digitais, onde Libardi atuava com as Forças Armadas de um país da América Latina, focando na identificação de comportamentos anômalos em redes internas para detectar invasões cibernéticas.
Libardi percebeu que o método poderia ser adaptado para câmeras de segurança, substituindo pacotes de dados por pixels e ataques cibernéticos por comportamentos fora do padrão. Ele destacou que as soluções existentes no mercado eram baseadas em detecção de movimento, resultando em um grande número de alertas irrelevantes que tornavam os sistemas pouco eficazes. Assim, decidiu combinar seu conhecimento em cibersegurança com a segurança visual.
Aprendizado de padrões
A plataforma da Noleak opera observando o ambiente por um período determinado para estabelecer uma linha de base do que é considerado normal. Isso inclui identificar onde veículos costumam estacionar, quais horários têm maior movimento e as áreas com mais circulação. A partir dessa base, o sistema pode detectar desvios e enviar alertas para que um operador humano faça a avaliação.
Estudos sobre vigilância por vídeo mostram que a atenção humana tem limites significativos. Após cerca de 12 minutos de observação contínua, um operador pode deixar de perceber até 45% da atividade exibida. Depois de 22 minutos, esse número pode chegar a 95%. Com a triagem automatizada, um profissional pode acompanhar de 1.000 a 2.000 câmeras simultaneamente, recebendo apenas os trechos que realmente necessitam de análise.
A startup afirma que a ferramenta filtra mais de 99,8% das imagens irrelevantes, direcionando a atenção do analista para situações que realmente exigem decisão. Libardi resumiu: “Ele vê só o que está estranho”.
Aplicações além da segurança
O número de câmeras instaladas continua a crescer em condomínios, empresas, vias públicas e eventos. A Associação Brasileira das Empresas de Sistemas Eletrônicos de Segurança (Abese) estima que o setor faturou R$ 14 bilhões em 2024, representando um aumento de 16,1% em relação ao ano anterior. Além do monitoramento em tempo real, a tecnologia também permite análises forenses, facilitando a revisão de grandes volumes de vídeo e a localização rápida de anomalias.
Um exemplo prático é o de uma distribuidora de energia em Minas Gerais, que enfrentava furtos recorrentes em subestações. Com a Agatha, o tempo necessário para revisar semanas de gravações foi reduzido a aproximadamente 10 minutos, contendo o momento exato da invasão. A solução também tem sido aplicada para verificar o uso correto de equipamentos de proteção individual (EPIs), detectar comportamentos que precedem acidentes de trabalho, controlar estoques e monitorar processos industriais.
Em uma indústria agroindustrial em Belém (PA), a tecnologia identificou sinais de desgaste em correntes de grande porte através de alterações sutis nos padrões visuais. Outro projeto utilizou a ferramenta para realizar contagens em tempo real de sacos de cimento e grãos no Porto de Santos, substituindo processos manuais que eram suscetíveis a erros.
Uso em cidades inteligentes
A adaptação da ferramenta varia conforme a aplicação. O monitoramento de EPIs pode ser implementado em menos de 24 horas, enquanto sistemas de contagem em portos demandam cerca de uma semana de ajustes. Aplicações industriais mais complexas podem exigir meses de treinamento dos algoritmos.
Em condomínios e bairros monitorados, a inteligência artificial identifica placas de veículos dos moradores e alerta quando automóveis desconhecidos permanecem nas proximidades por períodos incomuns. Em um caso, o sistema
