Voltar para Soluções
Dor: falso positivo em CFTV

Sua central está afogada em alertas que não deveriam existir.

Ruído de câmera não se resolve trocando o algoritmo. Resolve-se com diagnóstico por câmera, baseline, regra por contexto, IA calibrada e critério de aceite combinado com quem opera.

Diagnóstico por câmera Baseline antes de escalar Critério de aceite combinado
Central sem calibração — última hora
LIVE
23:41Movimento — Câmera 12sombra
23:41Movimento — Câmera 12vegetação
23:42Movimento — Câmera 07chuva
23:43Movimento — Câmera 12sombra
23:43Invasão perímetro — Câmera 04REAL
23:44Movimento — Câmera 09inseto ir
23:44Movimento — Câmera 12sombra
6 de 7 alertas descartáveis85% ruído
IA calibrada por câmera
Piloto com critério de aceite
Escala após validação
Foco em evento crítico
Dores que você reconhece

Se mais de duas descrevem sua operação, há ruído acima do saudável.

01

Alerta que ninguém confia mais

Quando a maioria dos disparos é sombra, animal ou vegetação, a equipe passa a ignorar tudo — inclusive o evento real que aparece no meio do ruído.

02

Operador saturado em 15 minutos

Centrais que recebem centenas de eventos por hora perdem capacidade de triagem, atrasam resposta e começam a fechar chamados sem revisar evidência.

03

SLA de resposta descumprido

Contratos com SLA de tratativa por evento viram risco financeiro quando o volume dispara em madrugada, chuva ou horário de pico.

04

Cliente perde confiança no CFTV

Síndico, gestor de facilities ou dono da operação passa a duvidar do investimento em câmeras e IA — mesmo quando a tecnologia está correta.

05

Madrugada vira caixa preta

Sem calibração noturna, insetos em infravermelho, chuva e reflexo dominam o volume de alertas justamente no horário mais crítico.

06

Perímetro externo fora de controle

Vegetação ao vento, animais, faroletes de carro e fluxo público geram evento contínuo em câmeras de rua, portão e área aberta.

Diagnóstico honesto

Falso positivo raramente começa no algoritmo.

Antes de trocar plataforma ou pedir mais IA, é melhor entender de onde o ruído está vindo. As causas mais comuns são operacionais e resolvem com método.

01

Regra genérica para todas as câmeras

Uma única configuração de detecção de movimento aplicada a portão, corredor interno e área externa gera comportamento previsivelmente ruim em pelo menos duas delas.

02

Falta de zona, horário e permanência

Sem recorte de zona útil, janela de horário e tempo mínimo de permanência, qualquer variação de pixel vira alerta.

03

Sem baseline antes de ligar a IA

Se ninguém mediu o volume atual de eventos por câmera, é impossível provar melhoria — e fácil vender promessa que não se confirma.

04

IA calibrada uma vez e esquecida

Ambientes mudam: obra nova, poda de árvore, mudança de layout, nova rota de pedestre. Sem revisão periódica, o modelo degrada.

05

Câmera errada para o evento

Ângulo baixo demais, foco fora, resolução insuficiente ou infravermelho fraco limitam o que qualquer algoritmo consegue entregar.

06

Ninguém revisa evento falso

Se o operador só descarta sem marcar causa, o time perde o único dado que permite reduzir ruído de forma sustentada.

Antes e depois

Antes e depois do método de calibração

Central sem calibração
  • Alerta a cada 30 segundos sem prioridade
  • Operador ignora notificação no celular
  • Central perde chamado real no meio do ruído
  • Cliente pede para desligar câmeras à noite
  • Sem número para provar melhoria
  • Piloto vira compra sem aceite claro
Central com IA calibrada
  • Alerta priorizado por câmera, área e horário
  • Operador trata evento com evidência visual
  • Central cumpre SLA mesmo em madrugada de chuva
  • Cliente enxerga redução com dado por câmera
  • Baseline antes e depois documentado
  • Piloto tem critério de aceite combinado
Método Noleak

6 passos para reduzir falso positivo sem promessa vazia

Não vendemos IA mágica. Vendemos processo com evidência por câmera, revisão operacional e critério de aceite combinado antes de escalar.

ETAPA 01

Diagnóstico por câmera

Levantamos ângulo, iluminação, resolução, rede, uso atual e evento esperado por câmera crítica — não por parque inteiro.

  • Mapa câmera x evento x prioridade
  • Lista de câmeras sem viabilidade técnica
  • Recorte inicial de piloto
ETAPA 02

Baseline de ruído

Medimos volume de alerta atual por câmera, por hora e por causa. Sem baseline, qualquer número depois vira anedota.

  • Eventos por câmera por dia
  • Curva por hora e clima
  • Top 5 causas de falso positivo
ETAPA 03

Regras por contexto

Cada câmera recebe zona útil, janela de horário, tempo de permanência e evento esperado. Regra genérica sai, critério por área entra.

  • Zonas desenhadas por câmera
  • Horários ativos por regra
  • Eventos permitidos e ignorados
ETAPA 04

IA calibrada com evidência

A IA entra depois do contexto pronto, com classes de evento reais da operação e revisão das primeiras semanas com o time.

  • Classes ajustadas ao caso
  • Amostras marcadas por operador
  • Threshold combinado com o cliente
ETAPA 05

Critério de aceite

Definimos com o cliente o que é melhoria aceitável: redução percentual, tempo de tratativa, SLA cumprido. Sem critério não há piloto.

  • Meta de redução por câmera
  • SLA combinado
  • Definição de sucesso do piloto
ETAPA 06

Revisão contínua

Rotina periódica de revisão de amostra, ajuste de regra, poda de câmera com baixo retorno e expansão controlada para novas áreas.

  • Reunião quinzenal de tuning
  • Dashboard de causa raiz
  • Plano de expansão por prioridade
5-30
Câmeras avaliadas por diagnóstico inicial
7-14 dias
Baseline recomendado antes de ligar IA
quinzenal
Revisão operacional de calibração
sempre
Critério de aceite combinado por escrito
Para quem funciona melhor

Onde reduzir falso positivo entrega mais valor

Centrais de monitoramento

Reduzir volume por operador, cumprir SLA de tratativa e priorizar eventos com evidência visual antes de despachar viatura.

Agatha para centrais

Condomínios e facilities

Portão aberto, área restrita, madrugada sem porteiro atento. Alertas com critério por zona e horário, integrados ao VMS atual.

Agatha para condomínios

Indústria, logística e pátio

Perímetro externo, docas, pátio de veículos e área de estoque com regra por zona, permanência e horário de operação.

IA para segurança patrimonial
Checklist de 5 minutos

O que ter em mãos antes da conversa

Se você chegar com estes dados, já saímos da primeira reunião com um recorte de piloto e um critério de aceite proposto — não com apresentação genérica.

  • 01Quantas câmeras estão no escopo e qual é a criticidade de cada uma?
  • 02Qual é o volume médio de alertas por hora hoje?
  • 03Quem revisa os alertas e em qual horário?
  • 04Qual é o SLA de tratativa combinado com o cliente final?
  • 05Existe integração com VMS ou plataforma de monitoramento?
  • 06Qual é o evento que, se perdido, gera perda financeira ou reputacional?
Perguntas frequentes

Respostas diretas antes do diagnóstico

Ruído sob controle

Vamos transformar sua central em uma operação com sinal, não ruído.

30 minutos para entender câmeras, VMS e SLA — e sair com um recorte de piloto por câmera crítica, baseline recomendado e critério de aceite proposto.