Please upgrade to the new Edge browser, or use Chrome, Firefox or Safari, before continuing. Internet Explorer will not support the best shopping experience on the ADI Digital Branch site after March 12.
ADI #:311323560 Model #: DS-2CD3T86G2-4ISY2.8MMHEFO-STD Name: Hikvision DS-2CD3T86G2-4ISY(2.8MM)(H)(EF) AcuSense Ultra Series 8MP Fixed Bullet IP Camera, 2.8mm Fixed Focal Lens
Supports Hikvision Embedded Open Platform (HEOP) and importing third party applications
Supports 1.5 Tops computing power, 40 MB system memory, 350 MB smart RAM, and 2 GB eMMC storage for sharing resources
High quality imaging with 8MP resolution
Produktöversikt
General Information
Hikvisions AcuSense-teknik, som bygger på algoritmer för djupinlärning, ger klassificeringslarm för människor och fordon till front- och backend-enheter. Systemet fokuserar på mänskliga och fordonsmål, vilket avsevärt förbättrar larmeffektiviteten och effektiviteten.Hikvision har varit dedikerad till att utveckla produkter med säkerhet sedan det etablerades. Hikvision följer alltid principen om säkerhet genom design och har infört många metoder för säkerhetsteknik i vår produktutvecklingslivscykel, inklusive terminalsäkerhet, datasäkerhet, applikationssäkerhet, nätverkssäkerhet och integritetsskydd. Samtidigt är de säkerhetstekniker som används av Hikvision alla i överensstämmelse med lokala tillämpliga lagar och säkerhetsföreskrifter. Dessa säkerhetsåtgärder kan förbättra produktens förmåga att försvara sig mot cybersäkerhet och skydda dina enheter och dina data från skadliga cyberattacker.
Huvudsakliga egenskaper
Stödjer Hikvision Embedded Open Platform (HEOP) och import av applikationer från tredje part
Stödjer 1,5 Tops datorkraft, 40 MB systemminne, 350 MB smart RAM och 2 GB eMMC-lagring för delning av resurser
Högkvalitativ bildbehandling med 8MP-upplösning
Utmärkt prestanda i svagt ljus med powered-by-DarkFighter-teknik
Effektiv komprimeringsteknik H.265
Tydlig bild i starkt motljus tack vare 120 dB sann WDR-teknik
Fokus på klassificering av människor och fordon baserat på djupinlärning