تجزیه و تحلیل ویدیویی موضوعی است که این روز ها در صدر تکنولوژی های رو به پیشرفت در حوزه امنیت قرار گرفته است. همه ما می دانیم که نظارت تصویری معمولاً با امنیت همراه است. اما در بیشتر موارد، این تکنولوژی به جای جلوگیری از وقایع نامطلوب، برای ثبت حوادث و کمک به تحقیقات پس از واقعیت استفاده می شود.
تجزیه و تحلیل ویدیویی مجهز به هوش مصنوعی روند بسیار امیدوار کننده ای است که اساساً نحوه کار را تغییر می دهد. استخراج داده های قابل کنترل از یک جریان ویدئویی می تواند در اوایل شناسایی موقعیت های خطرناک، به حداقل رساندن آسیب و در حالت ایده آل، به طور کامل از موارد اضطراری جلوگیری کند. همچنین، هوش مصنوعی به طور قابل توجهی زمینه های استفاده از نظارت تصویری را فراتر از سیستم های امنیتی سنتی گسترش می دهد.
با این حال، هیاهوی پیرامون این فناوری جدید و مد روز از انتخاب راه حل های با کیفیت در طیف گسترده ای از محصولات برای کاربران بالقوه جلوگیری می کند. این موضوع اغلب منجر به وسواس ها و ایجاد موانع برای استفاده از این تکنولوژی و به دنبال آن یک محدودیت کامل می شود. آیا واقعاً تجزیه و تحلیل ویدیویی مجهز به هوش مصنوعی می تواند کلید موفقیت در نظارت تصویری باشد؟ در این مقاله سعی می کنیم از زوایای مختلف این موضوع را بررسی کنیم تا بفهمیم که این فناوری چه کاری می تواند انجام دهد ، چه کاری نمی تواند و از کجا می تواند به کجا برسد؟
پیشرفت تکنولوژیکی یا فقط یک سراب دیگر؟
اغلب گفته می شود که بازار نرم افزار مدیریت فیلم (VMS) به طور فزاینده ای در حال پیشرفت است و به طور گسترده در دسترس عموم قرار گرفته است. همچنین در این بازار بسیاری از محصولات با ویژگی های مشابه وجود دارند که این موضوع انتخاب را برای ما دشوار می کند. در نتیجه در چنین شرایطی، نام و اعتبار فروشندگان و نحوه برندسازی آنها در حال تبدیل شدن به یکی از اصلی ترین مزیت های فروش آنها در بازار جهانی است. به همین دلیل تولیدکنندگان در حال حاضر دو گزینه در دسترس دارند: اول اینکه می توانند درگیر جنگ قیمت شوند و به کاهش هزینه ها اعتماد کنند، یا محصولی را ارائه دهند که واقعاً نوآورانه و انقلابی باشد و با برند سازی سود سرشاری نسیب شرکتشان کنند.
توسعه دهندگان VMS که مسیر دوم را انتخاب می کنند، در حال ایجاد محصولاتی هستند که از هوش مصنوعی مبتنی بر شبکه های عصبی و یادگیری عمیق استفاده می کنند. بازار تجزیه و تحلیل ویدیویی مبتنی بر هوش مصنوعی که دو یا سه سال پیش ظهور کرده است، رونق شدیدی را در حال حاضر تجربه می کند. این موج جدید فناوری باعث تغییرات شگرفت در دنیای VMS شده است و به توسعه دهندگان کوچک و بلندپرواز چیزی را می دهد که نسبت به آن خوشبین باشند. به نظر می رسد که تولید کنندگان خلاق اکنون فرصت دارند تا در چند سال آینده به عنوان رهبران بازار ظهور کنند.
با این حال ، هیاهوی پیرامون این روند جذاب و تحول انقلابی نگرانی های منطقی را در میان متخصصان باتجربه صنعت امنیت ایجاد کرده است. این نگرانی ها ناشی از مشتریانی است که به دنبال راه حلی نوآورانه برای مشکلات خود هستند در حالی که تأمین کنندگان استراتژی توسعه بلند مدت را در خلاف جهت چنین درخواستهایی گسترش می دهند.
این موضوع تا حد زیادی شبیه حباب فناوری است که در سالهای گذشته در بسیاری از صنایع مشاهده شده است ، مانند حبابی که در صنعت تجزیه و تحلیل ویدیوی قبل از هوش مصنوعی ایجاد شده بود و هنگامی که مشخص شد وعده های پیرامون آن تبلیغات بازاریابی محض است، منفجر شد. با این حال، عواملی وجود دارد که نشان می دهد سیستم های نظارت تصویری مجهز به هوش مصنوعی حباب نیستند و باید آنها را جدی گرفت.
سه عامل که هوش مصنوعی را باید جدی بگیریم
اولین – و اصلی ترین دلیل این است که این تکنولوژی از سیستم های موجود در سایت های مشتریان ناشی می شود. آنها همان ترفندهای گذشته بازار را استفاده می کنند تا به سرعت به کامپیوتر بیاموزند که با استفاده از رویکرد الگوریتمی کلاسیک وقایع را در زمان واقعی تجزیه و تحلیل کند.
مورد دوم این واقعیت است که این فناوری جدید نه تنها از طریق نرم افزار و استارت آپ های ابری ، بلکه توسط توسعه دهندگان VMS نیز به شدت پیگیری می شود. حتی غول هایی مانند اینتل که مجموعه کاملی از سخت افزار شتاب دهنده شبکه عصبی و مجموعه ای از ابزارهای نرم افزاری را ارائه می دهد نیز در حال حاضر کار در زمینه بینایی رایانه را شتاب داده است.
عامل سوم در توانایی های هوش مصنوعی نهفته است. هوش مصنوعی شطرنج بازی می کند ، اتومبیل های نسل جدید را رانندگی می کند و در بسیاری از زمینه های دیگر معجزه می کند. چرا نباید از آن برای نظارت و تجزیه و تحلیل ویدئوها استفاده شود؟
بیشتر بخوانید: هایک ویژن نصب دوربین مدار بسته دوربین مداربسته
آنچه هوش مصنوعی می تواند انجام دهد
سوال اصلی این است که در این مرحله از پیشرفت ، هوش مصنوعی در سیستم های نظارت تصویری چه کاری می تواند انجام دهد؟ در حال حاضر این تکنولوژی نمی تواند توالی وقایع را کاملاً تجزیه و تحلیل کند و “منطق” آنچه را که در میدان دید دوربین ها رخ می دهد را به درستی درک نمی کند. اما این احتمال وجود دارد که هوش مصنوعی طی چند سال آینده این کار را بیاموزد. با این وجود در همین لحظه نیز تجزیه و تحلیل شبکه عصبی می تواند اشیا را به خوبی تشخیص ، طبقه بندی و ردیابی کند ، حتی در صحنه های شلوغ نیز این تکنولوژی از دقت بالایی برخوردار است. بنابراین تجزیه و تحلیل ویدیویی اگر چه یک تکنولوژی نوظهور است و امیدواری هایی برای ما ایجاد کرده است اما هنوز تا طی شدن موفقیت در این مسیر راه بسیاری باقی مانده است.
به هر حال از هوش مصنوعی می توان در دنیای واقعی استفاده کرد تا:
- دود و شعله های آتش را برای هشدار زود هنگام آتش در مناطق آزاد (جنگل ، انبار روباز ، پارکینگ و غیره) شناسایی کند
- افراد / وسایل نقلیه را از حیوانات و سایر اشیا متحرک متمایز کنید.
- برای محافظت از محیط پارک طبیعی در برابر شکارچیان غیرمجاز نیز می توان از این تکنولوژی استفاده کرد.
- یک فرد با کلاه ایمنی و لباس محافظ را از شخصی که فاقد آن است متمایز کنید تا از بروز حوادث در یک مرکز خطرناک ت جلوگیری کند.
پس از آموزش هایی که در مورد آن سخن گفتیم، یک شبکه عصبی ، می تواند از عهده کارهای دیگر مشابه نیز برآید. به طور کلی ، یک شبکه عصبی آموزش دیده در شرایط خاص به شدت می تواند مفید واقع شود. از طرف دیگر ، توسعه دهندگان یاد گرفته اند که چگونه هوش مصنوعی را سریع تر برای نیازهای یک پروژه خاص آموزش دهند و البته برای چنین آموزش هایی مهمترین شرط داشتن فیلمهای ویدئویی کافی است.
همچنین استفاده از هوش مصنوعی در تشخیص چهره و ANPR از مدت ها قبل شروع شده است. نوع دیگری از تجزیه و تحلیل هوش مصنوعی که بررسی خواهیم کرد، تجزیه و تحلیل رفتار است. این عملکرد ، احتمالاً بیش از هر عملکرد دیگر، نزدیک کردن سیستم های نظارت تصویری به درک آنچه در دوربین رخ می دهد است و البته پتانسیل این سیستم ها برای چنین کاری بسیار زیاد است.
تحلیل رفتار چگونه کار می کند
از نظر فنی ، تجزیه و تحلیل ویدیویی و تجزیه و تحلیل رفتار، هوش مصنوعی را با یک رویکرد الگوریتمی کلاسیک ترکیب می کند. یک شبکه عصبی آموزش دیده در مورد بسیاری از سناریوها می تواند موقعیت بدن ، سر و اندام انسان را در میدان دید دوربین مشخص کند. این الگوریتم اطلاعات بسیاری از داده ها را که حاوی توصیف وضعیت آنها هستند ، تولید می کند.
برای داده ها می توان شرایطی را تعیین کرد که حالت خاصی را تشخیص دهد ، مانند دست های بلند ، سجده یا خمیده. توسعه دهندگان می توانند از این ابزار برای ایجاد سریع ابزارهای جدید شناسایی برای شناسایی رفتارهای بالقوه خطرناک مشخص شده توسط مشتری یا مراجعه کنندگان به مکانی خاص استفاده کنند.
نحوه تجزیه و تحلیل رفتار
فردی که در کنار خودپرداز خم شده است می تواند یک تکنسین، نگهبان CIT یا سارق باشد. امنیت بانکی ایجاب می کند که در هر یک از موارد شرایط مورد نظر به دقت بررسی و اعلام شود. یا برای مثال فردی در موقعیت تیراندازی، همراه با یک کارمند بانک یا صندوقدار با دستان بالا می تواند یک سرقت را نشان دهد. این سیستم را می توان به گونه ای پیکربندی کرد که به صورت خودکار هشدارها را با یک عکس نظارت برای پلیس ارسال کند تا آنها بتوانند تهدید را ارزیابی کرده و در صورت نیاز اقدام کنند. بسیار مهم است که پلیس هشدار را دریافت کند، حتی اگر کارمند قادر به فعال کردن زنگ خطر نباشد.
در بسیاری از موارد، توجه باید به یک فرد دراز کشیده بر روی زمین معطوف می شود. این می تواند کسی باشد که به کمک فوری نیاز دارد ، یا ممکن است کسی باشد که در یک مکان عمومی نامناسب خوابیده است.
همچنین می توان از تجزیه و تحلیل ویدیویی و در راس آن تجزیه و تحلیل رفتاری برای اطمینان از ایمنی محل کار استفاده کرد. به عنوان مثال، ردیابی اینکه آیا کارکنان هنگام استفاده از پله ها در یک تاسیسات تولیدی یا یک مکان ساختمانی ، از امینیت کافی برخوردار هستند یا خیر.
بنابراین تجزیه و تحلیل رفتار را می توان در هرجایی که امکان تشخیص برای این سیستم ها وجود دارد استفاده کنید. با استفاده از این ویژگی ، عملاً هر ژست که نشان دهنده رفتار بالقوه خطرناک باشد ، قابل تشخیص است. پاسخ به موقع به زنگ هشدار کمک می کند تا از خسارات مادی یا در شرایط دیگر ، از تلفات جانی جلوگیری شود.
بیشتر بخوانید: بهترین دوربین مدار بسته
وبلاگ هایی درباره دوربین های مداربسته