آيا واقعاً تجزيه و تحليل ويديويي مي تواند هوشمند باشد؟

پنجشنبه ۲۸ اسفند ۹۹ ۰۷:۱۲ ۱۰۹ بازديد

آيا واقعاً تجزيه و تحليل ويديويي مي تواند هوشمند باشد؟

تجزيه و تحليل ويديويي موضوعي است كه اين روز ها در صدر تكنولوژي هاي رو به پيشرفت در حوزه امنيت قرار گرفته است. همه ما مي دانيم كه نظارت تصويري معمولاً با امنيت همراه است. اما در بيشتر موارد، اين تكنولوژي به جاي جلوگيري از وقايع نامطلوب، براي ثبت حوادث و كمك به تحقيقات پس از واقعيت استفاده مي شود.

تجزيه و تحليل ويديويي مجهز به هوش مصنوعي روند بسيار اميدوار كننده اي است كه اساساً نحوه كار را تغيير مي دهد. استخراج داده هاي قابل كنترل از يك جريان ويدئويي مي تواند در اوايل شناسايي موقعيت هاي خطرناك، به حداقل رساندن آسيب و در حالت ايده آل، به طور كامل از موارد اضطراري جلوگيري كند. همچنين، هوش مصنوعي به طور قابل توجهي زمينه هاي استفاده از نظارت تصويري را فراتر از سيستم هاي امنيتي سنتي گسترش مي دهد.

با اين حال، هياهوي پيرامون اين فناوري جديد و مد روز از انتخاب راه حل هاي با كيفيت در طيف گسترده اي از محصولات براي كاربران بالقوه جلوگيري مي كند. اين موضوع اغلب منجر به وسواس ها و ايجاد موانع براي استفاده از اين تكنولوژي و به دنبال آن يك محدوديت كامل مي شود. آيا واقعاً تجزيه و تحليل ويديويي مجهز به هوش مصنوعي مي تواند كليد موفقيت در نظارت تصويري باشد؟ در اين مقاله سعي مي كنيم از زواياي مختلف اين موضوع را بررسي كنيم تا بفهميم كه اين فناوري چه كاري مي تواند انجام دهد ، چه كاري نمي تواند و از كجا مي تواند به كجا برسد؟

پيشرفت تكنولوژيكي يا فقط يك سراب ديگر؟

اغلب گفته مي شود كه بازار نرم افزار مديريت فيلم (VMS) به طور فزاينده اي در حال پيشرفت است و به طور گسترده در دسترس عموم قرار گرفته است. همچنين در اين بازار بسياري از محصولات با ويژگي هاي مشابه وجود دارند كه اين موضوع انتخاب را براي ما دشوار مي كند. در نتيجه در چنين شرايطي، نام و اعتبار فروشندگان و نحوه برندسازي آنها در حال تبديل شدن به يكي از اصلي ترين مزيت هاي فروش آنها در بازار جهاني است. به همين دليل توليدكنندگان در حال حاضر دو گزينه در دسترس دارند: اول اينكه مي توانند درگير جنگ قيمت شوند و به كاهش هزينه ها اعتماد كنند، يا محصولي را ارائه دهند كه واقعاً نوآورانه و انقلابي باشد و با برند سازي سود سرشاري نسيب شركتشان كنند.

توسعه دهندگان VMS كه مسير دوم را انتخاب مي كنند، در حال ايجاد محصولاتي هستند كه از هوش مصنوعي مبتني بر شبكه هاي عصبي و يادگيري عميق استفاده مي كنند. بازار تجزيه و تحليل ويديويي مبتني بر هوش مصنوعي كه دو يا سه سال پيش ظهور كرده است، رونق شديدي را در حال حاضر تجربه مي كند. اين موج جديد فناوري باعث تغييرات شگرفت در دنياي VMS شده است و به توسعه دهندگان كوچك و بلندپرواز چيزي را مي دهد كه نسبت به آن خوشبين باشند. به نظر مي رسد كه توليد كنندگان خلاق اكنون فرصت دارند تا در چند سال آينده به عنوان رهبران بازار ظهور كنند.

با اين حال ، هياهوي پيرامون اين روند جذاب و تحول انقلابي نگراني هاي منطقي را در ميان متخصصان باتجربه صنعت امنيت ايجاد كرده است. اين نگراني ها ناشي از مشترياني است كه به دنبال راه حلي نوآورانه براي مشكلات خود هستند در حالي كه تأمين كنندگان استراتژي توسعه بلند مدت را در خلاف جهت چنين درخواستهايي گسترش مي دهند. تي وي تي دوربين مداربسته

اين موضوع تا حد زيادي شبيه حباب فناوري است كه در سالهاي گذشته در بسياري از صنايع مشاهده شده است ، مانند حبابي كه در صنعت تجزيه و تحليل ويديوي قبل از هوش مصنوعي ايجاد شده بود و هنگامي كه مشخص شد وعده هاي پيرامون آن تبليغات بازاريابي محض است، منفجر شد. با اين حال، عواملي وجود دارد كه نشان مي دهد سيستم هاي نظارت تصويري مجهز به هوش مصنوعي حباب نيستند و بايد آنها را جدي گرفت.

سه عامل كه هوش مصنوعي را بايد جدي بگيريم

اولين – و اصلي ترين دليل اين است كه اين تكنولوژي از سيستم هاي موجود در سايت هاي مشتريان ناشي مي شود. آنها همان ترفندهاي گذشته بازار را استفاده مي كنند تا به سرعت به كامپيوتر بياموزند كه با استفاده از رويكرد الگوريتمي كلاسيك وقايع را در زمان واقعي تجزيه و تحليل كند.

مورد دوم اين واقعيت است كه اين فناوري جديد نه تنها از طريق نرم افزار و استارت آپ هاي ابري ، بلكه توسط توسعه دهندگان VMS نيز به شدت پيگيري مي شود. حتي غول هايي مانند اينتل كه مجموعه كاملي از سخت افزار شتاب دهنده شبكه عصبي و مجموعه اي از ابزارهاي نرم افزاري را ارائه مي دهد نيز در حال حاضر كار در زمينه بينايي رايانه را شتاب داده است.

عامل سوم در توانايي هاي هوش مصنوعي نهفته است. هوش مصنوعي شطرنج بازي مي كند ، اتومبيل هاي نسل جديد را رانندگي مي كند و در بسياري از زمينه هاي ديگر معجزه مي كند. چرا نبايد از آن براي نظارت و تجزيه و تحليل ويدئوها استفاده شود؟

بيشتر بخوانيد: هايك ويژن نصب دوربين مدار بسته

آنچه هوش مصنوعي مي تواند انجام دهد

سوال اصلي اين است كه در اين مرحله از پيشرفت ، هوش مصنوعي در سيستم هاي نظارت تصويري چه كاري مي تواند انجام دهد؟ در حال حاضر اين تكنولوژي نمي تواند توالي وقايع را كاملاً تجزيه و تحليل كند و “منطق” آنچه را كه در ميدان ديد دوربين ها رخ مي دهد را به درستي درك نمي كند. اما اين احتمال وجود دارد كه هوش مصنوعي طي چند سال آينده اين كار را بياموزد. با اين وجود در همين لحظه نيز تجزيه و تحليل شبكه عصبي مي تواند اشيا را به خوبي تشخيص ، طبقه بندي و رديابي كند ، حتي در صحنه هاي شلوغ نيز اين تكنولوژي از دقت بالايي برخوردار است. بنابراين تجزيه و تحليل ويديويي اگر چه يك تكنولوژي نوظهور است و اميدواري هايي براي ما ايجاد كرده است اما هنوز تا طي شدن موفقيت در اين مسير راه بسياري باقي مانده است.

به هر حال از هوش مصنوعي مي توان در دنياي واقعي استفاده كرد تا:

دود و شعله هاي آتش را براي هشدار زود هنگام آتش در مناطق آزاد (جنگل ، انبار روباز ، پاركينگ و غيره) شناسايي كند
افراد / وسايل نقليه را از حيوانات و ساير اشيا متحرك متمايز كنيد.
براي محافظت از محيط پارك طبيعي در برابر شكارچيان غيرمجاز نيز مي توان از اين تكنولوژي استفاده كرد.
يك فرد با كلاه ايمني و لباس محافظ را از شخصي كه فاقد آن است متمايز كنيد تا از بروز حوادث در يك مركز خطرناك ت جلوگيري كند.

دوربين حرارتي دوربين اچ دي

پس از آموزش هايي كه در مورد آن سخن گفتيم، يك شبكه عصبي ، مي تواند از عهده كارهاي ديگر مشابه نيز برآيد. به طور كلي ، يك شبكه عصبي آموزش ديده در شرايط خاص به شدت مي تواند مفيد واقع شود. از طرف ديگر ، توسعه دهندگان ياد گرفته اند كه چگونه هوش مصنوعي را سريع تر براي نيازهاي يك پروژه خاص آموزش دهند و البته براي چنين آموزش هايي مهمترين شرط داشتن فيلمهاي ويدئويي كافي است.

همچنين استفاده از هوش مصنوعي در تشخيص چهره و ANPR از مدت ها قبل شروع شده است. نوع ديگري از تجزيه و تحليل هوش مصنوعي كه بررسي خواهيم كرد، تجزيه و تحليل رفتار است. اين عملكرد ، احتمالاً بيش از هر عملكرد ديگر، نزديك كردن سيستم هاي نظارت تصويري به درك آنچه در دوربين رخ مي دهد است و البته پتانسيل اين سيستم ها براي چنين كاري بسيار زياد است.

تحليل رفتار چگونه كار مي كند

از نظر فني ، تجزيه و تحليل ويديويي و تجزيه و تحليل رفتار، هوش مصنوعي را با يك رويكرد الگوريتمي كلاسيك تركيب مي كند. يك شبكه عصبي آموزش ديده در مورد بسياري از سناريوها مي تواند موقعيت بدن ، سر و اندام انسان را در ميدان ديد دوربين مشخص كند. اين الگوريتم اطلاعات بسياري از داده ها را كه حاوي توصيف وضعيت آنها هستند ، توليد مي كند.

براي داده ها مي توان شرايطي را تعيين كرد كه حالت خاصي را تشخيص دهد ، مانند دست هاي بلند ، سجده يا خميده. توسعه دهندگان مي توانند از اين ابزار براي ايجاد سريع ابزارهاي جديد شناسايي براي شناسايي رفتارهاي بالقوه خطرناك مشخص شده توسط مشتري يا مراجعه كنندگان به مكاني خاص استفاده كنند.

نحوه تجزيه و تحليل رفتار

فردي كه در كنار خودپرداز خم شده است مي تواند يك تكنسين، نگهبان CIT يا سارق باشد. امنيت بانكي ايجاب مي كند كه در هر يك از موارد شرايط مورد نظر به دقت بررسي و اعلام شود. يا براي مثال فردي در موقعيت تيراندازي، همراه با يك كارمند بانك يا صندوقدار با دستان بالا مي تواند يك سرقت را نشان دهد. اين سيستم را مي توان به گونه اي پيكربندي كرد كه به صورت خودكار هشدارها را با يك عكس نظارت براي پليس ارسال كند تا آنها بتوانند تهديد را ارزيابي كرده و در صورت نياز اقدام كنند. بسيار مهم است كه پليس هشدار را دريافت كند، حتي اگر كارمند قادر به فعال كردن زنگ خطر نباشد. دوربين‌ مداربسته تحت شبكه بهترين دوربين‌ مدار بسته

در بسياري از موارد، توجه بايد به يك فرد دراز كشيده بر روي زمين معطوف مي شود. اين مي تواند كسي باشد كه به كمك فوري نياز دارد ، يا ممكن است كسي باشد كه در يك مكان عمومي نامناسب خوابيده است.

همچنين مي توان از تجزيه و تحليل ويديويي و در راس آن تجزيه و تحليل رفتاري براي اطمينان از ايمني محل كار استفاده كرد. به عنوان مثال، رديابي اينكه آيا كاركنان هنگام استفاده از پله ها در يك تاسيسات توليدي يا يك مكان ساختماني ، از امينيت كافي برخوردار هستند يا خير.

بنابراين تجزيه و تحليل رفتار را مي توان در هرجايي كه امكان تشخيص براي اين سيستم ها وجود دارد استفاده كنيد. با استفاده از اين ويژگي ، عملاً هر ژست كه نشان دهنده رفتار بالقوه خطرناك باشد ، قابل تشخيص است. پاسخ به موقع به زنگ هشدار كمك مي كند تا از خسارات مادي يا در شرايط ديگر ، از تلفات جاني جلوگيري شود.

۰ نظر

آيا واقعاً تجزيه و تحليل ويديويي مي تواند هوشمند باشد؟