ابتدا بهتر است با مفهوم هوش مصنوعی آشنا شویم، سپس به کاربرد آن بپردازیم…
به سیستم‌هایی که توانایی نشان دادن واکنش‌هایی شبیه واکنش و رفتارهای هوشمند انسانی در شرایط پیچیده را دارند، همینطور توانایی شبیه سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسائل را دارند هوش مصنوعی میگویند و در سیستم های امنیتی هوش مصنوعی نرم افزاری است که فرآیند تفکر و هوش انسان را برای دوربین یا سایر تجهیزات مدار بسته شبیه سازی میکند تا در برابر تصاویر و موقعیت های مختلف، نتایجی شبیه به تصمیم گیری انسان گرفته شود.
امروزه با توجه به پیشرفت صنعت نظارت تصویری و توسعه سیستم ها بر مبنای اینترنت اشیا ( IOT ) ، بسیاری از تولید کنندگان به سمت تولید محصولات دوربین مدار بسته مجهز به سیستم هوش مصنوعی رفته اند. دوربین مدار بسته هوش مصنوعی و نرم افزار هوش مصنوعی و… به جای انسان ها میبینند، فکر می کنند ، تصمیم می گیرند و در آخر عمل می کنند. این حقیقتی است که در دنیای هوش مصنوعی اتفاق می افتد.
سیستم های دوربین مداربسته که برپایه هوش مصنوعی میباشند توانایی این را دارند که با آنالیز حرکت، سرعت و تراکم خودروها در یک اتوبان، ترافیک را مدیریت کنند.
سیستم های آنالیز هوشمند تصویر، با آنالیز تصاویر دوربین مداربسته قادر به بررسی موارد بسیاری میباشند برای مثال:
– تشخیص ورود غیر مجاز به محوطه ی ممنوعه
– تشخیص توقف غیر مجاز در فضای ممنوعه
– تشخیص چهره افراد یا پلاک خودرو های متخلف
– شمارش افراد وارد شده به یک ناحیه
– ثبت چهره افراد و تطبیق با الگوهای از پیش تعریف شده در سیستم
– کنترل ورود یا خروج افراد بر اساس چهره…
– یکی دیگر از کاربرد های هوش مصنوعی در دوربین های مداربسته deep learning است.
– با استفاده از این تکنولوژی میتوانیم آن را مانند یک کودک برنامه ریزی کنیم و ماشین، با یادگیری و رفع اشکالات درطول زمان ، آن ها را اصلاح و کاربردی کند.
در دوربین مداربسته، تشخیص چهره از قابلیت های مهم آن محسوب میشود که دارای دو مرحله میباشد:
1- تحلیل و پردازش اطلاعات مورد نیاز از سوژه
2- طبقه بندی اطلاعات بدست آمده از تصاویر
در مرحله اول، دقت تصاویر در این بخش خیلی مهم میباشد و مستقیماً بر روی الگوریتم های تحلیلی اثر دارد. بخش مهمی از پردازش تصویر در این قسمت انجام می شود. قبل از این فن آوری، دوربین های هوشمند بر اساس الگوریتم ها و برنامه های ذهنی طراحان برنامه نویسی میشد، اکثر ویژگی های تعریف شده در سیستم در محیط واقعی به راحتی کار نمیکرد و برای انسان قابل درک نبود. عوامل محیطی مانند مکان نصب دوربین، میزان نور محیطی و زاویه دید دوربین بر روی عملکرد آن موثر هستند و می توانند باعث خطا در کارکرد سیستم شوند.اما در الگوریتم هایی که بر اساس هوش مصنوعی طراحی شده اند به نکات ظریف و جزئی تری دقت شده است.
در مرحله دوم، دوربین های مداربسته در طول تصویر برداری،خیلی از موارد را مورد بررسی قرار میدهند. در مورد وسایل نقلیه، افراد، اشیاء موجود در محیط و ترددها و… هر کدام از آنها دارای ویژگی های ظاهری متفاوتی هستند و تشخیص هرکدام بر اساس الگوریتم های تصویری خاصی امکان پذیر است. تشخیص اتومبیل و وسایل نقلیه به دلیل داشتن الگوریتم ساده و مشخص کار راحت تری میباشد . در نتیجه دوربین های نسل اول هوشمند توانایی تشخیص آن ها را دارند. اما در الگوریتم های انسانی و چهره ها به این دلیل که چندین عامل باهم ترکیب شدند، این دوربین ها دچار خطا می شوند. به همین جهت لازم است تا هوش مصنوعی با درک عمیق تری از یادگیری و اصلاح خطا گسترش پیدا کند تا عملکرد این سری جدید دوربین های مداربسته هوشمند بهتر شود.
تبدیل الگوریتم های تصویری سطحی به عمیق بر اساس روش باینری صورت میگیرد این مدل می تواند ساختار فرآیند انتزاعی لایه ای با صدها لایه تصویری را بفهمد و به پردازش و دسته بندی حجم وسیعی از اطلاعات بپردازد.
هر لایه تصویر، شاخصه ها و حجم پردازش مختلفی را دارا میباشد. هرچه این شاخصه ها برای تشخیص یک تصویر بالاتر باشد مولفه های تشخیص اختصاصی تر خواهند بود. به این صورت که پیام محیطی پس از اینکه توسط لایه های متنوع و مختلف پردازش دریافت شد، به شکل یک مفهوم قابل درک برای کاربر در سیستم نمایش داده می شود.
در این فن آوری، نیازی به برنامه ریزی انسانی نیست و همه عملکردهای سیستم یک فرآیند مانند تحلیل، بررسی، آموزش و جمع آوری اطلاعات از محیط به صورت باینری صورت میگیرد. این مدل توانایی بررسی و طبقه بندی کردن سوژه ها را با جزئیات بیشتری داراست .
با پیشرفت روزافزون تکنولوژی های امنیتی، استفاه از هوش مصنوعی Deep Learning می تواند بسیارمفید واقع شود و قابلیت های تشخیص چهره، ردیابی و تعقیب موارد مشکوک، تشخیص نفوذ و عبور و مرور غیر مجاز و… را برای کاربران فراهم کند.
– شناسایی وسایل نقلیه مختلف موتوری و غیر موتوری.
– شناسایی آرم تجاری وسایل نقلیه در هنگام عبور .
– تشخیص عابران پیاده.
– تشخیص فیزیک هیکل و ترکیب اندامی افراد .
– شناسایی و تشخیص مشخصات غیرطبیعی صورت.
– ردیابی چند هدف همزمان.
موارد بالا از دیگر کاربرد های این فن آوری میباشد.
