كيفية استخدام كاميرات CCTV ليس فقط لمراقبة المتسللين

انتشرت ممارسة تركيب كاميرات الدوائر التلفزيونية المغلقة في المدن تحت رعاية مكافحة الإرهاب ومنع الجريمة على الصعيد العالمي واكتسبت زخما. على سبيل المثال ، في بداية عام 2019 في موسكو ، كان هناك أكثر من 167 ألف كاميرا أمنية ، على الرغم من أنه يمكن اعتبار هذا الرقم سخيفًا في الصين أو بريطانيا العظمى (للمقارنة ، في لندن في عام 2018 كان هناك 642 ألفًا ، لا توجد بيانات حديثة حول بكين في المجال العام ، ولكن بالنسبة لـ أكثر من 176 مليون كاميرا تعمل الآن في جميع أنحاء الصين).

مثل هذا العدد من العدسات من حولنا يثير بشكل غير إرادي أفكار عام 1984. ويصبح الأمر مقلقًا بشكل خاص عندما تتذكر أن تطوير الذكاء الاصطناعي قد جلب المراقبة بالفيديو إلى مستوى جديد. بعد كل شيء ، يسمح التعلم العميق لمنظمة العفو الدولية بالتمييز بدقة بين شيء وآخر في الصورة. بالإضافة إلى ذلك ، لا يحتاج الذكاء الاصطناعي إلى النوم ، فهو لا يشتت ولا يفوت أي شيء.



على سبيل المثال ، يتيح لك برنامج Fujitsu GREENAGES Citywide Surveillance إمكانية تمييز وتتبع عدة أنواع من الكائنات على صورة الكاميرا في وقت واحد: النقل والأشخاص والأشياء. إن الذكاء الاصطناعي المستخدم فيه قادر على مراعاة وقت ظهور الأشياء في الإطار ، وعدد الأشياء من أنواع مختلفة في الصورة ، والنوع ، والعلامة التجارية ، والطراز ولون النقل ، والمعلومات الموجودة على لوحة الترخيص ، والتعرف على وجوه وملابس الأشخاص ، إلخ.

ولكن ليس فقط مراقبة العناصر المشبوهة يقتصر على استخدام كاميرات الفيديو. تفتح قدرة الذكاء الاصطناعي على تحليل الصور آفاقًا جديدة لاستخدامها. قل لأبحاث التسويق.

إذا ، من خلال تحليل الصور من كاميرات الفيديو ، تم ربط سلوك شراء معين ، على سبيل المثال ، مع أي فئة عمرية ، فسيكون من الممكن في المستقبل تلبية احتياجات العملاء بشكل أكثر دقة. بالإضافة إلى ذلك ، بمساعدة التعلم العميق ، من الممكن حساب عدد الأشخاص في الصورة وتتبع حركاتهم. في البيع بالتجزئة ، سيساعد ذلك على فهم العملاء الذين يزورون المتجر بشكل أفضل ، لتحديد طرق حركتهم داخل قاعة التداول ، والتي يمكن استخدامها لتحسين مساحة البيع بالتجزئة.

لكن الاستخدام الواسع للذكاء الاصطناعي لتحليل صور الكاميرا يعوقه حاليًا مشكلتان رئيسيتان.


تين. 1. عملية التعرف على صور AI من الكاميرا

بادئ ذي بدء ، دعنا ننظر إلى عملية التعرف على الصورة من الكاميرا عن طريق الذكاء الاصطناعي (الشكل 1). أولاً ، تلتقط الكاميرا الصورة ، ثم ترسلها إلى VMS (نظام إدارة الفيديو ، برنامج كامل الميزات لإدارة نظام المراقبة بالفيديو) ، حيث يتم تخزين السجلات ، ويمكن عرضها ، وما إلى ذلك. بعد نقل بيانات الفيديو إلى جهاز كمبيوتر مزود بمعالج رسومات قادر على معالجة عالية السرعة. في هذه المرحلة ، يتم استخدام الذكاء الاصطناعي لتحليل الصور ، ثم يتم عرض النتائج في شكل بيانات تحليلية ، ثم تصورها. في المستقبل ، كما هو موضح في الشكل ، يمكن استخدام نتائج هذا التحليل مباشرة في تطبيقات الأعمال.

لكي يعمل هذا المخطط بفعالية ، من الضروري حل المشكلات التالية: توفير بيانات كافية لتدريب الذكاء الاصطناعي وتمكين معالجة كمية كبيرة من البيانات بسرعة.

لنبدأ بالأول. إن استخدام التدريب المتعمق ، على سبيل المثال ، لتحليل صورة سيارة يسمح للذكاء الاصطناعي ليس فقط بفهم أن الكائن عبارة عن آلة ، ولكن أيضًا لتحديد الشركة المصنعة للطراز وطرازه. ومع ذلك ، من أجل إنشاء نموذج أكثر دقة للتدريب ، مطلوب كمية كبيرة من بيانات التدريب. يجب أن تؤخذ صور السيارات في زوايا مختلفة وفي ظروف إضاءة مختلفة. وبالتالي ، قد تكون هناك حاجة إلى ملايين الصور لتحديد المركبات من الشركات المصنعة والتكوينات المختلفة.

قام فوجيتسو بحل مشكلة الحصول على بيانات كافية لتدريب الذكاء الاصطناعي باستخدام تقنية المحاكاة. النمذجة قادرة على تغيير شكل الظلال في الصورة والمعلمات الأخرى ، مما يزيد في النهاية من كمية البيانات للتدريب.

تتعامل فوجيتسو مع الكم الهائل من البيانات التي ترسلها الكاميرات (خاصة إذا كانت تلتقطها بدقة عالية) باستخدام سحابة الحوسبة التقنية فوجيتسو (TC) ، وهو حل حوسبة عالي الأداء يستخدم وحدات معالجة الرسومات لتعلم الآلة. تعتبر GPUs أفضل لتعلم الذكاء الاصطناعي. بفضل بنية جوهرها ، من الأسهل عليهم التعامل مع عدد كبير من المهام البسيطة من نفس النوع وعملية تعلم الذكاء الاصطناعي على وحدات معالجة الرسوميات أسرع بكثير.

حتى في حل المشكلة ، يمكن أن تساعد حسابات الحدود في مشاركة مهمة معالجة البيانات بين الكاميرات و VMS ، مما يقلل في النهاية من الحمل.

لا يزال من المهم ضمان النقل المستمر لبيانات الفيديو طوال عملية جمعها وتحليلها. للقيام بذلك ، تستخدم فوجيتسو أفضل الممارسات منذ أن عملت الشركة على أنظمة محطات البث التلفزيوني.

على سبيل المثال ، يسمح أحد حلول تبادل الفيديو في الوقت الفعلي (مشاركة الفيديو في الوقت الفعلي في الموقع) بإرسال فيديو آمن حتى من خلال خطوط البيانات المتنقلة الأكثر استقرارًا. بالإضافة إلى الضغط في الوقت الحقيقي ونقل الفيديو ، فإنه يحتوي على تقنية التحكم في إرسال الفيديو الخاصة به ، والتي تضمن إرسالًا مستقرًا حتى في ظروف الاستقبال السيئ وفي ظروف النطاق الترددي المنخفض. باستخدام هذه التكنولوجيا ، على سبيل المثال ، من الممكن ، في الوقت الحقيقي ، إرسال صور من الكاميرات المثبتة في المركبات ، بما في ذلك من الكاميرات بزاوية تصوير 360 درجة ، والتي تنقل المزيد من المعلومات.

لذا ، أين يمكنك استخدام تحليل بيانات الصور من كاميرات الفيديو. في التين. 2 والتين. يوضح الشكل 3 الاستخدامات المحتملة لنظام GREENAGES City Surveillance في المطارات ومراكز التسوق.


تين. 2. التطبيقات الممكنة GREENAGES مراقبة على مستوى المدينة في المطار في


الشكل. 3. إمكانيات تطبيق GREENAGES Citywide Surveillance في مركز تسوق

يتم استخدام نتائج تحليل صور الكاميرا في ثلاثة مجالات رئيسية: أولاً وقبل كل شيء ، ضمان الأمان ، ثم البحث التسويقي ، وأخيرًا تحسين مستوى خدمة العملاء.

كما اكتشفنا بالفعل ، باستخدام التحليل القائم على AI ، يمكنك التعرف على طرازات السيارات ولوحات الترخيص. لذلك يمكنك تتبع طرازات السيارات وفي أي وقت يزورون محطات وقود معينة ، وتحديد عددهم ، وكذلك ربط البيانات بسلوك العملاء في المتاجر والمقاهي في محطات الوقود ، مما يجعل من الممكن لمشغلي المحطة زيادة الأرباح من بيع المنتجات ذات الصلة.


تين. 4. تحليل الصور من الكاميرات في محطة بنزين ومقهى مجاور

في التين. 4 يمكنك أن ترى مثالاً على مثل هذا التحليل. وجد أنه في وقت متأخر من المساء ، تزور معظم السيارات محطة الوقود. في الوقت نفسه ، لم يؤثر عدد كبير من السيارات على زيادة زيارات المقهى أثناء إعادة التزود بالوقود. وفقًا لنتائج الدراسة ، تم اقتراح تنويع قائمة العشاء والإعلان عن المقهى نفسه لزوار محطة الوقود من أجل زيادة الحضور.

يمكننا أيضًا استخدام هذه التقنيات في ملاعب الطعام في مراكز التسوق. على سبيل المثال ، من السهل تعليم الذكاء الاصطناعي للتمييز بين الشخص الجالس والشخص القائم (الشكل 5). وبالتالي ، نحن قادرون على حساب مدة جلوس الزائرين على الطاولات ، وتحديد عدد المقاعد المشغولة ، إلخ.

نظرًا لأن أنظمة الطلب على الأجهزة المحمولة تنتشر أكثر فأكثر في صالات الطعام (عندما يصدر الزائر طلبًا مسبقًا عبر هاتفه الذكي) ، في حالة وجود طوابير ، يحذر الذكاء الاصطناعي من ذلك ويظهر إشعار للعملاء في تطبيق الطلب مع اقتراحات بخيارات بديلة. علاوة على ذلك ، إذا تغير تخطيط قاعة الطعام ، فستحدد منظمة العفو الدولية الموضع الجديد للمقاعد تلقائيًا. يساعد تحديد ذروة الازدحام على التفكير مسبقًا في التكوين الأمثل للمقاعد اعتمادًا على عدد الزوار في فترة زمنية معينة.


تين. 5. تحليل الصور من الكاميرات في صالة الطعام بمركز التسوق

كما نرى ، وصل تحليل الصور من الكاميرات القائمة على الذكاء الاصطناعي إلى المرحلة التي يمكن استخدامها ليس فقط لتتبع الأشخاص أو الأشياء المشبوهة ، ولكن أيضًا لأبحاث التسويق والمشاريع. في المستقبل ، سيتم استخدام هذا التحليل لحل مجموعة متنوعة من المشاكل ، لجعل حياتنا أكثر أمانًا وراحة ، أو ، على سبيل المثال ، لمساعدة العملاء على الشراء ، وتحسين ممارسات حوكمة الشركات ، إلخ. ومع ذلك ، فإن الأخ الأكبر ليس مخيفًا كما كنا نفكر فيه.

Source: https://habr.com/ru/post/undefined/