न केवल घुसपैठियों पर नजर रखने के लिए सीसीटीवी कैमरों का उपयोग कैसे करें

आतंकवाद का मुकाबला करने और अपराध को रोकने के तत्वावधान में शहरों में सीसीटीवी कैमरे लगाने की प्रथा विश्व स्तर पर फैल गई है और गति पकड़ रही है। उदाहरण के लिए, मॉस्को में 2019 की शुरुआत में 167 हजार से अधिक सुरक्षा कैमरे थे, हालांकि चीन या यूनाइटेड किंगडम में इस आंकड़े को हास्यास्पद माना जा सकता है (तुलना के लिए, 2018 में लंदन में 642 हजार थे, सार्वजनिक डोमेन में बीजिंग पर कोई अप-टू-डेट डेटा नहीं हैं, लेकिन 176 मिलियन से अधिक कैमरे अब पूरे चीन में काम कर रहे हैं)।

हमारे आस-पास ऐसे कई लेंस 1984 के विचारों को अनैच्छिक रूप से विकसित करते हैं। यह विशेष रूप से खतरनाक हो जाता है जब आप याद करते हैं कि कृत्रिम बुद्धि के विकास ने वीडियो निगरानी को एक नए स्तर पर ला दिया है। आखिरकार, गहरी शिक्षा एआई को छवि में एक वस्तु को दूसरे से सटीक रूप से अलग करने की अनुमति देती है। इसके अलावा, कृत्रिम बुद्धि को सोने की ज़रूरत नहीं है, यह विचलित नहीं है और कुछ भी याद नहीं करता है।



उदाहरण के लिए, Fujitsu GREENAGES सिटीवाइड सर्विलांस सॉफ़्टवेयर द्वारा विकसित, आपको एक साथ कैमरे की छवि पर कई प्रकार की वस्तुओं को एक साथ भेदने और ट्रैक करने की अनुमति देता है: परिवहन, लोग और ऑब्जेक्ट। इसमें प्रयुक्त AI फ्रेम में वस्तुओं की उपस्थिति के समय, छवि में विभिन्न प्रकार की वस्तुओं की संख्या, प्रकार, ब्रांड, मॉडल और परिवहन के रंग, लाइसेंस प्लेट पर जानकारी, लोगों के चेहरे और कपड़े आदि को पहचानने में सक्षम है।

लेकिन न केवल संदिग्ध तत्वों की निगरानी वीडियो कैमरों के उपयोग तक सीमित है। छवियों का विश्लेषण करने के लिए कृत्रिम बुद्धि की क्षमता उनके उपयोग के लिए नई संभावनाओं को खोलती है। मार्केटिंग रिसर्च के लिए कहें।

यदि, वीडियो कैमरों से छवियों के विश्लेषण के माध्यम से, एक निश्चित क्रय व्यवहार जुड़ा हुआ है, उदाहरण के लिए, किसी भी आयु वर्ग के साथ, तो भविष्य में ग्राहकों की आवश्यकताओं को अधिक सटीक रूप से संतुष्ट करना संभव होगा। इसके अलावा, गहरी सीखने की मदद से, छवि में लोगों की संख्या की गिनती करना और उनके आंदोलनों को ट्रैक करना संभव है। खुदरा में, यह बेहतर तरीके से समझने में मदद करेगा कि कौन से ग्राहक स्टोर पर जाते हैं, ट्रेडिंग फ्लोर के अंदर अपने आंदोलन के मार्गों को निर्धारित करने के लिए, जिसका उपयोग खुदरा स्थान को अनुकूलित करने के लिए किया जा सकता है।

लेकिन कैमरे की छवियों के विश्लेषण के लिए एआई का व्यापक उपयोग वर्तमान में दो मुख्य समस्याओं से बाधित है।


अंजीर। 1. कैमरे से एआई छवियों को पहचानने की प्रक्रिया

शुरुआत करने के लिए, आइए आर्टिफिशियल इंटेलिजेंस (छवि 1) द्वारा कैमरे से छवि की पहचान की प्रक्रिया देखें। सबसे पहले, कैमरा छवि को कैप्चर करता है, और फिर इसे वीएमएस (वीडियो मैनेजमेंट सिस्टम, वीडियो निगरानी प्रणाली के प्रबंधन के लिए पूर्ण-विशेषताओं वाला सॉफ़्टवेयर) भेजता है, जहां रिकॉर्ड संग्रहीत किए जाते हैं, उन्हें देखा जा सकता है, आदि। वीडियो डेटा के बाद उच्च गति प्रसंस्करण में सक्षम ग्राफिक्स प्रोसेसर से लैस कंप्यूटर में स्थानांतरित किया जाता है। इस स्तर पर, छवियों का विश्लेषण करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग किया जाता है, परिणाम तब विश्लेषणात्मक डेटा के रूप में प्रदर्शित किए जाते हैं, और फिर कल्पना की जाती है। भविष्य में, जैसा कि आंकड़े में दिखाया गया है, इस विश्लेषण के परिणामों का उपयोग सीधे व्यावसायिक अनुप्रयोगों में किया जा सकता है।

इस योजना को प्रभावी ढंग से काम करने के लिए, निम्नलिखित समस्याओं को हल करना आवश्यक है: प्रशिक्षण एआई के लिए पर्याप्त डेटा प्रदान करना और बड़ी मात्रा में डेटा को जल्दी से संसाधित करना संभव है।

पहले एक के साथ शुरू करते हैं। गहन प्रशिक्षण का उपयोग, कहते हैं, एक कार की छवि का विश्लेषण करने के लिए एआई न केवल यह समझने की अनुमति देता है कि ऑब्जेक्ट एक मशीन है, बल्कि वाहन के निर्माता और मॉडल को निर्धारित करने के लिए भी है। हालांकि, प्रशिक्षण के लिए अधिक सटीक मॉडल बनाने के लिए, बड़ी मात्रा में प्रशिक्षण डेटा की आवश्यकता होती है। कारों की छवियों को अलग-अलग कोणों पर और अलग-अलग प्रकाश व्यवस्था की स्थितियों में लिया जाना चाहिए। इस प्रकार, विभिन्न निर्माताओं और कॉन्फ़िगरेशन से वाहनों की पहचान करने के लिए लाखों छवियों की आवश्यकता हो सकती है।

Fujitsu ने सिमुलेशन तकनीक का उपयोग करके AI प्रशिक्षण के लिए पर्याप्त डेटा प्राप्त करने की समस्या को हल किया। मॉडलिंग छवि और अन्य मापदंडों में छाया के आकार को बदलने में सक्षम है, जो अंततः प्रशिक्षण के लिए डेटा की मात्रा को बढ़ाता है।

फुजित्सु उन बड़ी मात्रा में डेटा को संभालता है जो कैमरे संचारित करते हैं (खासकर अगर वे उच्च रिज़ॉल्यूशन में शूट करते हैं), फ़ूजीत्सू तकनीकी कम्प्यूटिंग (टीसी) क्लाउड के साथ, एक उच्च-प्रदर्शन कंप्यूटिंग समाधान जो मशीन सीखने के लिए जीपीयू का उपयोग करता है। एआई सीखने के लिए जीपीयू बेहतर हैं। इसके मूल की वास्तुकला के लिए धन्यवाद, उनके लिए एक ही प्रकार के सरल कार्यों की एक बड़ी संख्या के साथ सामना करना आसान है और GPU पर AI सीखने की प्रक्रिया बहुत तेज है।

यहां तक ​​कि समस्या को हल करने में, सीमा गणना कैमरे और वीएमएस के बीच डेटा प्रसंस्करण के कार्य को साझा करने में मदद कर सकती है, जो अंततः लोड को कम करती है।

उनके संग्रह और विश्लेषण की प्रक्रिया के दौरान वीडियो डेटा के निरंतर हस्तांतरण को सुनिश्चित करना अभी भी महत्वपूर्ण है। ऐसा करने के लिए, फुजित्सु उस समय से सर्वोत्तम प्रथाओं का उपयोग करता है जब कंपनी ने टेलीविजन प्रसारण स्टेशनों के लिए सिस्टम पर काम किया था।

उदाहरण के लिए, वास्तविक समय वीडियो (रीयल-टाइम ऑन-साइट वीडियो साझाकरण) के आदान-प्रदान के समाधानों में से एक सबसे स्थिर मोबाइल डेटा लाइनों के माध्यम से भी सुरक्षित वीडियो प्रसारण की अनुमति देता है। रीयल-टाइम कंप्रेशन और वीडियो ट्रांसमिशन के अलावा, इसकी अपनी वीडियो ट्रांसमिशन कंट्रोल तकनीक है, जो खराब रिसेप्शन और कम बैंडविड्थ की स्थिति में भी स्थिर प्रसारण सुनिश्चित करता है। इस तकनीक का उपयोग, उदाहरण के लिए, यह संभव है, वास्तविक समय में, वाहनों में स्थापित कैमरों से छवियों को भेजने के लिए, जिसमें 360 ° के शूटिंग कोण वाले कैमरे शामिल हैं, जो बहुत अधिक जानकारी संचारित करते हैं।

इसलिए, आप वीडियो कैमरों से छवियों के डेटा विश्लेषण का उपयोग कहां कर सकते हैं। अंजीर में। 2 और अंजीर। चित्र 3 हवाई अड्डों और शॉपिंग सेंटरों पर GREENAGES सिटीवाइड सर्विलांस के संभावित उपयोग को दर्शाता है।


अंजीर। 2. संभव अनुप्रयोगों


अंजीर में हवाई अड्डे पर शहरव्यापी निगरानी । 3. एक शॉपिंग सेंटर में GREENAGES सिटीवाइड सर्विलांस लगाने की संभावनाएं।

कैमरा इमेज के विश्लेषण के परिणाम तीन मुख्य क्षेत्रों में उपयोग किए जाते हैं: सबसे पहले, सुरक्षा सुनिश्चित करना, फिर मार्केटिंग रिसर्च और अंत में, ग्राहक सेवा के स्तर में सुधार करना।

जैसा कि हमने पहले ही पता लगाया था कि एआई-आधारित विश्लेषण का उपयोग करके, आप कार के मॉडल और लाइसेंस प्लेट को पहचान सकते हैं। तो आप किस कार मॉडल को ट्रैक कर सकते हैं और किस समय पर वे विशेष गैस स्टेशनों का दौरा कर सकते हैं, उनकी संख्या निर्धारित कर सकते हैं, और गैस स्टेशनों पर दुकानों और कैफे में ग्राहकों के व्यवहार के साथ डेटा को भी लिंक कर सकते हैं, जो स्टेशन ऑपरेटरों को संबंधित उत्पादों की बिक्री से लाभ बढ़ाने की अनुमति देता है।


अंजीर। 4. गैस स्टेशन और आसन्न कैफे में कैमरों से छवियों का विश्लेषण

अंजीर में। 4 आप इस तरह के विश्लेषण का एक उदाहरण देख सकते हैं। यह पाया गया कि देर शाम को सबसे अधिक कारें गैस स्टेशन का दौरा करती हैं। इसी समय, बड़ी संख्या में कारों ने ईंधन भरने के दौरान कैफे की यात्राओं में वृद्धि को प्रभावित नहीं किया। अध्ययन के परिणामों के अनुसार, डिनर मेनू में विविधता लाने और इसके अलावा उपस्थिति बढ़ाने के लिए गैस स्टेशन आगंतुकों के लिए स्वयं कैफे का विज्ञापन करने का प्रस्ताव किया गया था।

हम शॉपिंग सेंटरों में फूड कोर्ट पर इन तकनीकों का उपयोग कर सकते हैं। उदाहरण के लिए, किसी व्यक्ति से अलग होने वाले व्यक्ति से अलग होने के लिए कृत्रिम बुद्धिमत्ता सिखाना आसान है (चित्र 5)। नतीजतन, हम गणना करने में सक्षम हैं कि आगंतुक टेबल पर कितने समय तक बैठते हैं, यह निर्धारित करते हैं कि कितनी सीटें हैं, आदि।

चूंकि मोबाइल ऑर्डरिंग सिस्टम फूड कोर्ट पर अधिक से अधिक फैल रहे हैं (जब कोई आगंतुक अपने स्मार्टफोन के माध्यम से अग्रिम आदेश देता है), कतारों की स्थिति में, एआई इस बारे में चेतावनी देता है और ऑर्डर एप्लिकेशन वैकल्पिक विकल्पों की पेशकश करने वाले ग्राहकों के लिए एक अधिसूचना प्रदर्शित करता है। इसके अलावा, अगर फूड कोर्ट का लेआउट बदल जाता है, तो AI सीटों की नई स्थिति को स्वचालित रूप से निर्धारित करेगा। चोटी की भीड़ का निर्धारण एक निश्चित समय अवधि में आगंतुकों की संख्या के आधार पर सीटों के इष्टतम विन्यास के अग्रिम में सोचने में मदद करता है।


अंजीर। 5. शॉपिंग सेंटर के फूड कोर्ट पर कैमरों से छवियों का विश्लेषण

जैसा कि हम देख सकते हैं, एआई-आधारित कैमरों से छवियों का विश्लेषण पहले ही चरण में पहुंच चुका है, जब इसका उपयोग न केवल संदिग्ध व्यक्तियों या वस्तुओं को ट्रैक करने के लिए किया जा सकता है, बल्कि विपणन अनुसंधान और परियोजनाओं के लिए भी किया जा सकता है। भविष्य में, इस तरह के विश्लेषण का उपयोग विभिन्न प्रकार की समस्याओं को हल करने के लिए, हमारे जीवन को सुरक्षित और अधिक आरामदायक बनाने के लिए किया जाएगा, या, उदाहरण के लिए, ग्राहकों को खरीदारी करने में मदद करने के लिए, कॉर्पोरेट प्रशासन प्रथाओं आदि का अनुकूलन करने के लिए। फिर भी, बिग ब्रदर इतना डरावना नहीं है जितना हम उसके बारे में सोचते थे।

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