هوش مصنوعی همچنان به عنوان فناوری افزایش و بهبود عملکرد انسان در بسیاری از بخش ها مورد استقبال قرار می گیرد و صنعت نظارت تصویری نیز از این قاعده مستثنی نیست. آنالتیک مبتنی بر هوش مصنوعی به طور فزاینده ای برای پردازش سریع مقادیر زیادی از داده ها و انجام اقدامات متناسب مورد استفاده قرار می گیرد. این توابع به پشتیبانی از یک تیم امنیتی در هنگام نظارت بر صحنه های بزرگ و در حال تغییر – مانند یک بزرگراه یا محیط پیرامون – برای شناسایی اشیاء مورد علاقه و نشانه گذاری مواردی که نیاز به اقدام دارند کمک می کند.
در تئوری، این ایده‌آل و بسیار سودمند به نظر می‌رسد، اما زمانی که این فناوری به کار گرفته می‌شود، تعدادی فاکتور وجود دارد که باید برای اطمینان از نتایج با کیفیت بالا بررسی شوند. اینها شامل سخت افزار دوربین، کیفیت ویدئو، سطح روشنایی، و همچنین پیکربندی، موقعیت و جهت دوربین است.
آیا محیط و موقعیت دوربین از عملکرد آن پشتیبانی می کند؟
گفته می شود که کیفیت تصویر به وضوح بالا و حساسیت بالای دوربین به نور بستگی دارد، اما عوامل دیگری نیز وجود دارند که به همان اندازه در قابلیت استفاده واقعی یک تصویر یا یک ویدیو تاثیرگذار هستند. به عنوان مثال، اگر صحنه به اندازه کافی در شب روشن نباشد، اگر دوربین تغییر مسیر داده شده باشد، یا اگر اتصال سیستم قطع شده باشد، پخش ویدیویی با بهترین کیفیت از گران ترین دوربین نظارتی نیز می تواند بی فایده باشد.
محل قرارگیری دوربین باید قبل از استقرار به دقت در نظر گرفته شود. برای اینکه آنالتیک تصویر مطابق انتظار عمل کند، دوربین باید در موقعیتی قرار گیرد که نمای واضح و بدون مانع از صحنه مورد نظر را فراهم کند. قابلیت استفاده از تصویر نیز ممکن است به مورد استفاده بستگی داشته باشد. ویدیویی که برای چشم انسان خوب به نظر می رسد ممکن است کیفیت مطلوبی برای عملکرد یک برنامه انالتیک ویدیویی نداشته باشد. در واقع، بسیاری از روش‌های پردازش تصویر – مانند روش‌های کاهش نویز – که معمولاً برای بهبود ظاهر ویدیو برای بازبینی توسط انسان استفاده می‌شوند، هنگام استفاده از تجزیه و تحلیل ویدیویی بهینه‌تر نیستند.
دوربین های مدرن اغلب با نور مادون قرمز تعبیه شده عرضه می شوند که آنها را قادر می سازد در تاریکی کامل کار کنند. این موضوع اتفاق خوبی است زیرا ممکن است دوربین‌ها را در مکان‌هایی با نور دشوار قرار داده و نیاز به نصب نور اضافی را کاهش دهد. با این حال، اگر در یک محل انتظار باران یا برف شدید می رود، به دلیل مشکلات مربوط به انعکاس، به شدت توصیه می شود به نوری که از دوربین یا از مکان بسیار نزدیک به دوربین می رسد، تکیه نکنید.
آیا دوربین فاصله مناسبی با صحنه دارد؟
تعیین حداکثر فاصله تشخیص برای یک برنامه تحلیلی مبتنی بر هوش مصنوعی دشوار است – یک مقدار دقیق صفحه داده بر حسب متر یا فوت هرگز نمی تواند تمام حقیقت باشد. کیفیت تصویر، ویژگی های صحنه، شرایط آب و هوایی و ویژگی های جسم مانند رنگ و روشنایی تأثیر قابل توجهی در فاصله تشخیص دارند.
این به سرعت اشیایی که باید شناسایی شوند نیز بستگی دارد. برای دستیابی به نتایج دقیق، یک برنامه آنالتیک ویدئویی نیاز به “دیدن” شی در یک دوره زمانی به اندازه کافی طولانی دارد. مدت زمان لازم برای این دوره بستگی به عملکرد پردازشی (فریم) پلت فرم دارد: هرچه عملکرد پردازشی کمتر باشد، شیء برای شناسایی نیاز به مدت بیشتری دارد. اگر زمان شاتر دوربین به خوبی با سرعت جسم مطابقت نداشته باشد، تاری حرکت در تصویر نیز ممکن است دقت تشخیص را کاهش دهد.
اگر اشیای سریع از محلی نزدیک به دوربین رد شوند، ممکن است راحت‌تر از دست داده شوند. برای مثال، فردی در حال دویدن که دور از دوربین قرار دارد، ممکن است به خوبی تشخیص داده شود، در حالی که فردی که با سرعتی بسیار نزدیک به دوربین می دود، ممکن است آنقدر سریع به میدان دید داخل و از آن خارج شود که هیچ آلارمی ایجاد نشود.
در آنالتیک مبتنی بر تشخیص حرکت، اجسامی که مستقیماً به سمت دوربین حرکت می کنند یا از آن دور می شوند، چالش دیگری را ایجاد می کنند. تشخیص به ویژه برای اجسام با حرکت آهسته دشوار خواهد بود، که در مقایسه با حرکت در سراسر صحنه، تنها تغییرات بسیار جزئی در تصویر ایجاد می کنند.
آلارم ها و ضبط چگونه تنظیم می شوند؟
تجزیه و تحلیل اشیاء تنها زمانی بهینه عمل می کند که پیش شرط های فهرست شده آنها برآورده شود. در موارد دیگر، آنها ممکن است رویدادهای مهم را از دست بدهند. اگر کاملاً مطمئن نیستید که همه شرایط همیشه برآورده می شوند، توصیه می شود یک رویکرد محافظه کارانه داشته باشید و سیستم را به گونه ای تنظیم کنید که یک طبقه بندی شیء خاص تنها محرک هشدار نباشد. این باعث ایجاد آلارم های نادرست بیشتر می شود، اما خطر از دست دادن چیزهای مهم را نیز کاهش می دهد.
نیاز آشکاری به طبقه بندی اشیاء قابل اعتماد برای فیلتر کردن آلارم های ناخواسته وجود دارد. اما راه حل ضبط باید به گونه ای تنظیم شود که علاوه بر طبقه بندی شی، به عوامل دیگری نیز تکیه کند. در موارد آلارم های از دست رفته واقعی، این تنظیم به شما امکان می دهد تا از طریق ضبط، دلیل از دست دادن زنگ هشدار را ارزیابی کنید و سپس نصب و پیکربندی کلی را بهبود بخشید.
سیستم چقدر خوب مدیریت می شود؟
برای نصب سیستم نظارت تصویری، نگهداری به طور منظم ضروری است. بازرسی فیزیکی، و نه تنها مشاهده ویدیو از طریق رابط نرم افزار مدیریت ویدئو (VMS)، به منظور کشف و حذف هر چیزی که ممکن است میدان دید را مسدود کند، توصیه می شود. این همچنین در نصب های استاندارد و ضبط نیز مهم است، اما در هنگام استفاده از آنالتیک بسیار مهم است.
در زمینه تشخیص حرکت ویدیویی اولیه، یک مانع معمولی مانند تار عنکبوت که در باد تاب می‌خورد می‌تواند تعداد آلارم‌های کاذب را افزایش دهد و در نتیجه مصرف ذخیره‌سازی بالاتر از حد لازم را به همراه داشته باشد. با آنالتیک اشیا، تحت وب اساساً یک منطقه حذف در ناحیه تشخیص ایجاد می کند. رشته های آن اجسام را مبهم می کند و شانس تشخیص و طبقه بندی را تا حد زیادی کاهش می دهد.
کثیفی روی شیشه جلویی یا حباب دوربین بعید است در طول روز مشکلی ایجاد کند. اما در شرایط کم نور، نوری که از کنار به حباب کثیف برخورد می کند، به عنوان مثال از چراغ های جلوی خودرو، می تواند باعث انعکاس غیرمنتظره شود که ممکن است دقت تشخیص را کاهش دهد.
تعمیر و نگهداری مربوط به صحنه به همان اندازه نگهداری دوربین مهم است. یک مقایسه ساده قبل و بعد از تصویر مشکلات احتمالی را آشکار می کند. صحنه در زمان استقرار دوربین چگونه بود و امروز چگونه است؟ آیا نیازی به تنظیم منطقه تشخیص وجود دارد؟ آیا میدان دید دوربین باید تنظیم شود یا دوربین باید به مکان دیگری منتقل شود؟
راهکاری که پیوسته عملکرد بهینه دارد.
سرمایه گذاری در تجزیه و تحلیل ویدئویی اگر به درستی اجرا شود و به طور منظم ارزیابی شود، مزایای امنیتی زیادی به همراه خواهد داشت. از آنجایی که تعدادی از عوامل می توانند بر عملکرد تأثیر بگذارند، پرسنل امنیتی باید به خاطر داشته باشند که این راه حل ها در دسته «تنظیم کن و کنار بگذار» قرار نمی گیرند. در عوض، رویکردی با استفاده از ارزیابی مستمر مورد نیاز است تا اطمینان حاصل شود که نتایج نهایی با اهداف کسب‌وکار برآورده می‌شوند و ROI خوبی ارائه می‌کنند.
