با گسترش فضای شهری و افزایش جمعیت در شهرهای بزرگ، به کارگیری و گسترش سیستم‌های ویدئویی در فضای شهری، متروها، ایستگاه ها، مراکز تجمع و… به یک امر مهم بدل شده است.
در دهه های گذشته یافتن اپراتور‌هایی که به بازبینی ویدئوها برای کسب اطلاعات و یا یافتن نکته ای خاص تمایل داشته باشند یا حداقل با این کار آشنا باشند به یک چالش بزرگ برای تمام مدیران تبدیل شده است.
به دلیل حجم بالای داده این مسئله به هیچ وجه غیر منطقی نیست چرا که این سیستم ها به مراتب بیشتر از آن چه نیاز است در حال جمع آوری اطلاعات هستند، اطلاعاتی که قطعا نقش مهمی در ایمنی و امنیت زندگی شهری ما ایفا میکنند اما از طرفی حجم بالا و ذخیره سازی مشکلی نیز دارند.
اینجا همان نقطه ایست که هوش مصنوعی و یا به بیان بهتر یادگیری عمیق وارد میدان میشود. البته نمیتوان گفت که حجم بالای داده ها یک عامل بازدارنده است، چرا که این داده ها به عنوان یک ابزار کمکی محسوب میشود.
یادگیری عمیق می‌تواند به صورت مداوم به جمع آوری و رصد اطلاعاتی پرداخته و به تطبیق سیستم شما با فضاهای جدید کمک کند
بنا بر صحبت های مدیر فروش شرکت ژئوویژن تایوان: حدود ۴ تا ۶ ماه وقت لازم است تا تیم تحقیق و توسعه ما بتواند یک الگوریتم هوش مصنوعی برای یک محل جدید تدارک دیده و آن را سفارشی سازی کند که البته باگ های زیادی نیز قطعا به همراه دارد.
ازین رو الگوریتم‌های یادگیری عمیق امروزه به طور هوشمندانه ای در حال ارتقا بینایی رایانه ای و آنالیز ویدئویی می‌باشند. سیستم‌هایی قدرتمند که با توجه به محیطی که در آن قرار گرفته اند آموزش دیده و برای شرایط مختلف شخصی سازی شده اند بدون آنکه به بازنویسی کدها نیازی باشد.
آنچه در این نوشته خواهیم داشت
سیستم های مجهز به دیپ لرنینگ در برابر الگوریتم های قدیمی!
با کمک دیپ لرنینگ، تکنیک های بینایی کامپیوتری مثل تشخیص چهره و تشخیص حرکت بسیار پیچیده تر از قبل شده اند و این موضوع نظارت و سایر کارکردهای ویدئویی را دچار دگرگونی نموده است.
طبق تست های انجام شده در یک محیط کنترل شده الگوریتم های قدیمی تر عملکرد خوبی از خود نشان میدادند، اما این نوع الگوریتم ها معمولا برای برخی موارد خاص و در یک محل خاص طراحی و کدنویسی شده اند.
برای مثال، تشخیص شیء یا فردی که در حال عبور از یک خط مجازی از پیش تعریف شده می‌باشد اصولا به عنوان یک الگوریتم آری یا خیر ساده تلقی میگردد. زمانی استفاده ازاین الگوریتم ها چالش برانگیز میشود که در سناریوهای به مراتب پیچیده تری مورد استفاده قرار بگیرند.در اصل زمانی که یک الگوریتم قدیمی را در مکان دوربین های مختلف بکار میگیریم امکان دارد که برخی از این دوربین ها در فضاهای مختلفی مثل اتوبان، پارک و یا لابی یک هتل قرار داشته باشد، قطعا این محیط‌ها در ویدئوهای ضبط شده به صورت گوناگونی دیده میشود که الگوریتم های قدیمی از پس تشخیص ظرافت های آن بر نمی آید.
برای مثال در یک خیابان شلوغ که افراد مختلف به صورت مداوم در حال حرکت هستند، این امکان وجود دارد که سیستم های تشخیص حرکت، آلارم های غیر مجاز و بی ربط بدهند.
با کمک یادگیری عمیق میتوان چهره‌ی یک فرد را فقط با یک عکس یا ویدئو در دیتا بیس ثبت کرد تا پس از آن، نرم افزار به صورت خودکار به جستجو در تمام ویدئوهای نظارتی ضبط شده در طول ماه‌های گذشته پرداخته و فرد را پیدا کند که البته کار با استفاده از الگوریتم های قدیمی به هیچ وجه امکان پذیر نیست.
الگوریتم های یادگیری عمیق را میتوان متناسب با این شرایط مختلف که در ادامه آمده اند آموزش داد تا به آنالیز و بررسی موضوعات پیچیده دست بزنند:
شمارش افراد یا اشیاء در حال حرکت در دو مسیر مختلف
شناسایی و تشخیص چهره ی افراد برای کاربردهای مختلف
پوشاندن چهره افراد به هنگام تشخیص آن ها در ویدئو، به خاطر حفظ حریم شخصی
مه زدایی ویدئوهای ضبط شده در شرایط مه گرفته برای مشاهده ی تصاویر به صورت واضح
وصل کردن و چسباندن ویدئوهای ضبط شده از دوربین های مختلف در یک نمای پانورامای واحد
متعادل سازی ویدئو در یک محیط پر از لرزش
شمارش افراد در مکان های با محدودیت کد اشغال
از میان بردن موج و لرزش های ایجاد شده توسط لنزهای با زاویه دید گسترده
جستجوی هوشمند برای یک رخداد در یک منطقه پر از حرکت
سیستم‌های مبنی بر یادگیری عمیق چطور کار میکنند؟
این سیستم ها شامل؛ دوربین، سرورهای ضبط و یک مرکز کنترل ویدئوها می باشند. این دوربین ها از طریق یک پروتکل استاندارد و ایمن به یکدیگر متصل شده و توسط پردازنده هایی مثل intel پردازش میشوند.
با بکارگیری پردازنده های قدرتمند، نه تنها عملکرد و قدرت آنالیز ویدئوها را ۸-۱۰ برابر افزایش پیدا میکند بلکه فضای ذخیره سازی آن‌ها نیز بهینه سازی میشود.
برتری دوربین های مجهز به سیستم یادگیری عمیق این است که آن‌ها به جای ارسال تمام ویدئوها به اوپراتور مرکزی، به محض تشخیص مورد غیر قانونی و خطوط قرمز تعیین شده به ارسال هشدار پرداخته و پیش از اثر دادن هر کاری میزان تاخیر زمانی صورت گرفته را کاهش می‌دهند.
بیشتر شهرها امروزه دارای سیستم های ویدئویی هستند که دوربین ها، درگاه ها و نرم افزارهای مختلفی را به طور همزمان در خود دارند. اینترفیس ها و کیت های توسعه نرم افزار به طور کلی امکان برقراری ارتباط بین سخت افزار و نرم افزار ها را برقرار کرده و توسط یک نرم افزار مدیریت ابری واحد اداره میشوند.
سیستم های مبنی بر دیپ لرنینگ؛ هوشمند و مقیاس پذیر
با استفاده از سیستم‌های مبنی بر یادگیری عمیق و قابلیت تلفیق آن‌ها با سایر سخت افزارها و نرم افزارها، شهرهای بزرگ می‌توانند با استفاده از راهکارهای مختلف به رشد سطح نظارت ویدئویی بپردازند. در این راستا دیپ لرنینگ با بهبود عکس العمل های اتوماتیک و تلفیق و تطبیق آن با استانداردهای لازم، باعث ارتقاء سطح کارآمدی عملیاتی میشوند .
به علاوه شما می‌توانید سیستم های مختلف را نیز بر این اساس با هم ترکیب نمایید، مثلا سیستم ضد آتش و ضد سرقت (سیستم های تشخیص چهره برای کنترل دسترسی) را تلفیق کرده و راندمان کار خود را افزایش دهید.
جمع بندی
هنگامی که صحبت از بهبود امنیت اجتماعی به خصوص در فضای شهری میشود، استفاده از سیستم های ویدئویی به به عنوان یک گزینه روی میز همیشه وجود دارد.
اما با رشد یک پروژه و گسترش آن در مقیاس شهری تنها در یک روز، هزاران ساعت ویدئو ضبط میشود. برای تشخیص چیزی که به دنبال آن در ویدئوها هستید، زمان و افرادی زیادی لازم است. اما با استفاده از سیستم های ویدئویی که با تکنولوژی دیپ لرنینگ مجهز شده اند می‌تواند در جهت کاهش نیروی اوپراتور، کاهش هزینه و افزایش راندمان گام بلندی بردارد.