هوش مصنوعی چیست؟
با شنیدن اصطلاح هوش مصنوعی، تصاویر و اصوات گوناگونی در ذهن ما شکل میگیرد. برخی صدای دستیارهای هوشمندی همچون سیری و کورتانا و الکسا را میشنویم و برخی دیگر، بهیاد تصاویر وحشتناک و نگرانکنندهی فیلمهای علمتخیلی همچون ترمیناتور میافتیم.
در علوم کامپیوتر، هوش مصنوعی یا هوش ماشینی به هوشمندی گفته میشود که از هرنوع ماشین (و نه انسان) بهدست اید. کتابهای مرجع در حوزهی هوش مصنوعی، این علم را دانش مطالعهی کارگزارهای هوشمند میدانند که چنین تعریف میشوند: «هر دستگاهی که توانایی درک محیط و فعالیت با حداکثر شانس موفقیت را داشته باشد». درمجموع اصطلاح هوش مصنوعی برای توصیف ماشینها یا کامپیوترهایی بهکار میرود که فعالیتهای شناختی وابسته به ذهن انسان را بهخوبی انجام دهند. ازمیان فعالیتهای مهم شناختی میتوان به «یادگیری» و «حل مسئله» اشاره کرد.
ظهور هوش مصنوعی باعث ایجاد انقلابی در صنایع مختلف شده است. صنعت نظارت تصویر و سیستم های امنیتی نیز از این قضیه مستثنی نیست. برنامههای مبتنی بر AI (مخفف artificial intelligence به معنای هوش مصنوعی) در دنیای امنیت سرو صدای زیادی کردهاند. طی سالهای اخیر علاوه بر کمپانیهای بزرگ و مطرح، شرکتهای کوچکتر نیز محصولات مدرن و منحصربفردی تولید و عرضه کردهاند.
لزوم مدیریت داده های تصویری در سیستم های مداربسته از جمله مسائل مهم در صنعت حفاظتی و نظارت تصویری است. به همین منظور این صنایع همواره در تلاش برای گسترش دستگاه ها یا سیستم ذخیره سازی از طریق توسعه نرم افزارها، تولید محصولات ابداعی و جدید و …هستند.
در سالهای اخیر تکنولوژی به سرعت گسترش یافته به طوری که پیشرفت هایی که در 40 سال اخیر صورت گرفته قابل مقایسه با چند صده گذشته نیست. یکی از مسائل پیشرو در فناوری های جدید استفاده از هوش مصنوعی در محصولات الکترونیکی است که دوربین مداربسته نیز از این قاعده مستثنی نیستند. در این مقاله قصد داریم درباره کاربرد هوش مصنوعی در محصولات بپردازیم.
الگوریتم های هوشمند قدیمی دوربین مداربسته
مسئله ای که در اینجا مطرح است برآورد تقاضای مشتری است که روز بروز ابعاد گسترده تری پیدا می کند. در گذشته در سیستم های مداربسته قابلیت هایی به شکل امروزی وجود نداشت اما رفته رفته با آمدن فناوری های جدیدتر این مسئله نیز برطرف شده به طوری که هم اکنون شاهد طیف وسیعی از قابلیت های پردازش تصویری اعم از جستجوی سوژه در تصاویر، تعقیب و ردیابی هوشمند و … هستیم.
اما موضوعی که در حال حاضر مطرح است بسیار فراتر از قابلیت های تصویری مذکور است. و با اینکه سیستم های نظارت تصویری هوشمند سال هاست که در دسترس بوده و مورد استفاده قرار می گیرند، اما، هنوز نتایج حاصل از آنها در حد ایده آل نیست.
یکی از شرکت های پیشرو در زمینه ادغام هوش مصنووعی با سیستم های مداربسته، شرکت هایک ویژن است که نام فناوری ابداعی خود را Deep learning گذاشته است. در این فناوری سعی شده است با بکارگیری هوش مصنوعی در محصولات بسیاری از نارسایی های سیستم های هوشمند قدیمی در تجزیه و تحلیل داده ها برطرف گردد. از دلایل عمده افزایش محبوبیت Deep Learning در سال های اخیر می توان به موارد زیر اشاره نمود:
- توانایی پردازش داده ها در مقیاس زیاد
- قدرت محاسباتی فوق العاده
- ساختار شبکه ای
فرآیند تشخیص چهره در دوربین مداربسته یکی از قابلیت های مهم و کارآمد است که دارای الگوریتم های مختلف و پیچیده ای است. این فرآیند دارای دو مرحله کلیدی است:
- ارزیابی سوژه و بدست آوردن اطلاعات لازم از آن
- دسته بندی اطلاعات به دست آمده
انالیز سوژه و بدست آوردن اطلاعات لازم از آن
درجه دقت در این مرحله فاکتور بسیار مهمی است که مستقیما بر روی دقت الگوریتم تاثیر می گذارد. بیشتر کارهای پردازشی و محاسباتی مربوط به این بخش است. در دوربین های هوشمند قدیمی طراحی الگوریتم ها توسط متخصصین نرم افزار انجام می شد که اساسا بر اساس شاخصه های ذهنی بود. به همین دلیل تعریف بسیاری از ویژگی های انتزاعی به طرزی که برای انسان قابل درک باشد بسیار سخت بود و ناچارا از بین می رفت. در این دسته از دوربین ها با قابلیت تشخیص چهره بسیاری از فاکتورهای محیطی اعم از مکان نصب دوربین، زاویه دید، میزان نور در محیط بر روی کارایی این قابلیت تاثیر گذار هستند که این یک نکته منفی در آن محسوب می گردد. در الگوریتم هایی که بر اساس هوش مصنوعی طراحی شده اند اما سعی شده تا به نکات ظریف و جزئی دقت شود.
دسته بندی اطلاعات به دست آمده
سوژه های مختلف اعم از وسایل نقلیه، اشیا مختلف، افراد، حیوانات و … دارای ویژگی های ظاهری مختلفی هستند و تشخیص هر کدام بر اساس الگوریتم های تعریف شده متفاوتی است. از آنجایی که ویژگی های ظاهری یک وسیله نقلیه پیچیدگی خاصی نداشته و نهایتا شامل شاخصه هایی نظیر نوع آرم، ابعاد، رنگ و …است، دوربین های هوشمند قدیمی در تشخیص اشیا و وسایل نقلیه بسیار موفق عمل می کردند.
اما در مورد کاراکترهای ظاهری انسان به دلیل آنکه اغلب به دلیل تنوع بالا و پیچیدگی زیاد دچار خطا می شدند. و بازده خوبی ندارند به همین دلیل افزایش درک عمقی بواسطه طراحی الگوریتم های پیچیده تر در هوش مصنوعی به شدت لازمه کارکرد بهتر قابلیت تشخیص چهره در دوربین های مداربسته است.
مزایای DEEP Learning و مقایسه الگوریتم های آن
تکنولوژی هوش مصنوعی در هایک ویژن که آن را با نام Deep learning می شناسیم بر اساس پارامتر ها و الگوریتم هایی برای تشخیص المان های ظاهری پیچیده طراحی میشود. این بدین معنی است که طراحی ها دیگر توسط افراد انجام نشده و می توان آن را بر عهده ماشین ها گذاشت.
نکته اینجاست که طراحی این تکنولوژی بر اساس عملکرد سیستم عصبی مغز انسان انجام شده و همانطور که مغز توانایی یادگیری موضوعات و دسته بندی آنها را در لایه و سطوح مختلف خود دارد Deep learning نیز می تواند کاراکترهای متنوع را درک و دسته بندی کرده و اقدام لازم را در مورد آنها انجام دهد.
کارایی این سیستم در جایی مشخص میشود که می تواند اطلاعات اضافی و کم اهمیت را نیز تشخیص داده و در صورت لزوم حذف کند(object abstraction) و یا اینکه اطلاعات جدیدی خلق یا بازیابی(recreation) نماید.
الگوریتم های مشخص مصنوعی تا شناخت ویژگی ها
در مدل هوش مصنوعی Deep learning هیچگونه دخالت دستی انسان وجود ندارد و تمامی عملکردها به صورت کامپیوتری انجام می شود. این مدل قابلیت این را دارد که حجم بسیار زیادی از اطلاعات را مورد پردازش قرار دهد. طبقه بندی اطلاعات در آن به این صورت است که هرچه سوژه مورد نظر دارای جزئیات بیشتری باشد به صورت خیلی دقیق تری برای دستگاه قابل تشخیص خواهد بود. در زیر به بخشی از مزایای این مدل اشاره شده است:
- دقت تشخیص بالا در تشخیص سوژه که می تواند با قدرت مغز انسان برابری کرده و حتی در مواردی عملکرد بهتری نیز داشته باشد.
- قابلیت تشخیص دقیق سوژه های مختلف از یکدیگر
- قابلیت تشخیص و دسته بندی هزاران ویژگی از سوژه های مختلف
کاربردهای محصولات مبتنی بر Deep Learning
به دلیل رشد و پیشرفت تکنولوژی های صوتی تصویری اهمیت ابداع مدل هایی مانند Deep Learning بسیار افزایش می یابد. با استفاده از این الگو در قابلیت های هوشمند مانند تشخیص چهره، تشخیص نفوذ، ردیابی و تعقیب سوژه و … می توان به طور کامل انتظارات و نیاز های کاربران را برآورده ساخت.
در زیر به بسیاری از کاربردهای این مدل در سیستم های نظارت تصویری اشاره شده است:
- تشخیص چهره
- تشخیص وسیله نقلیه مختلف اعم از موتوردار یا بدون موتور (دوچرخه و …)
- تشخیص عابر پیاده
- تشخیص ویژگی های بدن انسان
- تشخیص ویژگی های غیر طبیعی صورت
- تجزیه و تحلیل رفتاری جمعیت، ردیابی چند هدف
- و …
نقش هوش مصنوعی در صنعت دوربین مدار بسته
1.حفاظت به موقع و فعال بصورت بلادرنگ
سیستمهای نظارت تصویر تا به حال فقط قادر به تشخیص اتفاقات بودند و تنها زمانی مفید واقع میشدند که حرکت مشکوکی توسط تیم امنیت تشخیص داده شود یا اتفاقی رخ بدهد. با رسیدن سیستمهای نظارت تصویری دارای هوش مصنوعی، انقلابی بزرگی در این زمینه رخ خواهد داد و سیستمهای امنیتی دوربین مداربسته علاوه بر تشخیص اتفاقات و تهدیدات، قادر به پیشبینی یک اتفاق، قبل از وقوع آن نیز خواهند بود.
برای مثال:
سیستمهای جدیدی که در راه هستند، میتوانند اشیاء غیرمجاز را در فرودگاهها و دیگر اماکن عمومی تشخیص داده و با مطلع کردن تیم امنیتی، از وقوع اتفاقات ناگوار جلوگیری کنند. همچنین سیستمهای نظارت تصویری هوشمند، میتوانند بر رفتار افراد در یک فروشگاه نظارت داشته و اشخاصی که ممکن است خطایی مرتکب شوند را شناسایی کنند.
2. بهبود کیفیت تصویر
با وجود از راه رسیدن دوربین های مداربسته با کیفیت و رزولوشن بالا که تصاویر با وضوح بسیار بالا ارائه میکنند، حقیقت تلخ این است که هنوز هم بسیاری از دوربین های مداربسته نصب شده در اماکن از کیفیت مطلوب برخوردار نیستند. بسیاری از این دوربینهای مداربسته تنها زمانی که شرایط نوری مساعد باشد تصاویر مطلوب ضبط میکنند.
الگوریتمهای هوش مصنوعی، بصورت خودکار با تنظیم منابع نور موجود در تصویر و پخش یکنواخت نور در محیط، حتی زمانی که منبع نور شدیدی مانند خورشید یا لامپ یا پنجره در محیط وجود داشته باشد، تصویری با نور یکنواخت ارائه میدهد. این موضوع منجر به ضبط تصاویر با وضوح و کیفیت بسیار بالا میشود.
3. تشخیص چهره
سیستمهای نظارت تصویری مبتنی بر هوش مصنوعی (AI) میتوانند بصورت بسیار دقیقتر و پیشرفتهتر به تشخیص چهره و اشیاء موجود در محیط بپردازند. در واقع سیستمهای هوش مصنوعی پتانسیلهای بسیار بالاتری در زمینه تشخیص چهره افراد (facial detection) در امکان شلوغ و فضاهای بزرگ دارند.
جدای از امنیت، کسبوکارهای بزرگ نیز میتوانند با بهرهگیری از سیستم تشخیص چهره هوشمند، مشتریان ارزشمند را شناسایی کرده و خدمات مخصوصی به آنها ارائه دهند.
تشخیص چهره افراد توسط دوربین مدار بسته با بهرهگیری از هوش مصنوعی
قدرت هوش مصنوعی تا جایی است که حتی تشخیص بدون چهره (faceless recognition) را نیز ممکن میکند. بدین صورت که افراد با استفاده از فاکتورهایی مانند قد، طرز ایستادن و غیره نیز قابل تشخیص و شناسایی هستند. علاوه بر این دوربین های مداربسته با بهرهگیری از AI، میتوانند آگاهی بیشتری نسبت به محیطی که نظارت میکنند داشته، الگوهای رفتاری را تشخیص داده و ناهنجاریها را گزارش دهند. این عوامل و قابلیتها کمک زیادی به پیشبینی تهدیدات میکنند.
4. مدیریت اطلاعات
یک سیستم نظارت تصویری متشکل از دوربینهای مداربسته، سنسورها، آلارمها و غیره میباشد. این تجهیزات برای پوشش کامل محیط و جلوگیری از بروز هرگونه خطایی نصب و راهاندازی میشوند. این موضوع به این معنی است که سیستم امنیتی با حجم زیادی از اطلاعات و داده سروکار دارد. همانطور که پیداست برنامهای پیشرفته برای مدیریت ترافیک دادههای موجود در سیستم مورد نیاز است.
همانطور که اشاره شد، تنها راه مدیریت و کنترل این حجم از داده، نرمافزاری پیشرفته و مبتنی بر هوش مصنوعی است. همچنین با مدیریت صحیح اطلاعات، تیم امنیت میتواند اطمینان حاصل کند که تمام موارد ممکن را مدنظر قرار داده و هیچ موردی نادیده نمانده است.
5. موثرتر و کارآمدتر از انسانها
در حال حاضر کارآمدی دوربین های مداربسته به اپراتورهایی که دائما در حال نظارت محیط هستند بستگی دارد. در ارتباط با انسانها یکی از عواملی که تاثیر منفی فراوانی بر کیفیت امنیت میگذارد، خستگی است. فردی که در حال نظارت محیط میباشد ممکن است بدلیل خستگی توجه و تمرکز کافی نداشته و عکسالعمل بهموقع و صحیح را هنگام بروز مشکل نداشته باشند یا حتی بعضی اتفاقات دیده نشوند.
از دیگر مزایای سیستم های دوربین مداربسته مبتنی بر هوش مصنوعی این است که میتوانند خطاهای انسانی را جبران کنند. به این معنی که هیچ اتفاق یا تهدیدی نادیده نمیماند و هیچ اطلاعات یا جزئیاتی از دست نمیرود.