هوش مصنوعی و نگهبانان امنیتی
چگونه هوش مصنوعی و نگهبانان امنیتی با استفاده از تجزیه و تحلیل ویدیویی با هم کار می کنند؟
اینکه چگونه هوش مصنوعی و انسان ها می توانند با هم کار کنند یک بحث طولانی مدت است. همانطور که جامعه از نظر فناوری پیشرفت می کند، همیشه این نگرانی وجود دارد که ربات ها مشاغل را تصاحب کنند.
ماشین‌های خودبازرسی، ماشین‌های کارخانه‌ای خودکار و تجزیه و تحلیل‌های ویدئویی همگی باعث بهبود کارایی و بهره‌وری می‌شوند، اما هنوز هم می‌توانند با انسان‌ها کار کنند و در بیشتر موارد، آنها به این کار نیاز دارند. تجزیه و تحلیل ویدیویی به طور خاص یکی از فناوری های بسیار هوشمندانه است که محافظان امنیتی می توانند از آن استفاده کنند. تجزیه و تحلیل ویدئو چگونه می تواند به سناریوهای امنیتی خاص کمک کند؟
ابزارهای تجزیه و تحلیل ویدیویی
قبل از تجزیه و تحلیل ویدئویی یا حتی دوربین مداربسته به طور کلی، اگر کودکی در یک مرکز خرید گم می شد، ما فقط می توانستیم به انسان تکیه کنیم. یک مرکز خرید شلوغ شنبه را انتخاب کنید، یک مجتمع پیچیده با مغازه‌ها و غذاخوری‌های فراوان، باید به پرسنل امنیتی هشدار دهید، به یک مهمانی تاننو و جستجو تکیه کنید و برای یافتن کودک گمشده یا ربوده شده امیدوار باشید که قرنطینه شود. با تجزیه و تحلیل ویدیویی، این سناریو چگونه انجام می شود؟ خیلی ذهن گیره
با همین سناریو، اکنون از دوربین‌های مختلف کمک می‌کنید، اما پس از آن وظیفه جستجو در تمام منابع و فیلم‌های دوربین مداربسته وجود دارد. در اینجاست که توابع جستجوی پیچیده وارد می‌شوند. به محض اینکه امنیت هشدار داده می‌شود، می‌توانند با ابزارهای تجزیه و تحلیل ویدیویی کار کنند تا دقیقاً به آن آموزش دهند که چه فیلمی را محدود کند، و فیلترها و عملکردهای زیادی برای استفاده وجود دارد.
جهت حرکت مورد انتظار
به عنوان مثال، آنها می توانند یک فیلد «انسان» را علامت بزنند، بنابراین هوش مصنوعی می تواند وسایل نقلیه، اشیاء و غیره را ردیابی و فیلتر کند، و سپس می توانند ارتفاع، رنگ لباس، زمان گم شدن کودک و آخرین مکان شناخته شده را وارد کنند.
یک رویداد پیچیده نیز وجود دارد که باید بررسی شود، تحت «دزدی کودک». برای جستجوی دقیق‌تر، نگهبانان امنیتی می‌توانند با ترسیم جهت حرکت مورد انتظار کودک با استفاده از تابع پرس و جو بصری، معیار جستجو را اضافه کنند. عملکرد منحصر به فردی مانند این جستجوهای مبتنی بر معیارهای بصری را به جای جستجوهای مبتنی بر متن امکان پذیر می کند. سپس این فناوری به تصاویر/ویدئوهایی محدود می‌شود که معیارهایی را که وارد کرده‌اند را نشان می‌دهد و شی/فرزندی را نشان می‌دهد که با داده‌ها و ورودی فیلتر مطابقت دارد.
توابع پردازش رویداد
یک میدان عمومی با تعدادی ورودی به محوطه اصلی را تصور کنید و در هر نقطه ورودی یا مسیر، دوربین مدار بسته وجود دارد. کسانی که در اتاق کنترل هستند می‌توانند برای هر دوربین دو رویداد تنظیم کنند: یک رویداد گروه‌بندی و یک رویداد عبور از مسیر. اینها کاملاً خود توضیحی هستند. یک رویداد گروه‌بندی تصاویری از دیدن افرادی که در مجاورت جمع شده‌اند را پوشش می‌دهد و یک رویداد گذر از مسیر نشان می‌دهد که افراد در حال عبور یا ورود هستند.
کاهش هشدارهای کاذب
با ترکیب این دو رویداد، محرک های آلارم را برای دقت بهتر برای پیش بینی موقعیت های خاص، مانند نمایش، فیلتر می کند. همچنین می‌توان هوش مصنوعی را طوری تنظیم کرد که فقط زمانی که دو رویداد همزمان در تمام دوربین‌های هر ورودی اتفاق می‌افتند، زنگ هشدار را راه‌اندازی کند تا هشدارهای کاذب کاهش یابد.
موقعیت ها و رویدادهای زیادی وجود دارد که می توان تجزیه و تحلیل ویدیویی را برای نظارت بر آنها برنامه ریزی کرد. می‌توانید فیلدها را علامت بزنید تا همه اشیایی را که ظاهر شده، ناپدید شده یا رها شده‌اند، نظارت کنید. همچنین می توانید رویدادهایی مانند گذر از مسیر را برای نظارت بر ترافیک، و همچنین پرسه زدن، دعوا، گروه بندی، تغییر ناگهانی صحنه، دود، fl بررسی کنید.
برای مقایسه و خرید انواع دوربین و تجهیزات شبکه به سایت ما مراجعه کرده یا با مشاوران ما به صورت رایگان تماس حاصل فرمایید.
