18 کاربرد برتر computer vision(بینایی کامپیوتر) در امنیت و نظارت – قسمت دوم
18 کاربرد برتر computer vision(بینایی کامپیوتر) در امنیت و نظارت – قسمت دوم
تشخیص ناهنجاری در AI Vision
تشخیص ناهنجاری چیست؟
در بینایی کامپیوتری، تشخیص ناهنجاری زیرشاخه‌ای از درک رفتار از صحنه‌های نظارت است. ناهنجاری‌ها معمولاً انحرافات موجودات صحنه (افراد، وسایل نقلیه، محیط) و تعامل آن‌ها با رفتار عادی هستند. روش‌های تشخیص ناهنجاری از طریق آموزش رفتار عادی را یاد می‌گیرند. تشخیص ناهنجاری معمولاً از یادگیری بدون نظارت یا بدون نظارت یا ترکیبی از یادگیری نیمه‌نظارتی استفاده می‌کند.
از موارد تشخیص ناهنجاری استفاده کنید.
هر چیزی که به‌طور قابل توجهی از رفتار عادی منحرف شود را می‌توان «غیر عادی» در نظر گرفت. به‌عنوان مثال می‌توان به حضور وسیله نقلیه در مسیرهای پیاده‌روی، پراکنده شدن ناگهانی افراد در یک تجمع، افتادن شخصی در حین راه رفتن، پیاده‌روی در جاده، دور زدن سیگنال در ترافیک، یا دور زدن خودروها با علائم قرمز اشاره کرد.
راه حل تشخیص ناهنجاری
یک سیستم تشخیص ناهنجاری از اکتساب داده، استخراج ویژگی، یادگیری صحنه یا فعالیت و درک رفتار استفاده می‌کند. سیستم‌های تشخیص ناهنجاری برای موارد استفاده خاص طراحی شده‌اند و برای محیط‌های استقرار خاص و موقعیت‌یابی دوربین بهینه شده‌اند.
سیستم‌های تشخیص رویدادهای ناهنجاری، بی‌اهمیت هستند و به مجموعه‌ای از تکنیک‌ها نیاز دارند که حوزه‌های تحقیقاتی متعددی را در بر می‌گیرد. به طور کلی، چنین سیستم‌هایی داده‌های ویدئویی را برای انجام تجزیه و تحلیل صحنه با استفاده از تکنیک‌های پردازش ویدئو، تشخیص و ردیابی وسیله نقلیه و افراد، تکنیک‌های مبتنی بر چند دوربین، تشخیص هوشمند رویداد و غیره پردازش می‌کنند.
انواع ناهنجاری
در بینایی هوش مصنوعی انواع مختلفی از ناهنجاری ها وجود دارد. این سه نوع شامل ناهنجاری‌های نقطه‌ای، ناهنجاری‌های زمینه‌ای و ناهنجاری‌های جمعی است. ناهنجاری‌های نقطه‌ای عبارتند از، برای مثال، یک ماشین غیرحرکتی در یک جاده شلوغ یا در یک تونل. ناهنجاری‌های زمینه‌ای می‌توانند در زمینه‌های متفاوتی عادی باشند. به‌عنوان مثال، در ترافیک آهسته، اگر وسیله نقلیه‌ای سریع‌تر از سایرین حرکت کند، در موقعیت‌های کم‌تراکم چه رفتاری طبیعی خواهد بود؟ ناهنجاری‌های جمعی زمانی رخ می‌دهند که گروهی از نمونه‌ها با هم ممکن است باعث ایجاد ناهنجاری شوند، حتی اگر به‌صورت جداگانه طبیعی باشند، برای مثال، گروهی از افراد در مدت کوتاهی پراکنده می‌شوند.
دامنه و طبقه ناهنجاری‌ها
در زمینه نظارت بصری، مشاهده ناهنجاری‌ها به‌عنوان ناهنجاری‌های جهانی و محلی معمول است. ناهنجاری‌های جهانی می‌توانند در یک فریم یا بخشی از ویدئو بدون مشخص کردن مکان دقیق رویداد (بدون محلی‌سازی) وجود داشته باشند.
ناهنجاری‌های محلی معمولاً در یک منطقه خاص از صحنه اتفاق می‌افتند؛ اما ممکن است توسط الگوریتم‌های تشخیص ناهنجاری جهانی نادیده گرفته شوند. برخی از روش‌ها می‌توانند ناهنجاری‌های جهانی و محلی را تشخیص دهند.
18 کاربرد برتر computer vision(بینایی کامپیوتر) در امنیت و نظارت – قسمت دوم
تشخیص ناهنجاری در نظارت بر امنیت
تجزیه و تحلیل ویدئویی هوش مصنوعی برای تشخیص ناهنجاری در ترافیک، مترو، محوطه دانشگاه، قطار، قایق، ساختمان‌ها و مکان‌های عمومی استفاده می‌شود. نمونه‌هایی از مانیتورینگ دوربین مدار بسته برای تشخیص ناهنجاری در هوش مصنوعی بصری شامل تشخیص توقف خودرو، تشخیص وحشت، تشخیص نفوذ یا تشخیص فعالیت غیرعادی عابر پیاده است.
تشخیص ناهنجاری یادگیری عمیق برای تشخیص خودروی متوقف شده – Viso Suite
کاربردهای نظارت تصویری و امنیت
نظارت تصویری هوشمند شامل طیف گسترده‌ای از کاربردها و موارد استفاده برای تشخیص ناهنجاری، تشخیص و ردیابی اشیا، فناوری‌های تجزیه و تحلیل حرکت، سیستم‌های نظارت، پیشگیری، شناسایی و سیستم‌های هشدار است. نظارت تصویری مشارکتی، سیستم‌های بینایی هوش مصنوعی در مقیاس بزرگ را قادر می‌سازد که دوربین‌های متعددی را در مکان‌های دوردست یکپارچه کنند.
18 کاربرد برتر computer vision(بینایی کامپیوتر) در امنیت و نظارت – قسمت دوم
تشخیص شخص
سیستم های تشخیص افراد از الگوریتم‌های تشخیص اشیا (به‌عنوان مثال YOLOv7 محبوب) برای بومی‌سازی افراد در فیدهای ویدئویی استفاده می‌کنند. از این رو، تشخیص خودکار تک‌نفره و چند نفره از ویژگی‌های کلیدی سیستم‌های نظارت تصویری هوشمند است.
تشخیص انسان همچنین شامل تجزیه و تحلیل جمعیت برای تخمین تراکم صحنه و ارزیابی تعامل جسم متحرک در صحنه‌های شلوغ و بدون شلوغی (مثلاً در رویدادهای بزرگ) است.
تشخیص افراد با محو شدن چهره با حفظ حریم خصوصی
تجزیه و تحلیل تحرک مردم
یادگیری مسیر، تشخیص انسان را با تکنیک‌های مدل‌سازی مسیر و خوشه‌بندی برای انجام تجزیه و تحلیل حرکت افراد ترکیب می‌کند. به‌عنوان مثال، در برنامه‌های شهر هوشمند، از تحلیل حرکت برای انجام پیش‌بینی حرکت و تجزیه و تحلیل رفتار خودرو، رفتار عابر پیاده، شتاب، سرعت حرکت و مسیرها استفاده می‌شود.
شناسایی افراد و امنیت بیومتریک
سیستم‌های امنیتی مدرن برای نظارت تصویری از فناوری تشخیص چهره برای شناسایی خودکار افراد استفاده می‌کنند. در سطح بالایی، چنین فناوری‌های امنیتی بیومتریک، دنباله‌ای از وظایف را انجام می‌دهند که خط لوله بینایی هوش مصنوعی نیز نامیده می‌شود؛ این وظایف عبارتند از: (1) شناسایی افراد، (2) برش دادن ناحیه صورت و (3) اعمال طبقه‌بندی تصویر برای مقایسه آن با تصاویر یک پایگاه داده.
برای رعایت الزامات قانونی، الگوریتم‌های تشخیص چهره به زیرساخت‌های امنیتی و حریم خصوصی پیچیده نیاز دارند. به طور کلی، فناوری تشخیص چهره، حساس است؛ زیرا می‌توان از آن برای شناسایی افراد در فیلم‌ها و تصاویر بدون اطلاع و اجازه استفاده کرد.
تشخیص چهره بی‌درنگ با محو کردن چهره
بیومتریک رفتاری در بینایی کامپیوتری
روش جایگزین دیگر برای تشخیص انسان شامل بیومتریک رفتاری است. بینایی کامپیوتری برای بیومتریک رفتاری یک زمینه تحقیقاتی فناوری مدرن است که به دنبال شناسایی افراد با استفاده از ویژگی‌های فیزیکی و ذهنی معمولی است. این روش به شکل جدیدی از احراز هویت نشأت گرفته است؛ زیرا می‌تواند افراد را بدون نیاز به تماس فیزیکی به دقت از یکدیگر متمایز کند.
این فناوری با تجزیه و تحلیل خصوصیات فردی ظریف مانند حالات چهره، حرکات دست، حرکات بدن و تشخیص راه رفتن – که بیومتریک راه رفتن نیز نامیده می‌شود – می‌تواند افراد را شناسایی و تشخیص دهد. طیف گسترده‌ای از برنامه‌ها وجود دارد که می‌توانند برای اهداف مختلفی مانند امنیت و کنترل دسترسی، سیستم‌های شناسایی شخصی، خدمات مشتری، تشخیص تقلب، تشخیص عمیق جعلی و نظارت عمومی مورد استفاده قرار گیرند.
درک رفتار انسان
شناسایی، طبقه‌بندی و ردیابی افراد می‌تواند درک رفتار انسان را در برنامه‌های نظارت تصویری انجام دهد. الگوهای رفتاری خاص را می‌توان با مدل‌های طبقه‌بندی برای شناخت اعمال خاص انسان آموخت که می‌تواند تشخیص پرخاشگری، تشخیص نزاع، سرقت خشن همراه با اسلحه(robbery) یا دزدی (theft) و غیره را انجام دهد. برنامه‌های کاربردی برای تجزیه و تحلیل رفتار انسان همچنین شامل خوشه‌بندی مسیر با استفاده از فناوری‌های مختلف یادگیری ماشین و تصویربرداری مانند تشخیص چند دوربینی است.
تجزیه و تحلیل مسیر با بینایی کامپیوتر در فروشگاه خرده‌فروشی
18 کاربرد برتر computer vision(بینایی کامپیوتر) در امنیت و نظارت – قسمت دوم