قابليت تشخيص چهره در هايك ويژن
تهديدات و خطرات موجود در مكان هاي عمومي، منجر به افزايش نيازهاي امنيتي كاربران شده است، اخبار بين المللي نيز به طور مداوم بر افزايش آگاهي عمومي با يادآوري خطرات مذكور تاكيد دارند. تمامي موارد مذكور منجر شده تا توليد كنندگان محصولات نظارت تصويري به فكر توسعه فن آوري هاي جديد باشند. حال سوال اينجاست كه آيا مي توان به طور كامل از وقوع چنين رويدادهايي جلوگيري نمود؟ تحولات ايجاد شده در سراسر جهان و گسترش پروژه هايي مانند پروژه هاي شهر امن با وجود موانع نسبي در حال انجام شدن هستند. حفاظت از افراد، منازل، اموال و وسايل نقليه از جمله رايج ترين مزاياي استفاده از اين فن آوري هاي در حال ظهور مي باشند. اما دوربين هاي نظارت تصويري مختلف در هر نوع كاربري كه مورد استفاده قرار مي گيرند، بعلاوه قابليت هاي مختلف موجود در آنها منجر به پيچيده شدن مبحث راه اندازي سيستم نظارت تصويري شده است. توانايي جستجوي سريع در ميان حجم انبوهي از داده ها يكي از اين چالش هاست.
در بحث هاي امنيتي در سيستم هاي نظارت تصويري هايك ويژن، افزايش ايمني كاربر فاكتور و اولويت اصلي محسوب مي گردد. از منظر تجاري و كسب و كار نيز، افزايش رضايت مشتري عامل مهم و تعيين كننده اي است. فن آوري هاي مرتبط با تشخيص چهره نه تنها به اين گونه مسائل پاسخ مي دهند، بلكه بر توانايي هاي ما براي غلبه بر چالش هاي موجود مي افزايند. علاوه بر افزايش سرعت و كارايي، شناسايي چهره مي تواند راه كارهاي جديدي را براي افزايش امنيت در كاربري هاي مختلف ارائه دهد.
مشكلات و نيازهاي امنيتي
شناسايي مظنونين حادثه در طي تحقيقات پس از وقوع رخدادها، مشكلات بسياري را به همراه دارد. چالش هايي نظير بررسي تمامي تصاوير گرفته شده از دوربين هاي مداربسته، بررسي تفاوت هاي موجود در چهره اشخاص و مقايسه آن ها با يكديگر و استخراج اطلاعات مفيد از ميان حجم زيادي داده به منظور انجام اقدامات لازم در رخداد ها و … از جمله اين موارد هستند. اين موانع مي تواند مشكل جدي و فلج كننده اي براي يك سيستم نظارت تصويري استاندارد، حتي با وجود تجهيزات بروز، محسوب شوند. پردازش چنين اطلاعاتي ممكن است منجر به از كار افتادن سيستم و كاهش كارايي آن گردد. در اين مواقع نياز به راه كار هاي موثر و پيشرفته تر از طريق توسعه هوش مصنوعي Deep Learning هايك ويژن در محصولات به شدت احساس مي گردد. در همين راستا فن آوري تشخيص چهره هايك ويژن بدون شك از اهميت ويژه اي برخوردار است.
مشكلات رايج در راه كار هاي مرتبط با تشخيص چهره
دوربين هاي مداربسته هوشمند قديمي نسبت به محصولات جديدتر جزئيات بسيار كم تري از تصوير زمينه را به نمايش مي گذارند. در فرآيند تشخيص چهره انسان، دو مرحله كليدي وجود دارد:
- گام اول، “تشخيص ويژگي هاي مختلف سوژه” است كه پارامترهاي آن توسط انسان طراحي شده و هميشه ذهني هستند. اين روش در شرايط بسيار خاصي مفيد خواهد بود و در صورت تغييرات جزئي در نور محيط از دقت كار كاسته مي گردد.
- گام دوم، “يادگيري طبقه بندي شده” است كه از يادگيري و تحليل دقيق داده ها استفاده مي كند. نتايج به دست آمده مستقيما عمق و كاربرد برنامه هاي هوشمند را محدود مي كند.
مزاياي هوش مصنوعي Deep-Learning هايك ويژن براي سيستم هاي نظارت تصويري
هوش مصنوعي هايك ويژن Deep-Learning با ساير الگوريتم ها تفاوت ذاتي دارد. در واقع راه حل هايي كه براي حل نقص ها در مقايسه با الگوريتم هاي قديمي در آن وجود دارد در مفاهيمي كم و ساده خلاصه شده است كه در ادامه به آن ها مي پردازيم.
گام اول، از سطح به عمق
مدل الگوريتمي براي Deep-Learning داراي ساختاري بسيار عميق تري نسبت به الگوريتم هاي قديمي است. گاهي اوقات تعداد لايه ها مي تواند به بيش از صد برسد، و آن را قادر مي سازد حجم زيادي از داده ها را در دسته بندي هاي پيچيده پردازش كند. عملكرد Deep-Learning بسيار شبيه فرآيند يادگيري در انسان بوده و داراي يك فرآيند انتزاعي-لايه-لايه است. هر لايه وزن “متفاوتي” خواهد داشت و اين وزن بر آنچه كه از اجزا سازنده سوژه دريافت شده، تاثير مي گذارد. هرچه سطح لايه بالاتر باشد، مولفه هاي آن خاص تر است. با تاثير پذيري از مغز انسان، يك سيگنال اصلي در Deep-Learning از طريق لايه هاي پردازشي عبور مي كند؛ سپس، آن را از فهم جزئي (كم عمق) به يك انتزاع كلي (عميق) كه ما مي توانيم آن را درك كنيم تبديل مي كند.
گام دوم، از ويژگي هاي ساختگي تا يادگيري ويژگي ها
يادگيري عميق به مداخله دستي (انسان) نياز ندارد، بلكه به يك كامپيوتر براي استخراج ويژگي ها متكي است. به اين ترتيب مي تواند ويژگي هاي بسياري را از هدف استخراج كند، از جمله ويژگي هاي انتزاعي كه توصيف آنها دشوار يا غيرممكن است. هرچه سوژه داراي جزئيات بيشتري باشد تشخيص و طبقه بندي آن دقيق تر خواهد بود. برخي از مزاياي مستقيم الگوريتم هاي Deep-Learning شامل دقت بالا در الگوهاي تشخيصي حتي بيشتر از انسان، قابليت هاي ضد تداخل قوي، و قابليت طبقه بندي و تشخيص هزاران ويژگي ديگر مي شود.
با استفاده از تكنولوژي Deep-Learning، دقت متوسط در تشخيص چهره افراد به طور قابل توجهي افزايش مي يابد. راهكار تشخيص چهره هايك ويژن تمامي محدوديت هاي موجود در اين روش را از بين برده است. وجود قابليت هاي بسيار زياد جهت ذخيره سازي داده ها در اين راه كار، باعث شده تا بتوان به كتابخانه اي از اطلاعات استخراج شده از چهره هاي مختلف دسترسي داشت. از اين اطلاعات در فعال شدن سيستم هاي هشدار و مجوز ورود و خروج در طيف وسيعي از كاربرد ها استفاده مي گردد.
هايك ويژن الگوريتم هاي خود را در دوربين ها و دستگاه هاي ضبط كننده ادغام كرده است بنابراين به هيچ دستگاه سرور يا كامپيوتري نياز نيست. اين به معناي تاخير كمتر در انتقال داده ها و كاهش فشار وارد بر دستگاه است. با وجود الگوريتم Deep-Learning، دقت عملكردي تشخيص چهره به 95? و دقت مقايسه ميان چهره ها به 98? مي رسد. با وجود مدل هاي مختلف در اين الگوريتم ها تمام چهره هاي انساني در سرتاسر دنيا در قالب اين ويژگي پشتيباني شده و قابل تشخيص اند.
https://tiamcctv.com/product/td-3108b1-8p/
https://tiamcctv.com/product/td-9521e3d-pe-ar2/