home صفحه اصلی lock person ثبت نام

چگونه بهترین نتیجه را از ابزار آنالیز تصویر دوربین مدار بسته خود بگیریم

Star ActiveStar ActiveStar ActiveStar ActiveStar Active
 

 281 1

 

دقت تحلیل‌های ویدیویی مدت‌هاست که در صنایع امنیتی مورد بحث است. علی‌رغم این واقعیت که الگوریتم‌های موجود دقت را به میزان قابل توجهی بالا برده و تا اندازه زیادی از تعداد آلارم‌های مزاحم کاسته است، بسیاری همچنان معتقدند که یک سیستم هوشمند نمی‌تواند به عنوان فرم غالب نظارتی، قابل اتکا باشد. طبق پیش بینی‌های اینفینیتی، بازار امنیت هوشمند تا سال ۲۰۱۹ به نرخ رشد 6/18 درصد خواهد رسید.

فارغ از اینکه سیستم‌های هوشمند و تحلیلی قادر به تسلط بر بازار هستند یا خیر، در گزارشی که اخیرا بنا بر تحقیقات اینفینیتی منتشر شده، پیش بینی شده است که رشد سالیانه بازار امنیت هوشمند تا سال ۲۰۱۹ به 6/18 درصد خواهد رسید. یکی از دلایل این افزایش تقاضا برای امنیت بیشتر و هوشمندتر، به افزایش تروریسم در سرتاسر جهان بر می‌گردد. در نتیجه، مناطق ویژه‌ای از جهان از سیستم‌های مجهز به تحلیل محتویات ویدیویی، سود بسیار خواهند برد. با این حال، برای دستیابی کامل به نتایج مثبت حاصل از سیستم‌های هوشمند، نصب درست آن‌ها با در نظر گرفتن نیازهای کاربر، محیط و ... مسأله‌ای حیاتی است.

 281 2

آنچه باید در ابتدا مورد توجه قرار داد

 پیش از نصب سیستم‌ها و دوربین های مدار بسته، باید چندین مورد را مد نظر قرار داد. به توصیه ورگسه تریمولا، مدیرعامل شرکت ماکسیتولین که یک شرکت ادغام سیستم مالزیایی است، نخستین نکته آن است که مشتری باید تهدیدات و ریسک بالقوه موجود در سازمان و مخاطرات ناشی از عوامل بیرونی را درک کند. به گفته وی، شرکت‌ها تشویق می‌شوند که تحلیل‌ها و بررسی‌های صورت گرفته بر مخاطرات حرفه‌ای را متقبل شده و به این ترتیب عوامل خطرساز و چگونگی غلبه بر آن‌ها را به هنگام استفاده از سیستم‌های امنیتی الکترونیکی، درک نمایند.

مدیر مهندسی خرید شرکت ریتیل نکست، جرمی هالتوم نیز بر اهمیت تشریح شفاف اهداف صحه گذشته و می‌گوید: مشخص نمودن اهداف، دیدگاهی صریح درباره ملزومات سیستم به دست می‌دهد؛ چرا که به عنوان مثال راه حل‌های به کار گرفته شده در زمینه شمارش ترافیکی در مقایسه با راه حل‌های به کار گرفته شده در زمینه تحلیل کلی مسیر ترافیکی، بسیار متفاوت هستند. وی همچنین بر لزوم دانستن چگونگی دستیابی به داده‌های گردآوری شده و همچنین محل گردآوری آن‌ها و اشخاص عهده‌دار این وظیفه تأکید می کند و معتقد است که این مسأله به اینکه اطلاعات در کجا باید زنده باشند، کمک می‌کند.

اطلاع از میزان دقتی که از کاربران انتظار می‌رود نیز حائز اهمیت است. مارتی تس، رئیس اداره اپلیکیشن‌های هوشمند در بخش پیشگیری از فجایع و تجارت نظارتی شرکت سیستم‌های ادغامی بین المللی، شرح می‌دهد که چگونه اپلیکیشن‌های مختلف قادر به پذیرش میزان دقت‌های متفاوتی هستند. به عنوان مثال، در زمینه حمل و نقل از اپلیکیشن شناسایی پلاک خودروها اغلب برای پیشگیری از جرائم ترافیکی، در پارکینگ‌ها، در عوارضی جاده‌ها و... استفاده می‌شود. به گفته تس، این اپلیکیشن‌ها نیازمند دقت بالایی هستند. تس می‌گوید با وجودی که ۹۰ درصد دقت بالایی به نظر می‌رسد، اما وقتی در مورد یک میلیون ماشین حرف می‌زنیم، به معنای عدم شناسایی پلاک ۱۰ هزار خودرو است و به این ترتیب دقت کمی خواهد بود. در حالی که در مورد انبارها که از اطلاعات تحلیلی به منظور بازاریابی و اقدامات تجاری استفاده می‌شود، ۷۰ یا ۸۰ درصد دقت کافی است.

 

اطمینان از بهترین نتایج

پس از کسب اطلاع در مورد ملزومات کاربری و محلی، اگاهی از وجوه تکنیکی‌تر نصب در مرحله بعدی قرار می‌گیرد.

اندرسون لین، کارشناس ارشد پیش فروش اداره فنی شرکت ان.ای.سی تایوان توضیح می‌دهد که زاویه دوربین مدار بسته نقش تعیین کننده‌ای در دقت تحلیل‌ها دارد. مثلاً، داده‌های ویدیویی حاصل از دوربین های مدار بستهای با زاویه صفر یا ۴۰ درجه، دقیق‌ترین نتایج ممکن را در پی نخواهند داشت؛ اما، ویدیوهای حاصل از دوربین های مدار بسته دارای زاویه ۵ تا ۳۰ درجه (بسته به اپلیکیشن و محیط نصب)، بهترین داده‌ها را ارائه می‌دهند.

 

زاویه و محل نصب مناسب دوربین مدار بسته، همچنین برای جلوگیری از تعداد نقاط کور نیز اهمیت دارد. از آنجا که دوربین‌ها قادر به دیدن محل‌هایی که کاملاً زیر آن‌ها قرار دارد نیستند، هیچ دوربینی بدون نقطه کور وجود ندارد. بسته به ارتفاع و زاویه نصب دوربین مدار بسته، نقاط کور می‌توانند محدوده قابل ملاحظه‌ای از اطراف بستر جای‌گیری دوربین مدار بسته را پوشش دهند. جان رومانوویچ، رئیس اجرایی سایت لوجیکس می‌گوید : برای پوشش دادن کامل یک منطقه، هر دوربین باید قادر به همپوشانی و پوشش دادن نقطه کور دوربین روبرویی خود باشد. همه سیستم‌های امنیت محیطی کارآمد باید با رویکرد بدون نقطه کور طراحی شوند.

در مورد اپلیکیشن‌های نصب شده در فضای باز، رومانوویچ بر اهمیت تعیین محدوده شناسایی صحیح دوربین های مداربسته هوشمند تأکید دارد (فاصله‌ای که در آن دوربین مدار بسته  می‌تواند مزاحمی را که از محدوده آن خارج می‌شود یا مستقیماً به سمت آن می‌آید، تشخیص دهد). وی می‌گوید: وقتی فردی به طرف دوربین مداربسته می‌آید، دوربین برای شناسایی آن نیاز به حرکت کمتری دارد؛ در حالی که اگر فرد در حال عبور از میدان دید دوربین مدار بسته باشد، شناسایی آن در محدوده‌های طولانی‌تر برای برخی دوربین‌های تحلیل ویدیویی دشوار خواهد بود. شناسایی فردی که وارد میدان دید می‌شود، سخت‌ترین کار برای یک دوربین اتوماتیک است، بنابراین محاسبه محدوده شناسایی می‌تواند از هرگونه عدم پوششی پیشگیری کند.

 

درباره منحنی یادگیری

کسب بهترین نتایج همچنین به درک یا عدم درک سیستم توسط کاربر آن بستگی دارد. در مراحل اولیه نصب، دوربین های مداربسته اغلب باید تنظیم مجدد شوند و حساسیت آن‌ها تغییر کند تا قادر باشند یه بهترین شکل عمل کنند. بسته به پیچیدگی محل نصب و نوع اپلیکیشن تحلیلی به کار گرفته شده، لازم است این کار هر چند روز یا هر چند ماه یک‌بار انجام شود. در این مرحله، همچنین باید پارامترهای لازم به دوربین مداربسته داده شود تا مشخص شود که دقیقاً به دنبال چه چیزی است و این مورد نیز ممکن است نیاز به تنظیماتی داشته باشد.

در مراحل اولیه نصب، دوربین های مدار بسته اغلب باید تنظیم مجدد شوند و حساسیت آن‌ها تغییر کند تا قادر باشند به بهترین شکل عمل کنند.

آموزش کاربر نیز در این دوره دارای اهمیت است. هالتوم از شرکت ریتیل نکست بر ضرورت آموزش کافی تأکید دارد. پیش از نصب و بکارگیری کامل سیستم، لازم است یک دوره آموزشی برگزار شود و نه تنها در رابطه با قابلیت‌های سیستم آموزش‌های لازم داده شود، بلکه در زمینه اپلیکیشن‌های تجاری و راه حل‌های لازم نیز آموزش‌های لازم ارائه گردد.

به عقیده کوماراگورو، مدیر ماها آسیا، یک شرکت ادغام کننده مالزیایی، آموزش کاملای کاربر همچنین می‌تواند منحنی یادگیری را کوتاه‌تر نماید. وی می‌گوید: تمرکز بر نقش یادگیری کاربر در حول و حوش طراحی رابط کاربری، قابلیت استفاده و سایر عواملی می چرخد که معمولا با تأیید عملکرد ویدیویی هوشمند مطابق با خواسته صاحبان تجارت مرتبط است.

نرم افزار خودآموز آنالتیک نیز می‌تواند به کاهش آنچه منحنی یادگیری سیستم‌های هوشمند نامیده می‌شود بینجامد. با این حال، در حال حاضر، اپلیکیشن‌ها به عملکردهای تحلیلی ساده محدود هستند. هالتوم می‌گوید: از دیدگاه آموزش ماشینی هوشمند، محاسبات ساده‌ای در مورد شمارش افراد، عیور و مرور آن‌ها و جای‌گیری تجهیزات را می‌توان با آستانه‌های از پیش تعیین شده مقایسه نمود و تغییرات محیطی که هشدارهای آنی را دیکته می‌کنند، مشخص نمود. در چنین اپلیکیشن‌های محدودی، خودآموزها می‌توانند به کوتاه نمودن منحنی یادگیری کمک کنند.

 

 

منبع: ماهنامه سیباشهر

 

 

 


نظر خود را بنویسید.