دوربینهای نظارتی هر روز حجم زیادی از ویدئو تولید میکنند، اما ضبط تصویر به معنای دسترسی سریع به اطلاعات نیست. نظارت تصویری هوشمند با استفاده از تحلیل ویدئویی مبتنی بر هوش مصنوعی یا AI Video Analytics تلاش میکند تصاویر خام دوربینها را به دادههای قابل جستوجو، هشدارهای قابل بررسی و اطلاعات قابل استفاده برای تصمیمگیری تبدیل کند. نتیجه، کاهش وابستگی به بازبینی دستی و امکان واکنش سریعتر به رخدادهاست.
مقدمه
در یک مجموعه دارای چندین دوربین، مسئله اصلی معمولاً کمبود تصویر نیست؛ مسئله، پیدا کردن تصویر درست در زمان مناسب است. اگر یک رخداد ساعاتی قبل اتفاق افتاده باشد، اپراتور ممکن است مجبور شود بخشی از ویدئوی ضبطشده را بررسی کند تا لحظه موردنظر را پیدا کند.
با افزایش تعداد دوربینها و ساعات ضبط، این روش زمانبرتر میشود. در نظارت تصویری هوشمند، ویدئو فقط ذخیره نمیشود؛ بلکه با کمک بینایی ماشین و هوش مصنوعی تحلیل میشود تا اشیا، حرکتها و رویدادهای مشخص قابل تشخیص و جستوجو باشند.
نظارت تصویری هوشمند چیست؟
نظارت تصویری هوشمند به استفاده از نرمافزارهای تحلیل تصویر، بینایی ماشین و هوش مصنوعی در کنار زیرساخت دوربین و مدیریت ویدئو گفته میشود. در سیستمهای سنتی، اپراتور تصویر زنده را مشاهده میکند یا برای بررسی یک اتفاق به ویدئوی آرشیوی مراجعه میکند. در سامانههای مبتنی بر AI Video Analytics، ویدئو برای شناسایی اشیا، حرکتها یا شرایط از پیش تعریفشده پردازش میشود.
یکی از عناصر مهم Metadata یا فراداده است. فراداده میتواند اطلاعاتی درباره اجسام، موقعیت یا مسیر حرکت ارائه کند و جستوجوی ساختاریافتهتر در آرشیو را ممکن سازد.
تحلیل ویدئویی هوشمند چگونه کار میکند؟
تحلیل میتواند روی دوربین، تجهیزات لبه شبکه یا سرور انجام شود. مدلهای تحلیلی فریمهای ویدئو را بررسی کرده و اطلاعات موردنیاز را استخراج میکنند.
برای مثال، بهجای اینکه اپراتور چند ساعت ویدئو را برای یافتن خودرو بررسی کند، سامانه میتواند نتایج را بر اساس بازه زمانی، نوع شیء، مسیر حرکت یا رویدادهای ثبتشده محدود کند. ابزارهای Smart Search نیز با همین هدف زمان بررسی آرشیو را کاهش میدهند.
چرا AI Video Analytics برای سازمانها اهمیت دارد؟
افزایش تعداد دوربینها بدون ایجاد یک لایه تحلیلی، الزاماً به معنای افزایش توان نظارتی سازمان نیست. ممکن است سازمان صدها ساعت ویدئو در اختیار داشته باشد، اما هنگام وقوع حادثه همچنان پیدا کردن اطلاعات موردنیاز دشوار باشد.
هدف تحلیل ویدئو جایگزینی کامل نیروی انسانی نیست؛ بلکه کاهش حجم اطلاعاتی است که اپراتور باید بررسی کند و هدایت توجه او به رخدادهای مرتبطتر است.
مزایای نظارت تصویری هوشمند
یکی از مهمترین مزایا، جستوجوی سریعتر در ویدئوهای ضبطشده است. بهجای حرکت دستی در Timeline، اپراتور میتواند با معیارهای مشخص نتایج را محدود کند.
مزیت دیگر، تشخیص خودکار رویدادهای موردنظر است. سامانه میتواند برای سناریوهایی مانند ورود به محدوده مشخص، عبور از یک خط یا حرکت یک شیء پیکربندی شود. در این حالت، نظارت از مشاهده صرف تصویر به پایش رویدادمحور نزدیک میشود.
ثبت رویداد همراه با زمان، دوربین و اطلاعات مرتبط نیز پاسخ به رخداد را سریعتر میکند. اپراتور میتواند بررسی را از یک هشدار یا نتیجه جستوجوی محدودشده آغاز کند. همچنین دوربین از یک منبع صرفاً تصویری به یک منبع داده تبدیل میشود.
کاربردهای نظارت تصویری هوشمند
AI Video Analytics میتواند در ساختمانهای سازمانی، مراکز صنعتی، انبارها، محوطههای بزرگ، مراکز تجاری، زیرساختهای حملونقل و مجموعههای چندسایتی استفاده شود. کاربردها الزاماً امنیتی نیستند و میتوانند شامل پایش محدودهها، بررسی جریان حرکت، جستوجوی رخدادها و پشتیبانی از تصمیمات عملیاتی باشند.
پیش از پیادهسازی چه نکاتی باید بررسی شود؟
عملکرد نظارت تصویری هوشمند فقط به الگوریتم وابسته نیست. کیفیت و زاویه تصویر، نور محیط، محل نصب، نوع سناریوی تحلیلی، توان پردازشی، شبکه، ظرفیت ذخیرهسازی و نحوه یکپارچهسازی با سامانه مدیریت ویدئو اهمیت دارند.
همچنین باید مشخص شود سازمان دقیقاً به دنبال حل چه مسئلهای است. استفاده از Video Analytics بدون تعریف Use Case روشن میتواند به هشدارهای کمارزش یا پیچیدگی غیرضروری منجر شود. سیاست نگهداری تصاویر، سطح دسترسی کاربران، امنیت زیرساخت و الزامات حریم خصوصی نیز باید از ابتدا در نظر گرفته شوند.
نقش سامانه سپند در نظارت تصویری هوشمند
در رویکرد اینوتک، هدف صرفاً افزایش تعداد دوربینها نیست؛ ارزش اصلی زمانی ایجاد میشود که بتوان از تصویر، اطلاعات قابل استفاده برای پایش و تصمیمگیری استخراج کرد. سامانه سپند در همین چارچوب قابل بررسی است؛ یعنی حرکت از نظارت تصویری صرف به سمت استفاده هوشمندتر از دادههای تصویری و تحلیل رخدادها.
پیش از انتخاب چنین راهکاری، زیرساخت فعلی دوربینها، معماری شبکه، نیازهای امنیتی و عملیاتی و سناریوهای مورد انتظار باید بررسی شوند تا قابلیتهای تحلیلی متناسب با نیاز واقعی سازمان انتخاب شوند.
جمعبندی
نظارت تصویری هوشمند مرحله بعدی استفاده از زیرساخت دوربین در سازمانهاست. در این رویکرد، هدف فقط ثبت اتفاقات نیست؛ بلکه ایجاد امکان تشخیص، جستوجو و بررسی سریعتر اطلاعات موجود در تصاویر است.
AI Video Analytics با استخراج فراداده، تشخیص رویداد و جستوجوی هوشمند میتواند فاصله میان «ثبت یک رخداد» و «پیدا کردن اطلاعات موردنیاز برای واکنش» را کاهش دهد. موفقیت این رویکرد به انتخاب سناریوی مناسب، کیفیت زیرساخت و طراحی صحیح فرایند پاسخ به رخداد وابسته است.
برای بررسی کاربرد AI Video Analytics و نظارت تصویری هوشمند در زیرساخت سازمان خود و آشنایی بیشتر با سامانه سپند، با کارشناسان اینوتک در ارتباط باشید.
