پیشرفتهای اخیر صورت گرفته در زمینه تکنولوژی هوش مصنوعی AI، بیگ دیتا یا کلان داده و یادگیری ماشینی روز به روز بیشتر از قبل در حال بهبود بخشیدن وضع قابلیت های آنالیتیک ویدئویی میباشد. کاری که تکنولوژی ویدئویی انجام میدهد این است که از قابلیتهای تشخیص چهره و تحلیل رفتاری خود در جهت شناسایی تهدیدهای محتمل استفاده میکند.
رخدادهای برگزارشده در فضای باز همچون کنسرتها و مسابقات ورزشی جمعیت و ازدحام زیادی را به سمت خود میکشانند؛ برای برقراری امنیت در اینگونه رخدادها، تکنولوژی ویدئویی نقشی بسیار مهم را ایفا می نماید. تکنولوژی تجزیه وتحلیل محتوای ویدئویی را میتوان برای تشخیص نشانه های رفتارهای مشکل ساز آموزش داد. همچنین این امکان وجود دارد که دوربین های نظارتی رو به یک سری منطقه ی مشخص تنظیم شده باشند تا بدین شکل به بررسی ورود افراد غیرمجاز، ازدحام زیاد افراد حاضر در یک منطقه یا زمان طولانی توقف یک فرد در یک مکان بپردازند.
تکنولوژی ویدئویی معمولا با سایر سرویسها تلفیق میشود تا پس از شناسایی تهدیدات محتمل، اقدامات مقتضی صورت بگیرند. هشدار پیشگیرانه، یعنی فعال کردن تماس تلفنی به هنگام تشخیص یک رفتار مشکوک یا غیرعادی، باعث میشود که کارایی کلی تیم امنیتی بهبود پیدا کند.
نظارت ویدئویی همچنین باعث افزایش «آگاهی موقعیتی» پرسنل امنیتی میگردد. برای این کار چندین دوربین در مکان های مختلف نصب میگردند تا بدین شکل افراد نسبت به آنچه در منطقه میگذرد آگاهی بیشتری پیدا کنند. ماشینها قادر به انجام کارهایی هستند که افراد از انجام آنها ناتوان هستند. نظارت مستمر و دائم انجام شده توسط دوربین ها باعث به حداقل رساندن ریسک خطاها و حواس پرتی های انسانی میشود.
نقش سیستمهای تشخیص چهره
سیستم های تشخیص چهره نقشی مهم را در آنالیتیک های ویدئویی ایفا میکنند. زیاد شدن دوربین های باکیفیت و پیشرفتهای صورت گرفته در تکنولوژی آنالیتیک ویدئویی هر دو به بهبود دقت در تشخیص چهره کمک نموده اند.
یکی از کاربردهای امنیتی سیستم های تشخیص چهره، قرار دادن تصویر افراد مشکوک یا متخلفین گذشته در اختیار موتورهای آنالیتیک ویدئویی است. به هنگام تشخیص تصویر این افراد توسط دوربین ها، پرسنل امنیتی را میتوان به سرعت برای بازداشت آنها ارسال کرد تا بدین شکل از رفتارهای سوء یا اقدامات جنایی آنها از قبل پیشگیری نمود.
تکنولوژی تشخیص چهره را میتوان علاوه بر تشخیص مظنونان جنایی، در جهت شناسایی میهمانان ویژه نیز به کار برد؛ بدین شکل میتوان مطمئن شد که بازدیدکنندگان مهم به درستی مشغول شده و در صورت نیاز به درستی مورد راهنمایی قرار گرفته اند.
از آنجایی که تکنولوژی تشخیص چهره هنوز هم یک تکنولوژی به نسبت جدید بوده و به صورت گسترده به کار گرفته نشده است، کشورهای مختلف سیاستها و قوانین متفاوتی را برای استفاده از این تکنولوژی وضع نموده اند. در هر صورت، مسئولین برگزاری این نوع رخدادها باید به این موضوع توجه کنند که چگونه میتوان از این تکنولوژی به شکلی استفاده نمود که در عین تضمین مطلوبیت، شفافیت، سطح پاسخگویی و حفظ حریم شخصی، سطح امنیت عمومی را به حداکثر میزان ممکن رساند.
شکل گیری تنگناها در یک رخداد
بازهم در اینجا کلان داده ها یا بیگ دیتا ایفای نقش میکنند. داده های جمع آوری شده توسط سنسورهای ویدئویی به افراد کمک میکنند تا روند فعالیت های صورت گرفته را با جزئیات برنامه ریزی کرده و با توجه به اطلاعات به دست آمده به ارتقاء میزان آمادگی و پاسخگویی امنیتی بپردازند.
یکی از چالشهایی که ترتیب دهندگان رخدادها با آن روبرو هستند، حجم ازدحامی است که در ورودی اینگونه رخدادها شکل میگیرد. ازدحام وسایل نقلیه در محیط اطراف و صف های طولانی مقابل درب ورودی باعث شکل گیری یک سری «تنگنا» میشوند.
آنالیتیکهای ویدئویی میتوانند تنها با استفاده از داده هایی که در طول زمان از جریانهای ترافیکی جمع آوری کرده اند به رسیدگی به این مسئله بپردازند، پیش از آنکه یک پیاده رو یا یک مسیر راهیابی ماشینی مناسب برای تسهیل وضع ترافیک ایجاد گردد. این کار نه تنها باعث بهبود تجربه ی میهمانان میگردد، بلکه سطح امنیت را نیز ارتقاء میبخشد. بدین شکل میتوان از قبل مسیرهای تخلیه و ارسال نیروهای امنیتی را برای تسریع پاسخگویی در شرایط اضطراری برنامه ریزی نمود.
از این اطلاعات میتوان در جهت آگاهی یافتن نسبت به تقاضای موجود برای تعداد پرسنل موردنیاز، اطمینان یافتن نسبت به اینکه جمعیت افراد به درستی به سوی رخداد مربوطه هدایت شده اند، جلوگیری از ایجاد صف های طولانی از افراد و تنگناها و همچنین رعایت قوانین امنیتی توسط کارمندان استفاده نمود.
به صورت خلاصه میتوان گفت که دوربینها و آنالیتیکهای ویدئویی نقشی بزرگ را در برقراری امنیت در برگزاری رخدادها در فضای باز ایفا میکنند. تکنولوژی هوش مصنوعی گنجانده شده در این سیستم ها به شما کمک میکند تا به تشخیص افراد و رفتارهای مشکوک و سایر ناهنجاری های موجود بپردازید. این تشخیص فوری به شما کمک میکند تا برای تضمین امنیت، اقدامات مربوطه را در سریعترین زمان ممکن صورت دهید. دوربین ها به جمع آوری داده های مربوط به جریان های ترافیکی نیز کمک میکنند. بدین شکل برای جلوگیری از شکل گیری تراکم خودروها میتوان مسیرهای رفت و آمد را با توجه به این داده ها طراحی نمود. این کار علاوه بر بهبود بخشیدن تجربه ی میهمانان، وضعیت امنیت عمومی را نیز بهتر میکند.
نظارت ویدئویی پیشرفته چگونه میتواند با تهدیدات تروریستی مبارزه کند؟
حملات تروریستی به جمع شلوغی از افراد، حقیقتی است که بسیاری از متخصصین امنیتی باید آمادگی روبرو شدن با آن را داشته باشند. یک تکنولوژی نظارت ویدئویی که بر اساس یادگیری عمیق کار کند میتواند به رویارویی با این نوع تهدیدات کمک کند. تکنولوژی دوربین نظارتی پیشرفته را میتوان برای بررسی رفتار مشکوک و جلوگیری از وقوع حملات تروریستی در اماکن عمومی به کار بست.
وزارت امنیت میهن ایالات متحده آمریکا لیستی از برخی صحنه های خارج از دیدی که دوربینهای امنیتی باید در آنجا قرار بگیرند ارائه نموده است. موارد ذکر شده در این لیست بدین شرح اند: خودروهای پارک شده در نزدیکی مناطقی که میزان رفت وآمد افراد پیاده رو در آنها بالاست، افرادی که لباس های نامتعارف و حجیم و خارج از فصل پوشیده اند و آن دسته از افرادی که در صدد ورود به مناطق دارای محدودیت و یا ورود به محلی که افراد در حال خروج از آن هستند.
پس از دریافت پیامی تهدیدآمیز مبنی بر وجود یک بمب در منطقه، اقدام امنیتی استاندارد این است که جستجو برای کل محل برگزاری رخداد آغاز شود تا وجود هر گونه دستگاه منفجره ی احتمالی مشخص شود. در صورت یافتن یک بسته ی مشکوک، اپراتورهای رخداد مربوطه میتوانند از تصاویر ضبط شده توسط دوربین برای تشخیص اینکه آیا بسته ی مربوطه از روی قصد و غرض در آن مکان گذاشته شده و یا فقط در آن مکان جا مانده استفاده کنند.
متخصصین امنیتی بیشتر از قبل متوجه اهمیت سیستمهای نظارت ویدئویی پیشرفته هستند. طبق آمار ارائه شده توسط آی.اچ.اس مارکت، نرخ جهانی محموله های دوربینهای تحت شبکه در سال 2018 به 108 میلیون رسیده است. طبق پیشبینی آی.اچ.اس مارکت، فروش این نوع سیستم ها در سال 2019 به فراتر از 120 میلیون و در سال 2020 به فراتر از 140 میلیون خواهد رسید.
همچنین انتظار میرود که سهم دوربین های مگاپیکسلی افزایش پیدا کند. با بالا رفتن تعداد محموله های دوربینی، راه بهتری برای آنالیز و ارزیابی ویدئوهای ضبط شده نیاز است. از آنجایی که روشهای متعارف قادر به انجام آنالیزهای موردنیاز نیستند، تکنولوژی یادگیری عمیق راهکاری محتمل را ارائه میکند؛ این تکنولوژی برای یادگیری و فهم دنیای پیرامون خود، از طریق سلسه مراتبی از مفاهیم به تقلید از مغز انسان میپردازد.
یادگیری عمیق به پرسنل امنیتی اجازه میدهد تا به صورت هوشمند به جستجو در حجم های بالایی از ویدئوهای ضبط شده بپردازند و بدین شکل به آن بخش از داده ی مهمی که شاید تنها در چند قاب محدود گرفته شده باشد دست پیدا کنند. در طول انجام تحقیقات توسط پلیس، این کار باعث ساعتها صرفه جویی در زمان کاری نیروهای پلیس میگردد. در نتیجه میتوان انتظار داشت که آنالیتیکهای قابل-جستجو، بازارهایی چون نظارت شهری که پیشتر تمام ویدئوها در آن به صورت دستی مورد جستجو قرار میگرفتن را به قبضه ی خود درآورند.
برگرفته از مجله a&s
