توانایی تجزیه و تحلیل فیلم های امنیتی تبدیل به یک جنبه مهم نظارت تصویری شده است. در این مقاله ما نحوه تمایز نرم افزار تحلیلی ویدئو را با ویژگی هایی مانند تمایز انواع مختلف اشیاء و قابلیت های هوش مصنوعی در دوربین های مدار بسته مورد بررسی قرارمی دهیم.

الگوریتم هوش مصنوعی در سیستم دوربین مداربسته

اخیرا افزایش علاقه به هوش مصنوعی به طور عمده به دلیل در دسترس بودن واحد های پردازش گرافیکی است .

تا همین اواخر، که برنامه های کاربردی ماشین های هوش مصنوعی در محصولات تجزیه و تحلیل ویدیویی مورد استفاده قرار گرفته اند، به دلیل پیچیدگی های زیاد و استفاده از منابع مختلف ،برای راه اندازی این محصولات زمان و هزینه زیادی صرف میشود.

با این حال، در چند سال گذشته شاهد افزایش چشمگیری در تحقیق و پیشرفت هایی در زمینه  یادگیری ماشین به نام “هوش مصنوعی” بوده ایم و نامی است که برای توصیف یک خانواده از الگوریتم ها بر اساس مفهوم شبکه های عصبی استفاده می شود.

به طور خلاصه، این الگوریتم ها سعی می کنند تا عملکرد نورون مغز را تقلید کنند، به طوری که آنها بتوانند از مثال به طور موثر یاد بگیرند و سپس این یادگیری را به داده های جدید اعمال کنند.همانطور که مغز توانایی یادگیری موضوعات و دسته بندی آنها را در لایه و سطوح مختلف خود دارد Deep learning نیز می تواند کاراکترهای متنوع را درک و دسته بندی کرده و اقدام لازم را در مورد آنها انجام دهد.

سوژه های مختلف اعم از وسایل نقلیه، اشیا مختلف، افراد، حیوانات و … دارای ویژگی های ظاهری مختلفی هستند .

تشخیص هر کدام بر اساس الگوریتم های تعریف شده متفاوتی است.

از آنجایی که ویژگی های ظاهری یک وسیله نقلیه پیچیدگی خاصی نداشته و نهایتا شامل شاخصه هایی نظیر نوع آرم. ابعاد، رنگ و …است، دوربین های هوشمند قدیمی در تشخیص اشیا و وسایل نقلیه بسیار موفق عمل می کردند.

اما در مورد کاراکترهای ظاهری انسان به دلیل آنکه اغلب به دلیل تنوع بالا و پیچیدگی زیاد. دچار خطا می شدند. و بازده خوبی ندارند به همین دلیل افزایش درک عمقی بواسطه طراحی الگوریتم های پیچیده تر در هوش مصنوعی. به شدت لازمه کارکرد بهتر قابلیت تشخیص چهره در دوربین های مداربسته است.

 

آشنایی با مزایای DEEP Learning و مقایسه الگوریتم های آن

تبدیل الگوریتم های سطحی به عمیق

مدل های الگوریتمی در Deep learning برخلاف انواع قدیمی تر که دارای ساختاری دو یا سه لایه بودند دارای صد ها لایه متعدد است. به همین سبب این سیستم ها قادرند تا حجم وسیعی از اطلاعات را پردازش و دسته بندی کنند. همانطور که گفتیم مدل Deep learning منشا گرفته از سیستم یادگیری در مغز انسان است و از فرآیند انتزاعی لایه لایه تبعیت می کند.

هر لایه دارای شاخص و حجم پردازشی متفاوتی است و هر چه شاخص بالاتری داشته باشد مولفه های تعریف شده برای آن اختصاصی تر خواهند بود. مثال فرآیند یادگیری در این غالب بدین گونه است که یک پیام خارجی به محض دریافت از لایه های مختلف عبور کرده و پس از پردازش به صورت یک مفهوم و درک عمیق از سوژه مورد نظر برای انسان به صورت قابل درکی نمایش داده خواهد شد.

حرکت از الگوریتم های مشخص مصنوعی تا شناخت ویژگی ها

در مدل هوش مصنوعی Deep learning هیچگونه دخالت دستی انسان وجود ندارد و تمامی عملکردها به صورت کامپیوتری انجام می شود. این مدل قابلیت این را دارد که حجم بسیار زیادی از اطلاعات را مورد پردازش قرار دهد. طبقه بندی اطلاعات در آن به این صورت است که هرچه سوژه مورد نظر دارای جزئیات بیشتری باشد به صورت خیلی دقیق تری برای دستگاه قابل تشخیص خواهد بود. در زیر به بخشی از مزایای این مدل اشاره شده است:

  • دقت تشخیص بالا در تشخیص سوژه که می تواند با قدرت مغز انسان برابری کرده و حتی در مواردی عملکرد بهتری نیز داشته باشد.
  • قابلیت تشخیص دقیق سوژه های مختلف از یکدیگر
  • قابلیت تشخیص و دسته بندی هزاران ویژگی از سوژه های مختلف

هوش مصنوعی

کاربردهای محصولات مبتنی بر Deep Learning

به دلیل رشد و پیشرفت تکنولوژی های صوتی تصویری اهمیت ابداع مدل هایی مانند Deep Learning بسیار افزایش می یابد. با استفاده از این الگو در سیستم های هوشمند مانند تشخیص چهره، تشخیص نفوذ، ردیابی و تعقیب سوژه و … می توان به طور کامل انتظارات و نیاز های مخاطبان را برآورده ساخت. در زیر به کاربردهای این مدل در سیستم های نظارت تصویری اشاره می کنیم:

  • تشخیص چهره
  • شناسایی چهره
  • تشخیص وسیله نقلیه مختلف اعم از موتوردار یا بدون موتور (دوچرخه و …)
  • تشخیص آرم تجاری وسیله نقلیه
  • تشخیص عابر پیاده
  • تشخیص ویژگی های بدن انسان
  • تشخیص ویژگی های غیر طبیعی صورت
  • تجزیه و تحلیل رفتاری جمعیت، ردیابی چند هدف

 

امیدواریم مطلب فوق قابل توجه شما همراهان گرامی مجموعه الکتروسایه قرار گرفته باشد برای انتخاب بهترین دوربین مداربسته می توانید از مشاوره رایگان کارشناسان ما در بخش فروش بهره مندشوید.

بوسیله | ۱۳۹۸-۹-۱۲ ۰۸:۴۲:۲۶ +۰۳:۳۰ مرداد ۶ام, ۱۳۹۸|مقالات|