سیستم های ویدئویی از سنگ بنای امنیت در سطح شهر هستند - اما این سیستم ها در حال حاضر ویدئو بیشتری را نسبت به استفاده از شهرها تولید می کنند. یافتن کارمندان برای نظارت بر فیدهای ویدیویی و بایگانی جستجو یک چالش مداوم بوده است. و با استقرار دوربین های بیشتر ، مشکل رو به رشد است.
هوش مصنوعی (AI) با جستجوی آسان تر و تجزیه و تحلیل فیدهای ویدیویی ، نیاز به کار دستی را کاهش می دهد. اما هوش مصنوعی معمولی برای به چالش کشیدن استقرار ، اغلب تحمیل هزینه های بالا و جدول زمانی طولانی است.
شان لین ، مدیر محصولات شرکت GeoVision گفت: "برای شخصی سازی یک الگوریتم هوش مصنوعی برای یک برنامه جدید یا موقعیت مکانی ، یک تیم تحقیق و توسعه ممکن است چهار تا شش ماه طول بکشد." . وی ادامه داد: "آنچه به شهرها نیاز دارند ، راهی آسان تر برای اپراتورها است تا به جای جستجوی سوزن در یونجه ، آنچه را که در یک فید ویدیویی حساس هستند جستجو کنند."
رسیدن به راه حل های یادگیری عمیق به طرز چشمگیری در بهبود چشم انداز رایانه و تجزیه و تحلیل ویدیویی است. این سیستم ها قدرتمندتر ، آسانتر هستند و امروزه در دسترس هستند.
با یادگیری عمیق ، مدل های مختلفی را می توان با توجه به خصوصیات محیطی که دوربین ها در آن قرار دارند آموزش داد. الگوریتم ها اساساً برای هر وضعیت و بدون بازنویسی تنظیم می شوند.
مقادیر عظیمی از داده های ویدیویی کمک کننده هستند ، و مانعی نیست. یادگیری عمیق می تواند به طور مداوم داده ها را برای انطباق با شرایط و شرایط جدید مورد استفاده قرار دهد.
Deep Learning در حال تغییر بازی است
با یادگیری عمیق ، تکنیک های بینایی رایانه ای مانند تشخیص چهره یا تشخیص حرکات پیچیده تر شده اند و نظارت و سایر برنامه های ویدیویی را تغییر داده اند.
در یک محیط کنترل شده ، الگوریتم های سنتی خوب کار می کنند ، اما به طور معمول برای موارد خاص استفاده می شوند. به عنوان مثال ، شناسایی یک شی یا شخصی که از یک خط مجازی از پیش تعیین شده عبور می کند ، اساساً یک الگوریتم ساده بله یا خیر است. چالش این است که این الگوریتم در یک سناریوی پیچیده تر پیاده سازی شود.
لین مثال های روشنی را ارائه می دهد: "وقتی شما الگوریتم سنتی می گیرید و آن را در مکان های مختلف دوربین اعمال می کنید - برخی ممکن است در پارک باشند ، برخی ممکن است در خیابان باشند - این محیط های واقعی در تغذیه ویدیو متفاوت ظاهر می شوند. الگوریتم های سنتی قادر به کنترل این ظرافت ها نیستند. "
وی گفت: "در خیابان شلوغی ، تشخیص حرکت یا هشدارهای مزاحم ممکن است بسیاری از آلارم های دروغین را بدست آورند زیرا مردم دائماً در حال گردش هستند. این حد یک الگوریتم سنتی است. "
سناریوی متداول ، شناسایی چهره است که در آن پلیس فرد مورد نظر را شناسایی کرده است. "با یادگیری عمیق ، ما اساساً می توانیم چهره این شخص را فقط با یک عکس یا فیلم واحد در پایگاه داده ثبت کنیم. سپس نرم افزار ما می تواند به طور خودکار از یک ماه قبل ، دو ماه پیش ، تمام ضبط های نظارت را انجام داده و به طور خودکار آن شخص را برای مسئولان پیدا کند. "
او پیش بینی می کند که به زودی می توان به جای عکس فقط یک طرح را داشت. در حالی که دقت تشخیص پایین می رود ، این به هیچ وجه با استفاده از الگوریتم های سنتی امکان پذیر نخواهد بود.
اینجاست که GeoVision Inc. Smart Video Solution Management Management (GV-VMS) وارد می شود ، مدل AI را بیشتر می گیرد و امکان تجزیه و تحلیل پیچیده تر را فراهم می آورد. الگوریتم های یادگیری عمیق GeoVision برای بسیاری از شرایط قابل آموزش است ، از جمله:
شمارش افراد یا اشیاء در دو جهت
تشخیص چهره برای چندین برنامه
در صورت مشاهده در ویدیو ، ماسک صورت برای حفظ حریم خصوصی صورت می گیرد
فیلم "Defogging" که در شرایط تیره و تار گرفته شده است به طور واضح دیده می شود
فیلمبرداری از چندین دوربین در یک نمای پانوراما
تثبیت کننده فیلم در یک محیط ارتعاشی
شمارش تعداد جمعیتی که ممکن است کد اشغال محدود باشد
از بین بردن اعوجاج ایجاد شده توسط لنزهای با زاویه دید عریض
هنگامی که یک منطقه حرکت می کند ، به طور هوشمند به جستجوی یک رویداد می پردازید
یک راه حل پایان
عملکرد منحصر به فرد یادگیری عمیق GeoVision یک سیستم جامع است که شامل دوربین ، سرورهای ضبط و مرکز کنترل فیلم است. این ارتباط با دوربین های IP GeoVision و شخص ثالث از طریق پروتکل های استاندارد همانطور که در شکل 1 نشان داده شده است متصل می شود. این مقیاس توسط پردازنده های Intel® امکان پذیر است که باعث افزایش راندمان پردازش ویدیو و قابلیت یادگیری عمیق می شوند.
شکل 1: سیستم مدیریت فیلم هوشمند GeoVision
براساس معماری Intel® x86 ، GV-VMS کاملاً از پردازنده Intel® Core izes استفاده می کند. هنگامی که با اجرای ابزار Intel® OpenVINO combined ترکیب می شود ، عملکرد تجزیه و تحلیل ویدئویی مبتنی بر یادگیری عمیق هشت تا ده برابر افزایش می یابد. این ظرفیت بیشتری را برای پردازش همزمان فیلم و بدون نیازهای اضافی فراهم می کند.
دوربین های GeoVision توانایی یادگیری عمیق در لبه شبکه را دارند. دوربین ها می توانند هشدارهایی را در هنگام شناسایی چیزی به جای انتقال تمام ویدیوها به یک مکان مرکزی برای تجزیه و تحلیل ارسال کنند ، و تأخیر را قبل از اقدام ممکن کاهش می دهد.
اکثر شهرها همچنین دارای سیستم های ویدیویی میراثی با دوربین ، دروازه و نرم افزار هستند. برنامه GeoVisionرابط ها (API) و کیت توسعه دهنده نرم افزار (SDK) امکان اتصال با سخت افزار و نرم افزار میراث را فراهم می کنند. مرکز کنترل GeoVision یک نرم افزار یکپارچه مدیریت ابر را در اختیار شما قرار می دهد و تمام دوربین های IP را در یک سیستم امنیتی و مدیریت کلی ادغام می کند.
در یک مثال ، شهر واتیکان دهه ها است که از سیستم های نظارت تصویری استفاده می کند. با گذشت سالها ، این امر منجر به دوربین های مختلف ، دروازه ها و ابزارهای نرم افزاری مختلفی از فروشندگان شد. با همکاری GeoVision ، واتیکان دوربین ها و نرم افزارهای قدیمی استراتژیک را در یک راه حل نظارت مرکزی ادغام کرد. دوربین های موجود در ساختمان های مهم دولتی ، کلیساها ، نمازخانه ها و تقاطع ها تحت کنترل اصلی هستند. راه حل GeoVision یک سیستم یکپارچه ایجاد می کند - نظارت بر فید های ویدیویی در 140 سایت در سراسر روم
هوشمند و مقیاس پذیر
راه حل می تواند برای مقیاس پذیری هر سطح استفاده از ویدیو مقیاس کند. یک اجرای واحد می تواند تا 57،600 جریان ویدیویی را مدیریت کند. این سیستم داده های ویدئویی را به سیستم مدیریت ابر واحد منتقل می کند ، که می تواند بیش از 1000 سیستم GV-VMS را کنترل کند. در انتها پشت، ذخیره داده های بزرگ با استفاده از سرورهای مبتنی بر پردازنده Intel در مرکز داده مشتری یا در ابر موجود است.
Smart Video Management Solution همچنین با سیستمهای دیگر مانند آشکارسازی آتش یا کنترل دسترسی ادغام می شود - قابلیت های کلی آن را گسترش می دهد. به عنوان مثال ، با کنترل دسترسی در ارتباط است ، این راه حل می تواند از تشخیص چهره استفاده کند تا افراد را به مناطق محدود از هر نوع ، اعم از دسترسی محدود به ساختمان یا پارکینگ ، اجازه دهد. این می تواند داده های سایر سیستم ها را در یک پنجره متمرکز نمایش دهد.
با تلفیق یادگیری عمیق و امکان ادغام با سایر سخت افزارها و نرم افزارها ، شهرها می توانند از راه حل هایی مانند برنامه های GeoVision برای بهبود نظارت تصویری استفاده کنند. یادگیری عمیق پاسخهای خودکار را بهبود می بخشد ، ادغام باعث افزایش بهره وری عملیاتی می شود و مقیاس پذیری به معنای آن است که یک شهر از قابلیت های سیستم ویدیویی بالاتر نخواهد رفت.
وی گفت: "وقتی صحبت از یک سناریو شهری می شود ، یک راه حل سنتی نظارت تصویری همه اصول را در بر می گیرد. اما به محض اینکه یک پروژه در مقیاس شهر بزرگ شد ، فقط در یک روز می توانید هزاران ساعت ضبط داشته باشید. خیلی طول می کشد و افراد زیادی برای مشخص کردن چیزی که به دنبال آن هستید ، بسیار طولانی است. راه حل GeoVision باعث می شود كه اپراتورها دقیقاً چه كسی یا چه چیزی را جستجو كنند ، آسان تر شود ".