هزار افسان

قابليت تشخيص چهره در هايک ويژن

تهديدات و خطرات موجود در مکان هاي عمومي، منجر به افزايش نيازهاي امنيتي کاربران شده است، اخبار بين المللي نيز به طور مداوم بر افزايش آگاهي عمومي با يادآوري خطرات مذکور تاکيد دارند. تمامي موارد مذکور منجر شده تا توليد کنندگان محصولات نظارت تصويري به فکر توسعه فن آوري هاي جديد باشند. حال سوال اينجاست که آيا مي توان به طور کامل از وقوع چنين رويدادهايي جلوگيري نمود؟ تحولات ايجاد شده در سراسر جهان و گسترش پروژه هايي مانند پروژه هاي شهر امن با وجود موانع نسبي در حال انجام شدن هستند. حفاظت از افراد، منازل، اموال و وسايل نقليه از جمله رايج ترين مزاياي استفاده از اين فن آوري هاي در حال ظهور مي باشند. اما دوربين هاي نظارت تصويري مختلف در هر نوع کاربري که مورد استفاده قرار مي گيرند، بعلاوه قابليت هاي مختلف موجود در آنها منجر به پيچيده شدن مبحث راه اندازي سيستم نظارت تصويري شده است. توانايي جستجوي سريع در ميان حجم انبوهي از داده ها يکي از اين چالش هاست.

در بحث هاي امنيتي در سيستم هاي نظارت تصويري هايک ويژن، افزايش ايمني کاربر فاکتور و اولويت اصلي محسوب مي گردد. از منظر تجاري و کسب و کار نيز، افزايش رضايت مشتري عامل مهم و تعيين کننده اي است. فن آوري هاي مرتبط با تشخيص چهره نه تنها به اين گونه مسائل پاسخ مي دهند، بلکه بر توانايي هاي ما براي غلبه بر چالش هاي موجود مي افزايند. علاوه بر افزايش سرعت و کارايي، شناسايي چهره مي تواند راه کارهاي جديدي را براي افزايش امنيت در کاربري هاي مختلف ارائه دهد.

مشکلات و نيازهاي امنيتي

شناسايي مظنونين حادثه در طي تحقيقات پس از وقوع رخدادها، مشکلات بسياري را به همراه دارد. چالش هايي نظير بررسي تمامي تصاوير گرفته شده از دوربين هاي مداربسته، بررسي تفاوت هاي موجود در چهره اشخاص و مقايسه آن ها با يکديگر و استخراج اطلاعات مفيد از ميان حجم زيادي داده به منظور انجام اقدامات لازم در رخداد ها و … از جمله اين موارد هستند. اين موانع مي تواند مشکل جدي و فلج کننده اي براي يک سيستم نظارت تصويري استاندارد، حتي با وجود تجهيزات بروز، محسوب شوند. پردازش چنين اطلاعاتي ممکن است منجر به از کار افتادن سيستم و کاهش کارايي آن گردد. در اين مواقع نياز به راه کار هاي موثر و پيشرفته تر از طريق توسعه هوش مصنوعي Deep Learning هايک ويژن در محصولات به شدت احساس مي گردد. در همين راستا فن آوري تشخيص چهره هايک ويژن بدون شک از اهميت ويژه اي برخوردار است.

مشکلات رايج در راه کار هاي مرتبط با تشخيص چهره

دوربين هاي مداربسته هوشمند قديمي نسبت به محصولات جديدتر جزئيات بسيار کم تري از تصوير زمينه را به نمايش مي گذارند. در فرآيند تشخيص چهره انسان، دو مرحله کليدي وجود دارد:

• گام اول، “تشخيص ويژگي هاي مختلف سوژه” است که پارامترهاي آن توسط انسان طراحي شده و هميشه ذهني هستند. اين روش در شرايط بسيار خاصي مفيد خواهد بود و در صورت تغييرات جزئي در نور محيط از دقت کار کاسته مي گردد.
• گام دوم، “يادگيري طبقه بندي شده” است که از يادگيري و تحليل دقيق داده ها استفاده مي کند. نتايج به دست آمده مستقيما عمق و کاربرد برنامه هاي هوشمند را محدود مي کند.

مزاياي هوش مصنوعي Deep-Learning هايک ويژن براي سيستم هاي نظارت تصويري

هوش مصنوعي هايک ويژن Deep-Learning با ساير الگوريتم ها تفاوت ذاتي دارد. در واقع راه حل هايي که براي حل نقص ها در مقايسه با الگوريتم هاي قديمي در آن وجود دارد در مفاهيمي کم و ساده خلاصه شده است که در ادامه به آن ها مي پردازيم.

گام اول، از سطح به عمق

مدل الگوريتمي براي Deep-Learning داراي ساختاري بسيار عميق تري نسبت به الگوريتم هاي قديمي است. گاهي اوقات تعداد لايه ها مي تواند به بيش از صد برسد، و آن را قادر مي سازد حجم زيادي از داده ها را در دسته بندي هاي پيچيده پردازش کند. عملکرد Deep-Learning بسيار شبيه فرآيند يادگيري در انسان بوده و داراي يک فرآيند انتزاعي-لايه-لايه است. هر لايه وزن “متفاوتي” خواهد داشت و اين وزن بر آنچه که از اجزا سازنده سوژه دريافت شده، تاثير مي گذارد. هرچه سطح لايه بالاتر باشد، مولفه هاي آن خاص تر است. با تاثير پذيري از مغز انسان، يک سيگنال اصلي در Deep-Learning از طريق لايه هاي پردازشي عبور مي کند؛ سپس، آن را از فهم جزئي (کم عمق) به يک انتزاع کلي (عميق) که ما مي توانيم آن را درک کنيم تبديل مي کند.

گام دوم، از ويژگي هاي ساختگي تا يادگيري ويژگي ها

يادگيري عميق به مداخله دستي (انسان) نياز ندارد، بلکه به يک کامپيوتر براي استخراج ويژگي ها متکي است. به اين ترتيب مي تواند ويژگي هاي بسياري را از هدف استخراج کند، از جمله ويژگي هاي انتزاعي که توصيف آنها دشوار يا غيرممکن است. هرچه سوژه داراي جزئيات بيشتري باشد تشخيص و طبقه بندي آن دقيق تر خواهد بود. برخي از مزاياي مستقيم الگوريتم هاي Deep-Learning شامل دقت بالا در الگوهاي تشخيصي حتي بيشتر از انسان، قابليت هاي ضد تداخل قوي، و قابليت طبقه بندي و تشخيص هزاران ويژگي ديگر مي شود.

با استفاده از تکنولوژي Deep-Learning، دقت متوسط در تشخيص چهره افراد به طور قابل توجهي افزايش مي يابد. راهکار تشخيص چهره هايک ويژن تمامي محدوديت هاي موجود در اين روش را از بين برده است. وجود قابليت هاي بسيار زياد جهت ذخيره سازي داده ها در اين راه کار، باعث شده تا بتوان به کتابخانه اي از اطلاعات استخراج شده از چهره هاي مختلف دسترسي داشت. از اين اطلاعات در فعال شدن سيستم هاي هشدار و مجوز ورود و خروج در طيف وسيعي از کاربرد ها استفاده مي گردد.

هايک ويژن الگوريتم هاي خود را در دوربين ها و دستگاه هاي ضبط کننده ادغام کرده است بنابراين به هيچ دستگاه سرور يا کامپيوتري نياز نيست. اين به معناي تاخير کمتر در انتقال داده ها و کاهش فشار وارد بر دستگاه است. با وجود الگوريتم Deep-Learning، دقت عملکردي تشخيص چهره به 95? و دقت مقايسه ميان چهره ها به 98? مي رسد. با وجود مدل هاي مختلف در اين الگوريتم ها تمام چهره هاي انساني در سرتاسر دنيا در قالب اين ويژگي پشتيباني شده و قابل تشخيص اند.

https://tiamcctv.com/product/td-3108b1-8p/

https://tiamcctv.com/product/td-9521e3d-pe-ar2/

https://tiamcctv.com/product-category/cctv/page/2/

https://tiamcctv.com/product/ds-2pt5326iz-de/

قابليت تشخيص چهره در هايک ويژن

تهديدات و خطرات موجود در مکان هاي عمومي، منجر به افزايش نيازهاي امنيتي کاربران شده است، اخبار بين المللي نيز به طور مداوم بر افزايش آگاهي عمومي با يادآوري خطرات مذکور تاکيد دارند. تمامي موارد مذکور منجر شده تا توليد کنندگان محصولات نظارت تصويري به فکر توسعه فن آوري هاي جديد باشند. حال سوال اينجاست که آيا مي توان به طور کامل از وقوع چنين رويدادهايي جلوگيري نمود؟ تحولات ايجاد شده در سراسر جهان و گسترش پروژه هايي مانند پروژه هاي شهر امن با وجود موانع نسبي در حال انجام شدن هستند. حفاظت از افراد، منازل، اموال و وسايل نقليه از جمله رايج ترين مزاياي استفاده از اين فن آوري هاي در حال ظهور مي باشند. اما دوربين هاي نظارت تصويري مختلف در هر نوع کاربري که مورد استفاده قرار مي گيرند، بعلاوه قابليت هاي مختلف موجود در آنها منجر به پيچيده شدن مبحث راه اندازي سيستم نظارت تصويري شده است. توانايي جستجوي سريع در ميان حجم انبوهي از داده ها يکي از اين چالش هاست.

در بحث هاي امنيتي در سيستم هاي نظارت تصويري هايک ويژن، افزايش ايمني کاربر فاکتور و اولويت اصلي محسوب مي گردد. از منظر تجاري و کسب و کار نيز، افزايش رضايت مشتري عامل مهم و تعيين کننده اي است. فن آوري هاي مرتبط با تشخيص چهره نه تنها به اين گونه مسائل پاسخ مي دهند، بلکه بر توانايي هاي ما براي غلبه بر چالش هاي موجود مي افزايند. علاوه بر افزايش سرعت و کارايي، شناسايي چهره مي تواند راه کارهاي جديدي را براي افزايش امنيت در کاربري هاي مختلف ارائه دهد.

مشکلات و نيازهاي امنيتي

شناسايي مظنونين حادثه در طي تحقيقات پس از وقوع رخدادها، مشکلات بسياري را به همراه دارد. چالش هايي نظير بررسي تمامي تصاوير گرفته شده از دوربين هاي مداربسته، بررسي تفاوت هاي موجود در چهره اشخاص و مقايسه آن ها با يکديگر و استخراج اطلاعات مفيد از ميان حجم زيادي داده به منظور انجام اقدامات لازم در رخداد ها و … از جمله اين موارد هستند. اين موانع مي تواند مشکل جدي و فلج کننده اي براي يک سيستم نظارت تصويري استاندارد، حتي با وجود تجهيزات بروز، محسوب شوند. پردازش چنين اطلاعاتي ممکن است منجر به از کار افتادن سيستم و کاهش کارايي آن گردد. در اين مواقع نياز به راه کار هاي موثر و پيشرفته تر از طريق توسعه هوش مصنوعي Deep Learning هايک ويژن در محصولات به شدت احساس مي گردد. در همين راستا فن آوري تشخيص چهره هايک ويژن بدون شک از اهميت ويژه اي برخوردار است.

مشکلات رايج در راه کار هاي مرتبط با تشخيص چهره

دوربين هاي مداربسته هوشمند قديمي نسبت به محصولات جديدتر جزئيات بسيار کم تري از تصوير زمينه را به نمايش مي گذارند. در فرآيند تشخيص چهره انسان، دو مرحله کليدي وجود دارد:

• گام اول، “تشخيص ويژگي هاي مختلف سوژه” است که پارامترهاي آن توسط انسان طراحي شده و هميشه ذهني هستند. اين روش در شرايط بسيار خاصي مفيد خواهد بود و در صورت تغييرات جزئي در نور محيط از دقت کار کاسته مي گردد.
• گام دوم، “يادگيري طبقه بندي شده” است که از يادگيري و تحليل دقيق داده ها استفاده مي کند. نتايج به دست آمده مستقيما عمق و کاربرد برنامه هاي هوشمند را محدود مي کند.

مزاياي هوش مصنوعي Deep-Learning هايک ويژن براي سيستم هاي نظارت تصويري

هوش مصنوعي هايک ويژن Deep-Learning با ساير الگوريتم ها تفاوت ذاتي دارد. در واقع راه حل هايي که براي حل نقص ها در مقايسه با الگوريتم هاي قديمي در آن وجود دارد در مفاهيمي کم و ساده خلاصه شده است که در ادامه به آن ها مي پردازيم.

گام اول، از سطح به عمق

مدل الگوريتمي براي Deep-Learning داراي ساختاري بسيار عميق تري نسبت به الگوريتم هاي قديمي است. گاهي اوقات تعداد لايه ها مي تواند به بيش از صد برسد، و آن را قادر مي سازد حجم زيادي از داده ها را در دسته بندي هاي پيچيده پردازش کند. عملکرد Deep-Learning بسيار شبيه فرآيند يادگيري در انسان بوده و داراي يک فرآيند انتزاعي-لايه-لايه است. هر لايه وزن “متفاوتي” خواهد داشت و اين وزن بر آنچه که از اجزا سازنده سوژه دريافت شده، تاثير مي گذارد. هرچه سطح لايه بالاتر باشد، مولفه هاي آن خاص تر است. با تاثير پذيري از مغز انسان، يک سيگنال اصلي در Deep-Learning از طريق لايه هاي پردازشي عبور مي کند؛ سپس، آن را از فهم جزئي (کم عمق) به يک انتزاع کلي (عميق) که ما مي توانيم آن را درک کنيم تبديل مي کند.

گام دوم، از ويژگي هاي ساختگي تا يادگيري ويژگي ها

يادگيري عميق به مداخله دستي (انسان) نياز ندارد، بلکه به يک کامپيوتر براي استخراج ويژگي ها متکي است. به اين ترتيب مي تواند ويژگي هاي بسياري را از هدف استخراج کند، از جمله ويژگي هاي انتزاعي که توصيف آنها دشوار يا غيرممکن است. هرچه سوژه داراي جزئيات بيشتري باشد تشخيص و طبقه بندي آن دقيق تر خواهد بود. برخي از مزاياي مستقيم الگوريتم هاي Deep-Learning شامل دقت بالا در الگوهاي تشخيصي حتي بيشتر از انسان، قابليت هاي ضد تداخل قوي، و قابليت طبقه بندي و تشخيص هزاران ويژگي ديگر مي شود.

با استفاده از تکنولوژي Deep-Learning، دقت متوسط در تشخيص چهره افراد به طور قابل توجهي افزايش مي يابد. راهکار تشخيص چهره هايک ويژن تمامي محدوديت هاي موجود در اين روش را از بين برده است. وجود قابليت هاي بسيار زياد جهت ذخيره سازي داده ها در اين راه کار، باعث شده تا بتوان به کتابخانه اي از اطلاعات استخراج شده از چهره هاي مختلف دسترسي داشت. از اين اطلاعات در فعال شدن سيستم هاي هشدار و مجوز ورود و خروج در طيف وسيعي از کاربرد ها استفاده مي گردد.

هايک ويژن الگوريتم هاي خود را در دوربين ها و دستگاه هاي ضبط کننده ادغام کرده است بنابراين به هيچ دستگاه سرور يا کامپيوتري نياز نيست. اين به معناي تاخير کمتر در انتقال داده ها و کاهش فشار وارد بر دستگاه است. با وجود الگوريتم Deep-Learning، دقت عملکردي تشخيص چهره به 95? و دقت مقايسه ميان چهره ها به 98? مي رسد. با وجود مدل هاي مختلف در اين الگوريتم ها تمام چهره هاي انساني در سرتاسر دنيا در قالب اين ويژگي پشتيباني شده و قابل تشخيص اند.

https://tiamcctv.com/product/td-3108b1-8p/

https://tiamcctv.com/product/td-9521e3d-pe-ar2/

https://tiamcctv.com/product-category/cctv/page/2/

https://tiamcctv.com/product/ds-2pt5326iz-de/