Kullanıcının tanımladığı nesne algılama kameralı güvenlik içinnasıl ezberleri bozacak

Complying with the CRA and NIS2 in your CCTV system

Pread Um (Suk Bong), Ürün ve Pazarlama Müdürü, Hanwha Vision Europe

Birkaç yıl önce Yapay Zekanın yaşamlarımızda nihayetinde bu denli yaygınlaşacağını hayal etmek bile zordu. Yapay Zekanın bilim kurgu romanlarının dayanak noktası olduğunu düşünürdük. Şimdiyse Yapay Zeka için erişilebilirlik ve kolay kurulumdaki büyük değişim çok az veya hiç kodlama bilmeyen kişiler için Yapay Zekayı birçok farklı uygulamada kullanabilmeyi mümkün hale getiriyor. Yapay Zekayı kurmak sıradan insanlar için kolaylaşırken İngiltere’deki 1,3 milyon işletmenin bu teknolojiyi 2040 yılına kadar benimsemesinin beklenmesi pek de şaşırtıcı değil.

Kameralı güvenlik de bunun dışında değil; önceden eğitilmiş Yapay Zeka kameraları operatörlerin kamera görüntülerinden daha fazla içgörü ve bağlam elde etmelerine olanak veriyor. Şimdi Hanwha Vision bu alanda bir adım daha ileri atıyor; kameralarının bazılarındaki kullanıcı tanımlı nesne algılaması güvenlik ekiplerinin sadece birkaç tıklamayla ve resim yüklemeleriyle algoritmaları eğitmelerini kolaylaştırıyor.

Yapay Zekayı farklı gereksinimlere uyarlama

Bu, güvenlik ekipleri için ezberi bozuyor. Yapay Zeka nesne algılamasını işletmeye özgü ihtiyaçlara göre uyarlayabilmeyi kolaylaştırıyor. Yapay Zekadan güç alan birçok video kamerası insanlar, yüzler ve araçlar gibi yaygın nesneleri algılayabilirken yeni “kullanıcı tarafından eğitilen” Yapay Zeka çözümleri opertörlerin bir dükkan zeminindeki kutular ve işaretler ve bir yoldaki trafik konileri gibi potansiyel tehlikeler dahil kullanıcının tanımladığı nesneleri algılamak üzere eğitmelerine olanak veriyor.

Buna rağmen bu, bu makine öğrenimi özelliklerini kuruluşunuza hemen kurabileceğiniz ve onların hemen çalışmaya başlamasını veya tamamen doğru olmalarını bekleyebileceğiniz anlamına gelmiyor. Ekibinizin yine de en iyi sonuçları elde etmek için seçilen bir nesneyi içeren mevcut en iyi görüntülerle ve yeterince veriyle tanıma modellerini eğitmesi gerekecektir. Kameranın görüş alanı ve arkaplanının da algoritmanın arkaplan ve nesneyi ayırt edebilmesi için yeterince net olması gerekir.

Hangi nesneler üzerine eğiteceğinizi bilin

Hanwha Vision’ın WiseDetector çözümü gibi yeni kamera yetenekleri nesneleri proje ve durumsal gereksinimler bazında algılayabilme esnekliği sağlar. Ancak bu, modellerinizi eğitmek için çok çeşitli nesneleri seçmeniz gerektiği anlamına gelmiyor. Bunun yerine bir veya iki nesneyi iyi yapmaya odaklanın, böylece makine öğrenim algoritmaları o nesnelerin birçok görüntüsünden iyi sonuçlar elde edebilirler. Kuruluşunuz tarafından en sıklıkla algılanması gereken nesnelere öncelik verin. Örneğin tahditli bir alanda sisteminizi açık-kapalı kapıları tanımak üzere eğiterek erişim denetimini desteklemek avantaj sağlayabilir.

Kullanıcı tanımlı nesne algılaması tabi ki perakende, hazır yemek zincirleri, bankalar, ulaşım, müzeler, fabrikalar ve hastaneler dahil her tür sektörde kullanılabilir. Bir siteye giren çıkan araçlar üzerindeki logoları, bir antrepodaki belirli kutular ve logoları veya bir yolda olası engel teşkil eden konileri tanıyabilir.

Kullanım kolaylığı

WiseDetector gibi çözümler kullanıcıların algılanacak nesneyi içeren kareler yakalamasını kolaylaştırmak için basit bir arayüz (bu durumda Aygıt Yöneticisi) kullanırlar ve sonra da makine öğrenim modelinin öğrenmesi için nesneyi işaretlerler. Kullanıcıların sadece makine öğrenimi modelinin nesneyi tanıyacak bir şekilde eğitilmesi için hedef nesneyi içeren görüntüleri toplaması yeterlidir. Ne kadar çok görüntü olursa o kadar iyi olur ve sizin aynı zamanda yüklenen resimlerin kalitesini de dikkate almanız gerekir. Görüntülerin olabildiği kadar net olmasını istersiniz ve makine öğrenimi modelinin ne aradığını gerçekten “anlamasına” yardım etmek için ideal olarak nesneyi farklı açılardan göstermelidir. Hatta daha iyi sonuçlar elde etmek için sistemi yeniden eğitebilirsiniz ve onun yeteneklerini daha da geliştirebilirsiniz.

Birçok ilerlemeden biri

Bu makine öğrenimi, kullanıcının eğittiği özellikler bugün CCTV’de gerçekleşmekte olan bir dizi ilerlemeden sadece biridir. Makine öğrenimi ve Yapay Zeka kameralı güvenliğe de gittikçe yerleşiyor ve bu da onların güvenlik ve diğer faaliyetlere getirdiği birçok yarar sayesinde sadece olumlu bir gelişme olabilir. Bunlara ilgilenilen nesneler ve insanları tespit etmek ve aynı zamanda olası antisosyal veya suç teşkil eden davranışları belirlemek için videolarda kolay ve hızlı bir şekilde arama yapabilmek de dahildir. Kullanıcının eğittiği özelliklerin yanı sıra analizin bir cihazda yerel olarak yapıldığı daha fazla Edge AI’ın pazara gelmesini ve daha fazla derin öğrenme algoritmalarını bekleyin. Derin öğrenme algoritmaları insanlar ve araçlar gibi önceden tanımlı nesneleri hassas bir şekilde tespit ederek yanlış alarmları azaltırken diğer yandan rüzgarın salladığı ağaçlar, gölgeler veya hayvanların hareketleri dahil ilgili olmayan hareketleri göz ardı eder.

Dahil olma zamanı

Şüphesiz video güvenliğinizi artırmak için Yapay Zekadan yararlanmak açısından şu sıralar heyecan verici zamanlardır. Bu yararlanma nesneleri algılamak için bir makine öğrenimi algoritmasından yararlanmak veya önceden kurulu algoritmalarıyla Edge AI cihazları kurmak yoluyla olabilir. Ve şu andaki gelişmeler makine öğrenimi ve Yapay Zeka’nın kameralı güvenlik sektörüne getirebileceklerinin sadece küçük bir parçasıdır. Sektör hızlı bir dönüşüm yaşarken gelecek on yılda ne olur kim bilebilir.