هایک ویژن Hikvision یکی از تولید کنندگان مطرح دوربین مداربسته می باشد. این شرکت از مدتی قبل با ترکیب هوش مصنوعی و سیستم های نظارت تصویری مداربسته، شروع به ساخت محصولات جدید نمود.
هایک ویژن تکنولوژی هوش مصنوعی به نام دیپ لرنینگ Deep learning را طراحی کرده و در ساخت برخی از محصولات خود به کار می برد.
این تکنولوژی بر اساس پارامترها و الگوریتم های خاصی طراحی شده و هدف از ایجاد آن تشخیص آیتم هایی است که ظاهری پیچیده دارند.
هوش مصنوعی Deep Learning در دوربین مداربسته چیست؟
جالب است بدانید که هایک ویژن این فناوری نوین را بر اساس عملکرد سیستم عصبی مغز انسان طراحی کرده است.
به بیان دقیق تر همان طور که مغز انسان قابلیت یادگیری دارد، تکنولوژی Deep learning نیز می تواند موضوعات مختلف را فرابگیرد و آنها را در سطوح مختلف دسته بندی نماید.
یکی از قابلیت های فوق العاده این سیستم که موجب شگفتی کاربران شده، این است که دیپ لرنینگ می تواند اطلاعات کم اهمیت و اضافی را تشخیص دهد و در برخی موارد نیز به حذف آنها اقدام نماید.
به این قابلیت object abstraction گفته می شود. همچنین به دلیل وجود قابلیت recreation قادر است اطلاعات جدیدی را ایجاد و یا بازیابی نماید.
فناوری Deep learning توانسته است بسیاری از ایرادها و نارسایی هایی را که در سیستم های هوشمند قدیمی به چشم می خورد برطرف کند.
این فناوری قادر است با قدرت محاسباتی فوق العاده خود، داده ها را در حجم و مقیاس بسیار زیاد پردازش کند. به علاوه با یک ساختار شبکه ای طراحی شده که به کاربرد بهتر آن کمک می نماید.
همان طور که می دانید، تشخیص چهره یکی از مهمترین قابلیت ها در دوربین مداربسته است. این خصیصه کاربردهای زیادی دارد و بسیاری از سازمان ها و ارگان ها به صورت گسترده از این نوع دوربین ها استفاده می کنند.
ماژول تشخیص چهره در دوربین مدار بسته، نیازمند الگوریتم های متعدد و پیچیده است.
به طور خلاصه می توان گفت که فرآیند تشخیص چهره طی دو مرحله مهم و اصلی انجام می شود:
-
بررسی سوژه و کسب اطلاعات در مورد آن
یکی از مهمترین خصوصیات یک دوربین مداربسته، میزان دقت دستگاه در مرحله بررسی یا ارزیابی سوژه است.
در نسل قبلی دوربین های هوشمند، متخصصان نرم افزار وظیه طراحی الگوریتم این بخش را بر عهده داشتند.
اما اکنون این الگوریتم ها بر اساس هوش مصنوعی طراحی می شوند. بنابراین درجه دقت بالاتری داشته و نکات ظریف و جزئی را از دست نمی دهند.
-
دسته بندی اطلاعات به دست آمده
از آنجایی که سوژه های مختلف شکل ظاهری متفاوتی دارند، شناسایی هر یک بر اساس الگوریتم متفاوتی انجام می شود.
در دوربین های قدیمی شناسایی وسایل نقلیه که شامل آرم، ابعاد و رنگ و ... بود به راحتی انجام می شد. اما در مورد انسان ها، به دلیل پیچیدگی و تنوع زیاد دچار خطا شده و به درستی عمل نمی کرد.
منبع: tticctv
