Video gözetimi için yapay zeka, insanları, araçları, nesneleri ve olayları tanımak için video gözetim kameralarından gelen ses ve görüntüleri analiz eden bilgisayar yazılım programlarını kullanmaktadır. Güvenlik müteahhitleri programı, kamera gözetimi ile korunan mülk için (örneğin çitle çevrili bir alan, bir park yeri gibi, ancak park yeri dışındaki kaldırım veya halka açık cadde değil) kameranın görüşü ve günün saatleri için (örneğin iş kapanışından sonra) programlanan kısıtlı alanları tanımlayan yazılımdır. Yapay zeka, günün o saatinde o bölgeye kimsenin girmesine izin verilmeyen "kural" setini ihlal eden bir kişi tespit ederse bir uyarı göndermektedir.
Yapay zeka programı, yapay görme kullanarak çalışır. Yapay görme, farklı duruş, açı, konum ve hareketlerdeki insanların yüz binlerce kayıtlı referans görüntüsüyle görülen nesneyi karşılaştırmak için bir akış şeması veya bir dizi soru gibi çalışan bir dizi algoritma veya matematiksel prosedürdür. Yapay zeka kendisine gözlenen nesnenin referans görüntülerdeki gibi hareket edip etmediğini, genişliğine göre yaklaşık olarak aynı boyutta olup olmadığını, karakteristik iki kol ve iki bacağa sahip olup olmadığını, benzer hızda hareket edip etmediğini ve yatay yerine dikey olup olmadığını sormaktadır. Nesnenin yansıtma derecesi, sabit veya titreşme derecesi ve hareket ettiği pürüzsüzlük gibi birçok başka soru da mümkündür. Çeşitli sorulardan elde edilen tüm değerleri birleştirerek, yapay zekaya nesnenin bir insan olup olmadığı olasılığını veren genel bir sıralama elde edilmektedir. Değer, ayarlanmış bir sınırı aşarsa uyarı göndermektedir. Bu tür programların bir dereceye kadar kendi kendine öğrenmeleri, öğrenmeleri, örneğin izlenen görüntünün belirli bölümlerinde insanların veya araçların kameradan en uzak alanlar olan diğer bölümlerden daha büyük görünmesini öğrenmeleri bu tür programların karakteristiğidir.
Günün belirli saatlerinde belirli bölgelerden insanları veya araçları kısıtlayan basit kuralın yanı sıra daha karmaşık kurallar da belirlenebilir. Sistemin kullanıcısı, araçların bir yönde ilerleyip diğer yönde gitmediğini bilmek isteyebilir. Kullanıcılar, belirli bir alanda önceden belirlenmiş belirli sayıdan fazla insan olduğunu bilmek isteyebilir. Yapay zeka, aynı anda yüzlerce kameranın gözetimini sağlama yeteneğine sahiptir. Uzakta, yağmurda veya parıldayan bir durumda izinsiz giren bir kişiyi tespit etme yeteneği, insanların bunu yapma yeteneğinden daha üstündür.
Güvenlik için bu tür yapay zeka "kural tabanlı" olarak bilinir, çünkü bir insan programcı, kullanıcının uyarılmak istediği her şey için kurallar belirlemelidir. Bu, güvenlik için en yaygın yapay zeka biçimidir. Günümüzde birçok video gözetim kamera sistemi, bu tür yapay zeka özelliğini içerir. Programı barındıran sabit disk, kameraların kendisinde veya kameralardan girdi alan ayrı bir cihazda olabilir.
Daha yeni, kurala dayalı olmayan bir yapay zeka biçimi. güvenlik için "davranışsal analitik" adı verilen geliştirilmiştir. Bu yazılım, kullanıcı veya güvenlik yüklenicisi tarafından herhangi bir ilk programlama girişi olmaksızın tamamen kendi kendine öğrenmektedir. Bu tür analitikte, yapay zeka, boyut, yansıtma, renk, gruplama, hız, dikey veya yatay yönlendirme gibi çeşitli özelliklere ilişkin kendi gözlemlerine dayanarak insanlar, araçlar, makineler ve çevre için normal davranışın ne olduğunu öğrenmektedir. Yapay zeka görsel verileri normalleştirir, yani gözlemlediği nesneleri ve kalıpları sınıflandırır ve etiketlemektedir. Ayrıca gözlemlenen çeşitli nesneler için neyin normal veya ortalama davranış olduğuna dair sürekli olarak rafine tanımlar oluşturmaktadır. Birkaç hafta bu şekilde öğrendikten sonra, işlerin kalıbı ne zaman kırdığını anlayabilir. Bu tür anormallikleri gözlemlediğinde bir uyarı gönderir. Örneğin, arabaların sokakta sürmesi normaldir. Kaldırıma çıkarken görülen bir araba bir anormallik olurdu. Geceleri çitle çevrili bir avlu normalde boşsa, o alana giren bir kişi bir anormallik olacaktır.
Tarihçe
Problem cümlesi
İnsanların video gözetim canlı görüntülerini dikkatli bir şekilde izleme yeteneğindeki sınırlamalar, görevi daha iyi yerine getirebilecek yapay zeka talebine yol açmıştır. Tek bir video monitörünü yirmi dakikadan fazla izleyen insanlar, önemli olayları ayırt etmek için yeterli dikkati sürdürme yeteneklerinin %95'ini kaybeder. İki monitör ile bu tekrar yarıya indirilir. Birçok tesiste düzinelerce hatta yüzlerce kamera olduğu göz önüne alındığında, görev açıkça insan yeteneğinin ötesindedir. Genel olarak, boş koridorların, depolama tesislerinin, otoparkların veya yapıların kamera görüntüleri son derece sıkıcıdır ve bu nedenle dikkat hızla azalmaktadır. Birden fazla kamera izlendiğinde, tipik olarak bir duvar monitörü veya bölünmüş ekran görünümüne sahip bir dizi monitör kullanılır ve bir kamera seti ile diğeri arasında birkaç saniyede bir dönerek görsel bıkkınlık hızla bunaltıcı olur. Video gözetim kameraları, otomobil bayilerinden alışveriş plazalarına, okullara ve işletmelere, nükleer santraller gibi yüksek güvenlikli tesislere kadar değişen kullanıcılar tarafından büyük ölçüde benimsenerek çoğalırken, memurlar tarafından video gözetiminin pratik ve etkisiz olduğu sonradan anlaşılmıştır. Kapsamlı video gözetim sistemleri, bir hırsızlık, kundakçılık, saldırı veya olaydan sonra birini tanımlamak için olası adli kullanım için yalnızca kayıt yapmakla sınırlandırıldı. Özellikle geniş dış mekanlar için geniş açılı kamera görüntülerinin kullanıldığı yerlerde, yetersiz çözünürlük nedeniyle bu amaç için bile ciddi sınırlamalar keşfedildi. Bu durumlarda, izinsiz gireni veya faili tespit etmek imkansızdır çünkü görüntüleri monitörde çok küçüktür.
Çözüm için erken dönem denemeleri
Hareket algılama kameraları
İnsan korumaların uzun süreli gözetleme monitörlerini izleme konusundaki eksikliklerine yanıt olarak, ilk çözüm kameralara hareket dedektörleri eklemek oldu. Bir davetsiz misafirin veya failin hareketinin, uzaktan izleme görevlisine sürekli insan uyanıklığı ihtiyacını ortadan kaldıran bir uyarı göndereceği düşünüldü. Sorun, dış ortamda, ekranda görüntülenen toplam görüntüyü oluşturan piksellerde sürekli hareket veya değişiklikler olmasıdır. Rüzgarda uçuşan ağaçlardaki yaprakların, yerdeki çöplerin, böceklerin, kuşların, köpeklerin, gölgelerin, farların, güneş ışınlarının ve benzeri şeylerin hareketini içerir. Bu, günde yüzlerce, hatta binlerce yanlış uyarıya neden oldu ve bu çözümü, kapalı ortamlar dışında çalışma saatleri dışında çalışmaz hale getirmiştir.
Gelişmiş video hareket algılama
Bir sonraki evrim, yanlış uyarıları bir dereceye kadar azaltmıştır. Ancak bunun maliyeti, karmaşık ve zaman alıcı manuel kalibrasyon olarak geri dönmüştür. Burada, bir kişi veya araç gibi bir hedefin sabit bir arka plana göre değişiklikleri tespit edilir. Arka planın mevsimsel olarak veya diğer değişikliklerden dolayı değiştiği durumlarda, güvenilirlik zamanla bozulmaktadır. Çok fazla yanlış uyarıya yanıt vermenin ekonomisi bir kez daha engel olmuştur ve bu çözüm de yeterli bulunmamıştır.
Gerçek video analitiğinin ortaya çıkışı
Görsel tanımanın makine öğrenimi, örüntüler ve bunların sınıflandırılması ile ilgilidir. Gerçek video analitiği, insan biçimini, araçları ve tekneleri veya seçilen nesneleri, diğer tüm nesnelerin genel hareketinden ve monitördeki görsel statik veya piksellerdeki değişikliklerden ayırt edebilmektedir. Bunu kalıpları tanıyarak yapar. İlgilenilen nesne, örneğin bir insan önceden belirlenmiş bir kuralı ihlal ettiğinde, örneğin önceden tanımlanmış bir alanda, tanımlanmış bir zaman aralığında insan sayısının sıfırı geçmemesi durumunda, bir uyarı gönderilir. Kırmızı bir dikdörtgen veya sözde "sınırlayıcı kutu", genellikle algılanan davetsiz misafiri otomatik olarak takip eder ve uyarı olarak bunun kısa bir video klibini gönderir.
Pratik uygulama
Gerçek zamanlı önleyici faaliyet
Video gözetimi kullanan davetsiz misafirlerin tespiti, video kameraların ekonomisine ve doğasına bağlı olarak sınırlamalara sahiptir. Tipik olarak, dış mekan kameraları geniş açılı bir görünüme ayarlanır ve uzun bir mesafeye bakar. Saniyedeki kare hızı ve parlak aydınlatılmış alanları ve loş aydınlatılmış alanları işlemek için dinamik aralık, kameranın hareket eden bir insan davetsiz misafirini görmeye gerçekten yeterli olmasını daha da zorlar. Geceleri, aydınlatılmış dış mekanlarda bile, hareketli bir nesne saniyede kare başına yeterli ışık toplamaz ve bu nedenle, kameraya oldukça yakın olmadıkça, ince bir tutam veya zar zor fark edilebilen hayalet veya tamamen görünmez olarak görünecektir. Parlama, kısmi bulanıklık, yağmur, kar, sis ve karanlık koşullarının tümü sorunu daha da karmaşık hale getirir. Bu koşullarda bir insan, bir öznenin monitöründe gerçek konuma bakmaya yönlendirilse bile, özne genellikle algılanmayacaktır. Yapay zeka, görüntünün tamamına ve tüm kameraların görüntülerine aynı anda tarafsız bir şekilde bakabilir. İnsan formunu neyin oluşturduğuna dair öğrenmiş olduğu modelden sapma derecelerinin istatistiksel modellerini kullanarak, olumsuz koşullarda bile yüksek güvenilirlik ve düşük yanlış alarm oranı ile bir davetsiz misafiri tespit edecektir. Öğrenmesi, çeşitli pozisyonlarda, açılarda, duruşlarda yaklaşık çeyrek milyon insan görüntüsüne dayanmaktadır.
Yerleşik video analitiğine sahip bir megapiksel kamera, ideal olmayan koşullarda yaklaşık 350' uzaklıkta ve yaklaşık 30 derecelik bir görüş açısında bir insanı tespit edebilmiştir. "Sanal bir çit" veya önceden tanımlanmış bir alana izinsiz giriş için kurallar belirlenebilir. Yönlü seyahat, geride kalan nesne, kalabalık oluşumu ve diğer bazı koşullar için kurallar belirlenebilir. Video gözetimi için yapay zeka, Çin'de yaygın olarak kullanılmaktadır.
Konuşma
Sistemin en güçlü özelliklerinden biri, yapay zekadan bir uyarı alan bir memurun veya operatörün, dış mekan genel seslendirme hoparlörleri üzerinden davetsiz misafirle anında konuşabilmesidir. Bu, suçların çoğu fırsatçı olduğundan ve canlı bir kişi onlarla konuştuğunda, davetsiz misafirlere yakalanma riski o kadar belirgin hale geldiğinden, yüksek caydırıcılık değerine sahiptir. Güvenlik görevlisi, davetsiz misafirin gerçek bir kişinin onları izlediğinden şüphe duymaması için davetsiz misafirin hareketlerini tarif eder. Memur, davetsiz misafirin yasaları çiğnediğini ve kolluk kuvvetleriyle temasa geçildiğini ve video kaydının alındığını ilan eder.
Doğrulanmış ihlal raporu
Polis, hırsız alarmlarından çok sayıda yanlış alarm alır. Aslında güvenlik endüstrisi, bu tür alarmların %98'inden fazlasının yanlış alarmlar olduğunu bildirmektedir. Buna göre, polis hırsız alarmlarına çok düşük öncelikli yanıt veriyor ve olay yerine müdahale etmesi yirmi dakika ile iki saat arasında sürebiliyor. Buna karşılık, video analiziyle tespit edilen suç, devam eden gerçek bir suç olduğunu kendi gözleriyle doğrulayan merkezi izleme görevlisine bildirilir. Daha sonra, bu tür aramalara en yüksek önceliği veren polise gönderir.
Davranışsal analiz
Aktif ortamlar
Kural tabanlı video analitiği birçok güvenlik uygulaması için ekonomik ve güvenilir bir şekilde çalışsa da, çalışamayacağı birçok durum vardır. Günün belirli saatlerinde, örneğin bir gecede, kimsenin ait olmadığı bir kapalı veya açık alan veya baz istasyonu gibi herhangi bir zamanda kimsenin ait olmadığı alanlar için, geleneksel kural tabanlı analitik mükemmel şekilde uygundur. Baz istasyonu örneğinde, bir servis teknisyeninin bölgeye erişmesi gereken nadir zaman, izleme yanıtını "teste" koymak için bir geçiş koduyla aramayı gerektirecek veya yetkili kişinin orada bulunduğu kısa süre için devre dışı bırakılacaktır.
Ancak her zaman her yere yüzlerce veya binlerce insanın ait olduğu aktif ortamlarda birçok güvenlik ihtiyacı vardır. Örneğin, bir üniversite kampüsü, aktif bir fabrika, bir hastane veya herhangi bir aktif işletme tesisi. Meşru kişiler ile suçlular veya suç işleyenler arasında ayrım yapacak kurallar koymak mümkün değildir.
Durumsal farkındalığın ölçülmesi
Yapay zekanın güvenlik için faydası bir boşlukta mevcut değildir ve gelişimi tamamen akademik veya bilimsel çalışma tarafından yönlendirilmemiştir. Daha ziyade, gerçek dünya ihtiyaçlarına ve dolayısıyla ekonomik güçlere yöneliktir. Operasyonel verimlilik, alışverişçilerin teşhir alanlarının ısı haritalaması (perakende alanında belirli bir alanda kaç kişinin olduğu anlamına gelir) ve derslere katılım gibi güvenlik dışı uygulamalar için kullanımı, kullanımları geliştirmektedir. İnsanlar, birden fazla uzaktan görüntülenen konumda eşzamanlı hesaplamalar gerektiren çok büyük veri kümelerinden oluşan kalıpları derlemek ve tanımak için yapay zeka kadar nitelikli değildir. Bu tür çoklu görevlerin insan dikkatini ve performansını odaktan uzaklaştırdığı gösterilmiştir. Yapay zekalar bu tür verileri işleme yeteneğine sahiptir. Video kameralarla etkileşime giren güvenlik amaçları için, işlevsel olarak insanlardan veya makinenin ona yaklaşımından daha iyi görme keskinliğine sahiptirler. Kişilerin davranışlarının veya niyetlerinin inceliklerini veya tehdit derecelerini değerlendirmek için, teknolojinin mevcut durumunda insanlar çok daha üstündür. Bu nedenle, güvenlikteki yapay zeka, insan kapasitesinin ötesinde geniş bir şekilde tarama yapmak ve verileri birinci bir uygunluk düzeyine göre incelemek ve daha sonra değerlendirme ve yanıt işlevini devralan insan memuru uyarmak için işlev görmektedir.
Pratik dünyada güvenlik, ekonomik olarak belirlenir, böylece önleyici güvenlik harcaması asla tipik olarak kaçınılması gereken riskin algılanan maliyetini aşamaz. Araştırmalar, şirketlerin tipik olarak, gerçek kayıplarının kendilerine mal olduğu güvenlik tutarının yalnızca yirmi beşte birini harcadıklarını göstermiştir. Saf ekonomik teori ile bir denklik veya homeostaz olması gereken şey, bu nedenle ondan çok geri kalmaktadır. Bunu açıklayan teorilerden biri, bilişsel uyumsuzluk veya risk gibi hoş olmayan şeylerin bilinçli zihinden kolaylıkla kaçabilmesidir. Bununla birlikte, güvenlik büyük bir harcamadır ve farklı güvenlik araçlarının maliyetlerinin karşılaştırılması, güvenlik uzmanları arasında her zaman en başta gelir.
Gelecekteki güvenlik tehditlerinin veya kayıplarının yeterince değerlendirilmemesinin bir başka nedeni de, eşzamanlı olarak yaşanan dolaylı kayıplar yelpazesi yerine, genellikle potansiyel bir kaybın doğrudan maliyetinin dikkate alınmasıdır. Örneğin, bir fabrikada özel üretim bir makinenin veya soğutmalı bir çekici-römork vandalizm-imhası, müşterilere hizmet edilemeyen uzun bir değiştirme süresine neden olarak işlerinin kaybedilmesine neden olur. Şiddet içeren bir suç, bir işveren için, çalışanı korumama konusundaki doğrudan sorumluluğun ötesinde, kapsamlı bir halkla ilişkiler hasarına yol açacaktır.
Davranışsal analitik, basit güvenliğin ötesinde benzersiz bir şekilde çalışır ve standart protokol kalıplarındaki ihlalleri gözlemleme yeteneği nedeniyle, çalışanların tazminat veya kamu sorumluluğu olaylarına yol açabilecek güvenli olmayan eylemlerini etkili bir şekilde bulabilir. Burada da gelecekteki olayların maliyetlerinin değerlendirilmesi gerçeğin gerisinde kalmaktadır. Liberty Mutual Insurance Company tarafından yapılan bir araştırma, dolaylı zararların sigortasız maliyetleri geçici yedek işçileri değiştirmeler için işe alma maliyetleri, eğitim maliyetleri, yöneticilerin raporlarda veya mahkemede geçirdiği süre, diğer çalışanlar üzerinde olumsuz moral ve müşteri ve halkla ilişkiler üzerindeki etkisini içerdiğinden, işverenlere maliyetinin doğrudan sigortalı maliyetin yaklaşık altı katı olduğunu göstermiştir. Yapay zekanın davranışsal analitik biçiminde bu tür olayları proaktif olarak engelleme ve önleme potansiyeli önemlidir.
Kaynakça
- ^ . www.sciencedirect.com. 8 Kasım 2020 tarihinde kaynağından arşivlendi.
- ^ (PDF). Green, Mary W. (1999). 28 Nisan 2015 tarihinde kaynağından (PDF) arşivlendi.
- ^ . Pattern Recognition,. 13 Ağustos 2019 tarihinde kaynağından arşivlendi.
- ^ . Science, 220, 327-329. Nuechterlein, K.H., Parasuraman, R., & Jiang, Q. (1983). 31 Ağustos 2017 tarihinde kaynağından arşivlendi.
- ^ Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, September 22, 2015 Basic Books
- ^ Bilgisayar ve Yapay Görme, Dördüncü Baskı: Teori, Algoritmalar, Pratiklikler. Davies, E. R. (2012). 25 Haziran 2021 tarihinde kaynağından . Erişim tarihi: 26 Haziran 2021.
- ^ Dufour, Jean-Yves, Intelligent Video Surveillance Systems, John Wiley Publisher (2012)
- ^ . Hantman, Ken (2014). 23 Haziran 2011 tarihinde kaynağından arşivlendi.
- ^ Rice, Derek, Finding & Selling The Value of Analytics, SDM Magazine (Sept 2015) BNP Media II, Troy Michigan
- ^ Gruber, Illy, The Evolution of Video Analytics, Security Sales & Integration magazine (August 11, 2012) Security Sales & Integration, Framingham MA
- ^ Bressler, Martin S., The Impact of Crime on Business: A Model of Prevention, Detection & Remedy, Journal of Management and Marketing Research (2009)
- ^ Safety Index Report, Liberty Mutual Insurance Company (2002)
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
Video gozetimi icin yapay zeka insanlari araclari nesneleri ve olaylari tanimak icin video gozetim kameralarindan gelen ses ve goruntuleri analiz eden bilgisayar yazilim programlarini kullanmaktadir Guvenlik muteahhitleri programi kamera gozetimi ile korunan mulk icin ornegin citle cevrili bir alan bir park yeri gibi ancak park yeri disindaki kaldirim veya halka acik cadde degil kameranin gorusu ve gunun saatleri icin ornegin is kapanisindan sonra programlanan kisitli alanlari tanimlayan yazilimdir Yapay zeka gunun o saatinde o bolgeye kimsenin girmesine izin verilmeyen kural setini ihlal eden bir kisi tespit ederse bir uyari gondermektedir Yapay zeka programi yapay gorme kullanarak calisir Yapay gorme farkli durus aci konum ve hareketlerdeki insanlarin yuz binlerce kayitli referans goruntusuyle gorulen nesneyi karsilastirmak icin bir akis semasi veya bir dizi soru gibi calisan bir dizi algoritma veya matematiksel prosedurdur Yapay zeka kendisine gozlenen nesnenin referans goruntulerdeki gibi hareket edip etmedigini genisligine gore yaklasik olarak ayni boyutta olup olmadigini karakteristik iki kol ve iki bacaga sahip olup olmadigini benzer hizda hareket edip etmedigini ve yatay yerine dikey olup olmadigini sormaktadir Nesnenin yansitma derecesi sabit veya titresme derecesi ve hareket ettigi puruzsuzluk gibi bircok baska soru da mumkundur Cesitli sorulardan elde edilen tum degerleri birlestirerek yapay zekaya nesnenin bir insan olup olmadigi olasiligini veren genel bir siralama elde edilmektedir Deger ayarlanmis bir siniri asarsa uyari gondermektedir Bu tur programlarin bir dereceye kadar kendi kendine ogrenmeleri ogrenmeleri ornegin izlenen goruntunun belirli bolumlerinde insanlarin veya araclarin kameradan en uzak alanlar olan diger bolumlerden daha buyuk gorunmesini ogrenmeleri bu tur programlarin karakteristigidir Gunun belirli saatlerinde belirli bolgelerden insanlari veya araclari kisitlayan basit kuralin yani sira daha karmasik kurallar da belirlenebilir Sistemin kullanicisi araclarin bir yonde ilerleyip diger yonde gitmedigini bilmek isteyebilir Kullanicilar belirli bir alanda onceden belirlenmis belirli sayidan fazla insan oldugunu bilmek isteyebilir Yapay zeka ayni anda yuzlerce kameranin gozetimini saglama yetenegine sahiptir Uzakta yagmurda veya parildayan bir durumda izinsiz giren bir kisiyi tespit etme yetenegi insanlarin bunu yapma yeteneginden daha ustundur Guvenlik icin bu tur yapay zeka kural tabanli olarak bilinir cunku bir insan programci kullanicinin uyarilmak istedigi her sey icin kurallar belirlemelidir Bu guvenlik icin en yaygin yapay zeka bicimidir Gunumuzde bircok video gozetim kamera sistemi bu tur yapay zeka ozelligini icerir Programi barindiran sabit disk kameralarin kendisinde veya kameralardan girdi alan ayri bir cihazda olabilir Daha yeni kurala dayali olmayan bir yapay zeka bicimi guvenlik icin davranissal analitik adi verilen gelistirilmistir Bu yazilim kullanici veya guvenlik yuklenicisi tarafindan herhangi bir ilk programlama girisi olmaksizin tamamen kendi kendine ogrenmektedir Bu tur analitikte yapay zeka boyut yansitma renk gruplama hiz dikey veya yatay yonlendirme gibi cesitli ozelliklere iliskin kendi gozlemlerine dayanarak insanlar araclar makineler ve cevre icin normal davranisin ne oldugunu ogrenmektedir Yapay zeka gorsel verileri normallestirir yani gozlemledigi nesneleri ve kaliplari siniflandirir ve etiketlemektedir Ayrica gozlemlenen cesitli nesneler icin neyin normal veya ortalama davranis olduguna dair surekli olarak rafine tanimlar olusturmaktadir Birkac hafta bu sekilde ogrendikten sonra islerin kalibi ne zaman kirdigini anlayabilir Bu tur anormallikleri gozlemlediginde bir uyari gonderir Ornegin arabalarin sokakta surmesi normaldir Kaldirima cikarken gorulen bir araba bir anormallik olurdu Geceleri citle cevrili bir avlu normalde bossa o alana giren bir kisi bir anormallik olacaktir TarihceProblem cumlesi Insanlarin video gozetim canli goruntulerini dikkatli bir sekilde izleme yetenegindeki sinirlamalar gorevi daha iyi yerine getirebilecek yapay zeka talebine yol acmistir Tek bir video monitorunu yirmi dakikadan fazla izleyen insanlar onemli olaylari ayirt etmek icin yeterli dikkati surdurme yeteneklerinin 95 ini kaybeder Iki monitor ile bu tekrar yariya indirilir Bircok tesiste duzinelerce hatta yuzlerce kamera oldugu goz onune alindiginda gorev acikca insan yeteneginin otesindedir Genel olarak bos koridorlarin depolama tesislerinin otoparklarin veya yapilarin kamera goruntuleri son derece sikicidir ve bu nedenle dikkat hizla azalmaktadir Birden fazla kamera izlendiginde tipik olarak bir duvar monitoru veya bolunmus ekran gorunumune sahip bir dizi monitor kullanilir ve bir kamera seti ile digeri arasinda birkac saniyede bir donerek gorsel bikkinlik hizla bunaltici olur Video gozetim kameralari otomobil bayilerinden alisveris plazalarina okullara ve isletmelere nukleer santraller gibi yuksek guvenlikli tesislere kadar degisen kullanicilar tarafindan buyuk olcude benimsenerek cogalirken memurlar tarafindan video gozetiminin pratik ve etkisiz oldugu sonradan anlasilmistir Kapsamli video gozetim sistemleri bir hirsizlik kundakcilik saldiri veya olaydan sonra birini tanimlamak icin olasi adli kullanim icin yalnizca kayit yapmakla sinirlandirildi Ozellikle genis dis mekanlar icin genis acili kamera goruntulerinin kullanildigi yerlerde yetersiz cozunurluk nedeniyle bu amac icin bile ciddi sinirlamalar kesfedildi Bu durumlarda izinsiz gireni veya faili tespit etmek imkansizdir cunku goruntuleri monitorde cok kucuktur Cozum icin erken donem denemeleri Hareket algilama kameralari Insan korumalarin uzun sureli gozetleme monitorlerini izleme konusundaki eksikliklerine yanit olarak ilk cozum kameralara hareket dedektorleri eklemek oldu Bir davetsiz misafirin veya failin hareketinin uzaktan izleme gorevlisine surekli insan uyanikligi ihtiyacini ortadan kaldiran bir uyari gonderecegi dusunuldu Sorun dis ortamda ekranda goruntulenen toplam goruntuyu olusturan piksellerde surekli hareket veya degisiklikler olmasidir Ruzgarda ucusan agaclardaki yapraklarin yerdeki coplerin boceklerin kuslarin kopeklerin golgelerin farlarin gunes isinlarinin ve benzeri seylerin hareketini icerir Bu gunde yuzlerce hatta binlerce yanlis uyariya neden oldu ve bu cozumu kapali ortamlar disinda calisma saatleri disinda calismaz hale getirmistir Gelismis video hareket algilama Bir sonraki evrim yanlis uyarilari bir dereceye kadar azaltmistir Ancak bunun maliyeti karmasik ve zaman alici manuel kalibrasyon olarak geri donmustur Burada bir kisi veya arac gibi bir hedefin sabit bir arka plana gore degisiklikleri tespit edilir Arka planin mevsimsel olarak veya diger degisikliklerden dolayi degistigi durumlarda guvenilirlik zamanla bozulmaktadir Cok fazla yanlis uyariya yanit vermenin ekonomisi bir kez daha engel olmustur ve bu cozum de yeterli bulunmamistir Gercek video analitiginin ortaya cikisi Gorsel tanimanin makine ogrenimi oruntuler ve bunlarin siniflandirilmasi ile ilgilidir Gercek video analitigi insan bicimini araclari ve tekneleri veya secilen nesneleri diger tum nesnelerin genel hareketinden ve monitordeki gorsel statik veya piksellerdeki degisikliklerden ayirt edebilmektedir Bunu kaliplari taniyarak yapar Ilgilenilen nesne ornegin bir insan onceden belirlenmis bir kurali ihlal ettiginde ornegin onceden tanimlanmis bir alanda tanimlanmis bir zaman araliginda insan sayisinin sifiri gecmemesi durumunda bir uyari gonderilir Kirmizi bir dikdortgen veya sozde sinirlayici kutu genellikle algilanan davetsiz misafiri otomatik olarak takip eder ve uyari olarak bunun kisa bir video klibini gonderir Pratik uygulamaGercek zamanli onleyici faaliyet Video gozetimi kullanan davetsiz misafirlerin tespiti video kameralarin ekonomisine ve dogasina bagli olarak sinirlamalara sahiptir Tipik olarak dis mekan kameralari genis acili bir gorunume ayarlanir ve uzun bir mesafeye bakar Saniyedeki kare hizi ve parlak aydinlatilmis alanlari ve los aydinlatilmis alanlari islemek icin dinamik aralik kameranin hareket eden bir insan davetsiz misafirini gormeye gercekten yeterli olmasini daha da zorlar Geceleri aydinlatilmis dis mekanlarda bile hareketli bir nesne saniyede kare basina yeterli isik toplamaz ve bu nedenle kameraya oldukca yakin olmadikca ince bir tutam veya zar zor fark edilebilen hayalet veya tamamen gorunmez olarak gorunecektir Parlama kismi bulaniklik yagmur kar sis ve karanlik kosullarinin tumu sorunu daha da karmasik hale getirir Bu kosullarda bir insan bir oznenin monitorunde gercek konuma bakmaya yonlendirilse bile ozne genellikle algilanmayacaktir Yapay zeka goruntunun tamamina ve tum kameralarin goruntulerine ayni anda tarafsiz bir sekilde bakabilir Insan formunu neyin olusturduguna dair ogrenmis oldugu modelden sapma derecelerinin istatistiksel modellerini kullanarak olumsuz kosullarda bile yuksek guvenilirlik ve dusuk yanlis alarm orani ile bir davetsiz misafiri tespit edecektir Ogrenmesi cesitli pozisyonlarda acilarda duruslarda yaklasik ceyrek milyon insan goruntusune dayanmaktadir Yerlesik video analitigine sahip bir megapiksel kamera ideal olmayan kosullarda yaklasik 350 uzaklikta ve yaklasik 30 derecelik bir gorus acisinda bir insani tespit edebilmistir Sanal bir cit veya onceden tanimlanmis bir alana izinsiz giris icin kurallar belirlenebilir Yonlu seyahat geride kalan nesne kalabalik olusumu ve diger bazi kosullar icin kurallar belirlenebilir Video gozetimi icin yapay zeka Cin de yaygin olarak kullanilmaktadir Konusma Sistemin en guclu ozelliklerinden biri yapay zekadan bir uyari alan bir memurun veya operatorun dis mekan genel seslendirme hoparlorleri uzerinden davetsiz misafirle aninda konusabilmesidir Bu suclarin cogu firsatci oldugundan ve canli bir kisi onlarla konustugunda davetsiz misafirlere yakalanma riski o kadar belirgin hale geldiginden yuksek caydiricilik degerine sahiptir Guvenlik gorevlisi davetsiz misafirin gercek bir kisinin onlari izlediginden suphe duymamasi icin davetsiz misafirin hareketlerini tarif eder Memur davetsiz misafirin yasalari cignedigini ve kolluk kuvvetleriyle temasa gecildigini ve video kaydinin alindigini ilan eder Dogrulanmis ihlal raporu Polis hirsiz alarmlarindan cok sayida yanlis alarm alir Aslinda guvenlik endustrisi bu tur alarmlarin 98 inden fazlasinin yanlis alarmlar oldugunu bildirmektedir Buna gore polis hirsiz alarmlarina cok dusuk oncelikli yanit veriyor ve olay yerine mudahale etmesi yirmi dakika ile iki saat arasinda surebiliyor Buna karsilik video analiziyle tespit edilen suc devam eden gercek bir suc oldugunu kendi gozleriyle dogrulayan merkezi izleme gorevlisine bildirilir Daha sonra bu tur aramalara en yuksek onceligi veren polise gonderir Davranissal analizAktif ortamlar Kural tabanli video analitigi bircok guvenlik uygulamasi icin ekonomik ve guvenilir bir sekilde calissa da calisamayacagi bircok durum vardir Gunun belirli saatlerinde ornegin bir gecede kimsenin ait olmadigi bir kapali veya acik alan veya baz istasyonu gibi herhangi bir zamanda kimsenin ait olmadigi alanlar icin geleneksel kural tabanli analitik mukemmel sekilde uygundur Baz istasyonu orneginde bir servis teknisyeninin bolgeye erismesi gereken nadir zaman izleme yanitini teste koymak icin bir gecis koduyla aramayi gerektirecek veya yetkili kisinin orada bulundugu kisa sure icin devre disi birakilacaktir Ancak her zaman her yere yuzlerce veya binlerce insanin ait oldugu aktif ortamlarda bircok guvenlik ihtiyaci vardir Ornegin bir universite kampusu aktif bir fabrika bir hastane veya herhangi bir aktif isletme tesisi Mesru kisiler ile suclular veya suc isleyenler arasinda ayrim yapacak kurallar koymak mumkun degildir Durumsal farkindaligin olculmesi Yapay zekanin guvenlik icin faydasi bir boslukta mevcut degildir ve gelisimi tamamen akademik veya bilimsel calisma tarafindan yonlendirilmemistir Daha ziyade gercek dunya ihtiyaclarina ve dolayisiyla ekonomik guclere yoneliktir Operasyonel verimlilik alisveriscilerin teshir alanlarinin isi haritalamasi perakende alaninda belirli bir alanda kac kisinin oldugu anlamina gelir ve derslere katilim gibi guvenlik disi uygulamalar icin kullanimi kullanimlari gelistirmektedir Insanlar birden fazla uzaktan goruntulenen konumda eszamanli hesaplamalar gerektiren cok buyuk veri kumelerinden olusan kaliplari derlemek ve tanimak icin yapay zeka kadar nitelikli degildir Bu tur coklu gorevlerin insan dikkatini ve performansini odaktan uzaklastirdigi gosterilmistir Yapay zekalar bu tur verileri isleme yetenegine sahiptir Video kameralarla etkilesime giren guvenlik amaclari icin islevsel olarak insanlardan veya makinenin ona yaklasimindan daha iyi gorme keskinligine sahiptirler Kisilerin davranislarinin veya niyetlerinin inceliklerini veya tehdit derecelerini degerlendirmek icin teknolojinin mevcut durumunda insanlar cok daha ustundur Bu nedenle guvenlikteki yapay zeka insan kapasitesinin otesinde genis bir sekilde tarama yapmak ve verileri birinci bir uygunluk duzeyine gore incelemek ve daha sonra degerlendirme ve yanit islevini devralan insan memuru uyarmak icin islev gormektedir Pratik dunyada guvenlik ekonomik olarak belirlenir boylece onleyici guvenlik harcamasi asla tipik olarak kacinilmasi gereken riskin algilanan maliyetini asamaz Arastirmalar sirketlerin tipik olarak gercek kayiplarinin kendilerine mal oldugu guvenlik tutarinin yalnizca yirmi beste birini harcadiklarini gostermistir Saf ekonomik teori ile bir denklik veya homeostaz olmasi gereken sey bu nedenle ondan cok geri kalmaktadir Bunu aciklayan teorilerden biri bilissel uyumsuzluk veya risk gibi hos olmayan seylerin bilincli zihinden kolaylikla kacabilmesidir Bununla birlikte guvenlik buyuk bir harcamadir ve farkli guvenlik araclarinin maliyetlerinin karsilastirilmasi guvenlik uzmanlari arasinda her zaman en basta gelir Gelecekteki guvenlik tehditlerinin veya kayiplarinin yeterince degerlendirilmemesinin bir baska nedeni de eszamanli olarak yasanan dolayli kayiplar yelpazesi yerine genellikle potansiyel bir kaybin dogrudan maliyetinin dikkate alinmasidir Ornegin bir fabrikada ozel uretim bir makinenin veya sogutmali bir cekici romork vandalizm imhasi musterilere hizmet edilemeyen uzun bir degistirme suresine neden olarak islerinin kaybedilmesine neden olur Siddet iceren bir suc bir isveren icin calisani korumama konusundaki dogrudan sorumlulugun otesinde kapsamli bir halkla iliskiler hasarina yol acacaktir Davranissal analitik basit guvenligin otesinde benzersiz bir sekilde calisir ve standart protokol kaliplarindaki ihlalleri gozlemleme yetenegi nedeniyle calisanlarin tazminat veya kamu sorumlulugu olaylarina yol acabilecek guvenli olmayan eylemlerini etkili bir sekilde bulabilir Burada da gelecekteki olaylarin maliyetlerinin degerlendirilmesi gercegin gerisinde kalmaktadir Liberty Mutual Insurance Company tarafindan yapilan bir arastirma dolayli zararlarin sigortasiz maliyetleri gecici yedek iscileri degistirmeler icin ise alma maliyetleri egitim maliyetleri yoneticilerin raporlarda veya mahkemede gecirdigi sure diger calisanlar uzerinde olumsuz moral ve musteri ve halkla iliskiler uzerindeki etkisini icerdiginden isverenlere maliyetinin dogrudan sigortali maliyetin yaklasik alti kati oldugunu gostermistir Yapay zekanin davranissal analitik biciminde bu tur olaylari proaktif olarak engelleme ve onleme potansiyeli onemlidir Kaynakca www sciencedirect com 8 Kasim 2020 tarihinde kaynagindan arsivlendi PDF Green Mary W 1999 28 Nisan 2015 tarihinde kaynagindan PDF arsivlendi Pattern Recognition 13 Agustos 2019 tarihinde kaynagindan arsivlendi Science 220 327 329 Nuechterlein K H Parasuraman R amp Jiang Q 1983 31 Agustos 2017 tarihinde kaynagindan arsivlendi Pedro Domingos The Master Algorithm How the Quest for the Ultimate Learning Machine Will Remake Our World September 22 2015 Basic Books Bilgisayar ve Yapay Gorme Dorduncu Baski Teori Algoritmalar Pratiklikler Davies E R 2012 25 Haziran 2021 tarihinde kaynagindan Erisim tarihi 26 Haziran 2021 Dufour Jean Yves Intelligent Video Surveillance Systems John Wiley Publisher 2012 Hantman Ken 2014 23 Haziran 2011 tarihinde kaynagindan arsivlendi Rice Derek Finding amp Selling The Value of Analytics SDM Magazine Sept 2015 BNP Media II Troy Michigan Gruber Illy The Evolution of Video Analytics Security Sales amp Integration magazine August 11 2012 Security Sales amp Integration Framingham MA Bressler Martin S The Impact of Crime on Business A Model of Prevention Detection amp Remedy Journal of Management and Marketing Research 2009 Safety Index Report Liberty Mutual Insurance Company 2002