در این مستند بخشهای مختلف سامانه ردیابی اشخاص و اشیا به مخاطب ارائه میشود و او را با نحوه پیاده سازی و نکات کلیدی در پیادهسازی هر بخش آشنا میکند. در این سامانه از فناوریهای نظیر:
1- هوش مصنوعی در شاخههای بینایی ماشین، تشخیص اشیا و چهرهها؛
2-روشهای مختلف پردازش تصویر؛
3-ایجاد کلانداده؛
4-آنالیز داده و مصورسازی داده؛
استفاده شده است که در این مقاله به روش استفاده از هر کدام، در هر زیر سامانه میپردازیم.
نمونه کارهای انجام شده و تجربیات حاصله در جهان
سامانه ردیابی چهره و اشیا یکی از سامانههای پیشرفته و بروز در جهان میباشد که از تجمیع چندین فناوری حاصل گردیده است. پایه این سامانه که از توسعه شبکههای عصبی در فناوری بینایی ماشین صورت میگیرد، در یک سیستم خبره اختصاصی به هوشمندی لازم میرسد و با تکمیل فرایند دیتاماینیگ بر روی کلان داده حاصل از پروژه به جواب و خروجی مورد نظر خواهد رسید. مرکز تحقیق و توسعه به عنوان یکی از مراکز پیشرو در توسعه سامانههای هوش مصنوعی، پتانسیل بررسی توسعه پایلوت این کلان پروژه را برای استفاده در ارگانهای دولتی نظیر ستاد مبارز با قاچاق کالا و نیروی انتظامی و همچنین بخشهای خصوصی نظیر فروشگاههای هوشمند را داراست.
سامانه ردیابی چهرهها و اشیا یکی از سامانههای جدیدی بوده که خواستگاه حراستی و امنیتی نیز دارد و به همین علت تعداد معدودی از این سامانه در جهان توسعه یافته است. به طوریکه نمونه کارهای انجام شده به عنوان اطلاعات محرمانه دولتی بوده و قابلیت انتشار نتایج حاصل از پروژه را ندارد. این موضوع باعث شده است که اطلاعات دقیقی از تعداد سامانههای فعال و تجربیات حاصل از این سامانهها بطور واضح موجود نباشد. اما یکی از نمونه کارهای انجام شده در این سطح دوربینهای امنیتی سطح شهر لندن است که همگی با فناوری هوش مصنوعی در یک پایگاه داده بطور متمرکز تحلیل و بررسی میشوند و قابلیت تعقیب[1] کردن یک شخص از مبادی ورودی کشور تا مکانهای که سر زده است را دارند.
شناخت چالشها
آنچه که اجرای این سامانه را با چالش مواجه میکند، تعدد زیرسامانهها و نحوه تجمیع و تصمیم گیری صحیح بر روی دادههای جمع آوری شده است. بهطوری که در زنجیره این فناوری میتوان به رئوس چالشهای زیر اشاره کرد:
- افزایش صحت تشخیص افراد و اشیا در تصاویری با رزولوشن پایین
- عدم وجود هویت (برچسب) بر روی تصاویر اشخاص کشف شده به صورت پیش فرض و ایجاد فرایند استخراج و انطباق هویت و الصاق برچسب
- استخراج و ثبت مولفههای زمان، مکان و موقعیت جغرافیایی برای هر سوژه
- استخراج و ایجاد شبکه ارتباطی میان افراد و اشیا
- تعریف و توسعه سیستم خبره مطابق نیاز کارفرما
- ارائه گزارشات متقن و صحیح
اجزاء سامانه
جهت اجرای سامانه ردیابی چهره و اشیا نیاز به اجرا و تجمیع زیرسامانههای متعددی است که در شکل 1، اجزا و ارتباط آنها به اختصار ارائه شده است.
شکل 1: اجزا و ارتباط آنها در سامانه ردیابی چهره و اشخاص [تصویر از نویسنده]
تشریح اجزاء سامانه
دوربینهای نظارتی و حراستی اماکن
جهت ضبط و ارسال تصاویر به منظور پردازش اولیه برای سامانه ردیابی اشخاص و اشیا میبایست به نکات زیر توجه شود.
با توجه به آنکه تصاویر ضبط شده به منظور شناسایی و تشخیص به کار گرفته خواهد شد میبایست تصویر ورودی دارای شاخصهای کیفی جهت استخراج هویت باشد. به همین منظور دوربینهای حراستی و نظارتی اماکن میبایست دارای بالاترین رزولوشن ضبط تصاویر باشد.
هرچند کیفیت دوربین به مولفههای متعددی از قبیل دامنه طیف نوری دوربین و اندازه سنسور دیجیتال دوربین (cmos) وابسته است اما بالا بودن رزولوشن تصاویر ضبط شده مهمترین مولفه جهت استفاده در سامانه ردیابی اشخاص و اشیا بوده به طوریکه پیشنهاد میشود حداقل رزولوشن مورد استفاده برای دوربینها 4k باشد. از آنجا که ضبط بدون وقفه تصاویر 4k و ارسال آن از طریق بستر اینترنت جهت نگهداری بر روی ذخیره سازهای پرسرعت یک چالش است. دوربین مورد نظر میبایست ضبط تصاویر با کدک HEVCانجام دهد. همچنین به منظور استفادههای بعدی میبایست دو مولفه زمان و مکان توسط دوربین به سامانه مرکزی گزارش شود که قابلیت درج عکس زمان و مکان بر روی استریم ارسالی از سوی دوربین به ذخیره سازهای مرکزی میبایست مد نظر قرار گیرد.
زیرسامانه ضبط استریمهای ورودی
از دو جزء اصلی ایجاد شده است: ۱ – سامانه ضبط تصاویر 2 – استوریج مرکزی
- سامانه ضبط تصاویر
این سامانه امکان ضبط استریمهای HEVC ارسالی از طریق دوربینهای مستقر در اماکن را به صورت انبوه فراهم میکند. تصاویر ارسالی از سوی دوربینها به صورت ۲۴ ساعته و بدون وقفه بر روی استوریج مرکزی ذخیره میشود .
- استوریج مرکزی
استوریج مرکزی با قابلیت ضبط تصاویر ورودی بر روی لانههای مجزا امکان طبقه بندی تصاویر برای سامانه ردیابی اشخاص و اشیا را فراهم میکند. استوریج مرکزی دارای سه فضای مجزا با سرعتهای متفاوت است؛ فضای شماره 1 جهت نگهداری تصاویر ارسالی از سوی دوربینها استفاده میشود، فضای شماره 2 جهت بکارگیری در زیرسامانه استخراج فریم (Frame Extractor) قابل استفاده بوده و فضای شماره 3 بمنظور تفکیک تصاویر و نگهداری طولانی مدت جهت انجام فرایندهای اتوماسیون مرکزی توسط بازبینها مفید است.
زیرسامانه استخراج فریم (Frame Extractor)
این سامانه وظیفه استخراج عکسها از تصاویر ضبط شده توسط دوربینهای نظارتی و حراستی را دارد. به طوری که اگر یک ثانیه تصویر ضبط شده توسط دوربینها را ۲۵ فریم در نظر بگیریم، سامانه فریم اکستراکتور برای هر یک ثانیه تصویر رکورد شده توسط هر دوربین ۲۵ عکس مجزا را در فولدرهای تفکیک شده بر روی استوریج مرکزی قرار میدهد.
موتور هوش مصنوعی
از موتور هوش مصنوعی مستقر در سامانه ردیابی اشخاص و اشیا میتوان به عنوان مغز این سامانه نام برد.
به طوری که تمامیعکسهای استخراج شده توسط سامانه فریم اکسترکتور توسط این موتور پردازشی مورد تحلیل و آنالیز قرار خواهد گرفت زیر سامانه مذکور قابلیت بررسی بیش از ۱۰۰۰ کلاس پردازشی تصویر را بر روی هر عکس دارد، کلاسهای مورد نظر در 8 دسته اصلی ارائه سرویس میکند.
زیر سامانه هوش مصنوعی قابلیت یادگیری مدلهای جدید را با استفاده از توسعه شبکههای عصبی و استقرار و بومیسازی فرآیندهای آموزش عمیق شبکههای عصبی دارد. آنچه که برای رسیدن به تشخیص قابل قبول سامانه مورد نیاز است، در نظر گرفتن دقت تشخیص اولیه هر مدل بر روی انبوه تصاویر ورودی و توسعه فرآیند آموزش عمیق در کلاسهای مورد نظر است.
دستههای قابل پشتیبانی در زیرسامانه هوش مصنوعی عبارتاند از:
- دسته تشخیص انسانها و جنسیتها و گروههای سنی
- دسته تشخیص چهره افراد
- دسته تشخیص اشیا
- دسته تشخیص اماکن
- دسته تشخیص فعالیتها
- دسته تشخیص حالتها
- دسته پلاکخوان
- تشخیص فعالیتهای غیراخلاقی
زیرسامانه برش تصاویر
این سامانه با قابلیت برش زدن در محدوده تصاویر اشخاص و آبجکتهای مورد نظر که توسط موتور هوش مصنوعی شناسایی شده است، این امکان را فراهم میسازد که جزئیات بیشتری در یک تصویر توسط موتور هوش مصنوعی مورد بررسی قرار گیرد.
این سامانه اطلاعات مورد نیاز جهت پردازش تصاویر در زیر سامانه Super Zoom Enhancer را فراهم میکند.
زیرسامانه Super Zoom Enhancer
این سامانه میتواند با پردازش تصاویری برش خرده که توسط سامانه برش تصاویر به دست میآید، عملیات اصلاح و افزایش کیفیت بخشهای منتخب تصویر را انجام دهد و جزئیات نامفهوم از لحاظ بصری و رنگی را شفاف و واضح نماید، با این امکان چهره افراد و تصاویر اشیا مورد نظر با دقت بیشتری آنالیز میشود .
از آنجا که استخراج جزئیات فینگر پرینت یک تصویر نیازمند تصاویر با کیفیت بالا میباشد، افزایش کیفیت توسط زیر سامانه Super Zoom Enhancer نیازمندیهای اولیه جهت پردازش تصاویر توسط سامانه فینگر پرینت را فراهم کند.
زیر سامانه واردکننده اطلاعات (Meta Data Inserter)
سامانه واردکننده اطلاعات وظیفه الصاق اتوماتیک اطلاعات به تصاویر شناسایی شده توسط سامانه هوش مصنوعی را دارد. این سامانه به گونه ای عمل میکند که هویت هر شخصیت یا هرشی به عنوان یک پروفایل اطلاعاتی قلمداد شود و تصاویر مربوط به آن، بههمراه زمان و مکان هر کدام در سابقه پروفایل آن هویت ذخیره شود، بهطوریکه بازبینها امکان جستجوی افراد و اشیا مورد نظر را بر اساس مکانها، تاریخها و فعالیتهای مورد نظر خواهند داشت.
بانک اطلاعات کلانداده (Data Ware House)
تمامی دادههای جمعآوری شامل برچسبها و اطلاعات الصاقی که توسط سامانه واردکننده اطلاعات و روشهای جمعآوری دیتا میان بانکهای اطلاعاتی دیگر و دادههای تحلیل سطح بالا که در سیستمهای خبره حاصل میشود، همگی به منظور ایجاد فرایند دیتاماینیگ و دیتا ویژوالیزیشن مورد استفاده قرار خواهد گرفت.
داشبرد اپراتورهای سازمانی
این زیرسامانه خدمات متنوع اتوماسیون مرکزی برای اپراتورهای سازمانی را فراهم میکند، در این اتوماسیون کاربران در نقشهای متعدد از قبیل بازبین، کارشناس ورود اطلاعات، کارشناس اعتبار سنجی هویت، امکان دستیابی به بخش متعددی از قبیل موتور جستجو و مانیتورینگ برخط را داشته و میتوانند از طریق ماژول تولید گزارشات اقدام به تولید گزارشات متنوع سازمانی کند.
پینوشت
[1] Track
