ورود هوش مصنوعی به نظارت تصویری

نظارت تصویری یکی از اعمالی است که در آن سیستم های مجهز به هوش مصنوعی دارای عملکرد بهتری نسبت به انسان هستند. نظارت تصویری بازار بسیار گسترده ای است اما باید این موارد را در نظر داشت که با وجود این رشد عظیم و توانایی در ذخیره سازی اطلاعات، آنالیز تصویر به همان میزان رشد و پیشرفت نکرده ‌است. طبق گزارش IHS فقط در سال 2017 تعداد 127 میلیون دوربین نظارت تصویری برای فروش عرضه خواهد شد. علاوه براین، تخمین زده می ‌شود که300 میلیون دوربین پیش از این به کار گرفته شده و حدوداً روزانه 2.5 میلیارد Exabyte اطلاعات تولید می ‌شود.

یکی از مشکلات کاربران نظارت تصویری، خستگی ناشی از تمرکز مستقیم است. وظیفه هوش مصنوعی طراحی یک سیستم نظارت تصویری است که هیچگاه دچار عدم تمرکز نشود و به همکاری با انسان بپردازد تا خطای انسانی را از بین ببرد.
چالش اصلی آن است که در حقيقت کامپیوترها مانند مغز انسان عمل نمی‌ كنند. کامپیوترها، سیستم های تمام دیجیتال هستند، اما مغز دارای ویژگی‌ های آنالوگ و دیجیتال است و لذا مدل‌ سازی فرآیند مغز بسیار پیچیده تر است. محاسبات نورومورفیک، علمی ‌است که تلاش می ‌کند تعدادی از ویژگی های مغز انسان را در سیستم های کامپیوتری پیاده سازی کند تا در بعضی از موارد بتوانند عملکرد بهتری داشته باشند. در نظارت تصویری، هوش مصنوعی که معادل ویژگی واکنش پذیری مغز در انسان است، بیشترین کاربرد را خواهد داشت. علاوه بر این سیستم های هوش مصنوعی که به کامپیوتر متصل مي باشند به مزيت حافظه ذخیره قابل اتکا مجهزهستند؛ این همان چیزی است که مغز در دست یافتن به آن ناتوان است.

تا سال 2012 کامپیوترها نمي ‌توانستند انواع گوناگون تصاویر را از یکدیگر تشخیص دهند اما Alex Krishevsky الگوریتمي را طراحی کرد که نشان داد شناخت اشیا و دسته بندی آنها از طریق شبیه سازی و آموزش یک شبکه از اجزای محاسباتی امکان پذیر است. مبنای اجزای محاسباتی Krishevsky، شبکه عصبی کانولوشن است (CNN). این شبکه های عصبی افزونه ای قدرتمند در مجموعه ابزار کامپیوتری محسوب می ‌شوند اما با دو محدودیت اساسی در نظارت تصویری درگیر هستند.

اولین محدودیت در این زمینه مربوط به رویه ی یادگیری در شبکه عصبی است که مستلزم محاسبات عددی بسیار پیچیده صحیح و غلط است. در سیستم های محاسباتی ابری روزها و حتی هفته ها زمان نیاز است تا یک فرآیند یادگیری به پایان برسد. مسئله دوم نیاز به دسترسی به دسته انبوهی از داده ها برای تکمیل رویه آموزشی CNN ها است. این بدان معناست که رویه آموزش نیازمند گردآوری حجم بالایی از تصاویر است که هر شیءدارای یک نام برای معرفی خود می‌ باشد. با این روش تابع خطا در پایان هر پاس شبکه عصبی می ‌تواند محاسبه شود. میلیون ها چرخه آموزش و میلیون ها تصویر با برچسب برای بازشناسی مورد نیاز است تا تابع عملکرد سیستم تمام اشیای مورد نظر را بازشناسایی کند.

از دیگر محدودیت های این فناوری بروز خطا درصورت وجود نویز در تصویر حتی به مقدار کم است. دسته بندی اشتباه، محدودیت بعدی در این سیستم است. این مشکل، زمانی رخ می‌ دهد که سیستم به هر دلیلی سردرگم شود.پارامترهای شبکه ای CNN ها نیازمند تنظیمات بسیار دقیق هستند.
شبکه های SNN، به‌ دنبال دیگر جنبه های روش کارکرد مغز هستند. مغز انسان جرقه های کوچک انرژی به‌ نام اسپایک تولید می ‌کند.
پدیده وقوع اسپایک های مغزی در فواصل زمانی معین نسبت به یکدیگر رخ می‌ دهند. میلیاردها اسپایک درون نورون های انسان در یک زمان جاری می شوند. مغز انسان محرک های بصری، شامل رنگ ها و اجزای یک تصویر را به سلسله های پالس از اسپایک تبدیل می ‌کند که توسط نورون ها پردازش می‌شوند. سیناپس ها نورون ها را به یک دیگر متصل می‌ كنند. هر نورون تمام مقادیری که وارد سیناپس ورودی می ‌شود را دریافت می‌ کند واگر بیش از حد بحرانی باشد، پالس اسپایک خود را ارسال خواهد کرد.بازخورد، تعیین می‌ کند که کدام یک از اسپایک ها رویداد خروجی دخیل در این جریان بوده اند و اثر اهمیت سیگنال های مربوط به آن سیناپس ها را برجسته تر نموده و به موازات آن اثر اهمیت سیگنال های متعلق به سیناپس های دیگر را کاهش می ‌دهد. بدین ترتیب، نورون به یک الگوی خاص از اسپایک ها در پیام ورودی، حساس شده و پاسخ می ‌دهد. این مفهوم در‌ تضاد کامل با CNNها است که برپایه توابع پیچیده ریاضی عمل می ‌کنند.
سؤالی که در اینجا مطرح می ‌شود آن است که کاربرد این مفاهیم دردسته بندی تصاویر چیست؟ امروزه فناوری SNN می ‌تواند الگوها و افرادی را در تصاویر ویدئویی شناسایی کند. در سیستم مبتنی بر SNN اندازه تصویر می ‌تواند در 24*24 پیکسل و کیفیت عکس لازم نیست HD باشد.این فناوری، تنها نیاز به پردازش معمولی دارد، یک کامپیوتر رومیزی با توان 86 برابر و یا یک سرور که میزان کمی ‌انرژی مصرف میكند میتواند این پردازش راانجام دهد.
فناوری SNN یک مجموعه داده حاوی تصاویر اینترنتی که توسط Caltechجمع آوری شده بود را دریافت ‌کرد. سیستم توانست یک فرد مشخص شده را از میان چهره‌ هایی که در کادر حضور داشتند در میان آن مجموعه داده ها شامل 450 صورت بدون خطا شناسایی کند. دقت شناسایی حتی با افزایش نویز تصویر تا میزان 68 درصد، کاهش میزان گاما تا 52 درصد و یا افزایش نویز و پیکسل شدن تصویر، تغییری نکرد.

اعمالی که برای ماشین ها تا چندسال پیش غیر‌ممکن به نظر می‌ رسيد امروزه اموری بسیار عادی تلقی می ‌شوند. شبکه‌های CNN گامی ‌بزرگ در حرکت رو به جلو به شمار می ‌روند اما SNNها بیشترین پتانسیل را در ایجاد ظرفیت های جدید در بخش نظارت تصویری دارند.
<<مقاله منتشر شده در این سایت از كانال نمايشگاه سيستم هاي ايمني، حفاظتي،مقالات و اخبار صنعت سيستم هاي ايمني و حفاظتي می باشد>>