در فرودگاه ها تقاضای بسیار بالایی برای آنالیتیک های ویدئویی وجود دارد. با حضور تعداد بالایی از دوربین ها برای بازبینی، داشتن سیستم های نظارت ویدئویی برای موفقیت یک برنامه ی امنیتی، حیاتی و ضروری است؛ سیستم هایی که با آنالیتیک های ویدئویی پیشرفته در جهت تشخیص پیشگیرانه ی تهدیدات بالقوه کار میکنند. علاوه بر این، این تکنولوژی ها میتوانند به اپراتورها کمک کنند تا در هر زمانی که بخواهند به شناسایی و تشخیص ضروری ترین اطلاعات بپردازند.
این آنالیتیک های پیشرفته که با الگوریتم های پیچیده و کامپیوتر-محور تغذیه میشوند، با استفاده از شبکه های نورونی و قابلیت یادگیری عمیق، به تقلید از توانایی تشخیص انسانی میپردازند و به این تکنولوژی اجازه میدهند تا خودش را با شرایط جدید تطبیق بدهد و از آنها یاد بگیرد. این نوآوری ها درب های جدیدی را به سوی فرودگاه ها باز میکنند، چرا که با کمک آنها، به جای تکیه بر سناریوهای یک-به-یک، دقت و مقیاس پذیری لازم برای پشتیبانی از تشخیص پیشرفته در فضاهای واقعی که دارای ترافیک سنگین و جمعیت متنوعی از افراد هستند ارائه میشود.
فرودگاه ها فضاهایی دشوار هستند که آنالیتیک های قدیمی قادر به ارائه ی عملکرد خوب در آنها نیستند. با این حال، امروزه با آمدن آنالیتیک هایی که با قابلیت یادگیری ماشین کار میکنند، همه چیز در حال تغییر است.
آنالیتیک هایی که طبق تکنولوژی یادگیری ماشین کار میکنند، به مرور زمان میتوانند یاد بگیرند که چه چیزی در یک صحنه «عادی» است و به هنگام رصد هر چیز غیرعادی شروع به اعلام هشدار میکنند؛ همچون زمانی که افراد در جهت اشتباه حرکت میکنند یا زمانی که یک سری کیف برای مدتی همانطور به حال خود رها شده باشند و غیره. این امر باعث میشود که آنالیتیک ها به مراتب ارزشمندتر از قبل شوند. این آنالیتیک ها حتی شاید بتوانند به تشخیص رفتارها/ناهنجاری ها در صحنه هایی بپردازند که پیشتر شناسایی نشده بودند؛ این امر به نوبه ی خود برای امنیت فرودگاه ها و یا حتی برای کارایی عملیاتی آنها مفید است.
آنالیتیک های ویدئویی را میتوان طوری پیکربندی نمود که تغییرات در سرعت (دویدن)، شکل (خم شدن) یا ضریب نسبت (افتادن) شناسایی شوند و تمام این موارد میتوانند برای فرودگاه ها بسیار سودمند باشند.
با اضافه شدن قابلیت های یادگیری ماشین، دوربین های تحت شبکه را حال میتوان طوری آموزش داد که اشیاء و شرایطی را که از اهمیت بالایی برای مشتریان فرودگاه برخوردار هستند، تشخیص بدهند. این امر بسیار حائزاهمیت است، چرا که با توجه به بازار امروز وقتی صحبت از محافظت از افراد و اموال یا ارائه داده هایی برای هوشمندی بیزینسی میشود، هیچ «محصول تکی که مناسب تمام این کاربری ها باشد» وجود ندارد. حال دوربین های ویدئویی را میتوان طوری آموزش داد که به جای فعالسازی صرفا به خاصر رصد حرکت، اشیاء ثابت یا برخی از شرایط خاص را تشخیص بدهند و شناسایی کنند. با این کار، فراداده های ویدئویی بیشتر تقویت میشوند و به هنگام حضور اشیاء، داده ارائه میکنند و به محض برداشته شدن آنها، داده های آگاه کننده ی بیشتری را فراهم میسازند.
1. تشخیص چهره دقیقتر
پیشرفت های صورت گرفته در تکنولوژی های یادگیری ماشین و هوش مصنوعی (AI﴾ در حال فعالسازی آنالیتیک هایی چون تشخیص چهره هستند تا در کاربری های امنیتی به شدت دقیق و مهمی چون فضای فرودگاه ها کارایی داشته باشند.
کاملا واضح است که برای فرودگاه ها دقت بیشتر در تشخیص چهره بسیار سودمند است، چرا که در فرودگاه ها، تشخیص درست مسافرین، کارکنان و غیره از اهمیت بسیار بالایی برخوردار است. برخی از فرودگاه ها/خطوط هوایی برای تشخیص سوار شدن مسافرین به پروازها تا به الآن شروع به استفاده از سیستم های تشخیص چهره نموده اند، این در حالی است که سایر فرودگاه-ها/خطوط هوایی از آن به عنوان یک سیستم بیومتریک برای دسترسی به مناطق ممنوعه ی فرودگاه استفاده میکنند.
همچنین سیستم های تشخیص چهره در حال استفاده شدن به عنوان فرم دیگری از احراز هویت هستند که در کنترل مرزها، دسترسی های امنیتی و دسترسی به پاسپورت افراد، پیگیری لیست سیاه و سفید افراد، تخلیه فوری مکان های فشرده و پرازدحام و تطابق به صورت همزمان با وقوع رخداد بکار گرفته میشوند.
آنالیتیک های ویدئویی اِج-محور به تمامی دوربین های نظارت ویدئویی تحت شبکه اجازه میدهند که هوشمند شده و چیزی که انالیتیک ها می بینند را متوجه شوند. در یک فضای فرودگاهی، این امر به اپراتورها، کارکنان امنیتی و سایر کاربران اجازه میدهد تا نسبت به تهدیدات بالقوه یا شرایط در همان لحظه ی وقوع آگاه شوند.
ارتقاء تکنولوژی های بکار گرفته شده در دوربین ها و پیشرفت آنالیتیک ها باعث شده است که آنالیتیک های اجِ-محور به گزینه ای ارزشمندتر تبدیل شوند. به عنوان مثال، در فرودگاه ها، آنالیتیک های اِج-محور میتوانند موارد زیر را تشخیص داده و شناسایی کنند:
- جریان مخالف افراد را روی پله های برقی؛
- تشکیل یک گروه در مکان های غیرعادی؛
- یا حضور فرد یا خودرویی در نزدیکی حصار پیرامونی فرودگاه.
آنالیتیک های ویدئویی تعبیه شده در داخل خود سیستم ها به کاربران اجازه میدهند تا تصاویر ویدئویی درست را فورا از میان ساعت ها ویدئوی ذخیره شده بیرون بکشند، با ارائه ی انواع آمارها (فراداده ها) صحنه ها را تجزیه و تحلیل کنند و اقدامات مناسب را هر چه سریعتر، آسانتر و به مراتب کارآمدتر صورت دهند.
با استفاده از آنالیتیک های ویدئویی تعبیه شده در داخل خود سیستم ها، این امکان وجود دارد که برای پخش آلارم یک سری قوانین خاص تعریف کرد؛ به عنوان مثال هنگامی که یک فرد به یک حصار نزدیک میشود یا اینکه از آن بالا میرود، هنگامی که یک فرد در محوطه ی پارکینگ پرسه میزند، یا هنگامی که یک شیء همچون یک جعبه که مسیر خروج اضطراری را بسته است در یک منطقه ی بخصوص جا مانده باشد. درست زمانی که یکی از این قوانین زیرپا گذاشته شوند، اپراتورهای حاضر در اتاق کنترل نسبت به این موضوع اطلاع پیدا کرده و اخطار دریافت میکنند.
این موضوع با آنچه که امروز میتوان شناسایی کرد، متفاوت است. هنگامی که داده های به دست آمده از چندین دوربین مختلف جمع آوری میشوند، آمارهایی چون استانداردهای اندازه گیری، تراکم ازدحام و اطلاعات دیگر را میتوان برای آگاه سازی مسافرین نسبت به زمان های انتظار یا سایر اطلاعات مرتبطی که فراتر از موضوع امنیت هستند، استفاده نمود.
منبع: مجله a&s