كيفية إضافة تحليلات الذكاء الاصطناعي إلى كاميرات المراقبة الحالية

تقريباً كل مؤسسة تتساءل عن كيفية إضافة الذكاء الاصطناعي إلى كاميرات المراقبة الخاصة بها تمتلك الإجابة التي تحتاجها في مكان ما ضمن ثلاثة خيارات، والخطأ الشائع هو البدء من البرمجيات بدلاً من البنية التحتية القائمة. الكاميرات التي تملكها (دقتها على المسافات المهمة، زواياها، سلوكها في الإضاءة المنخفضة، وحيث يمكن معالجة تدفقاتها) هي ما يحدد أي من المسارات الثلاثة متاح لك أصلاً.

يغطي هذا الدليل تدقيق الكاميرات الصادق الذي يأتي أولاً، ثم المسارات الثلاثة: شراء طبقة تحليلات توضع فوق نظام إدارة الفيديو الحالي، ترقية النظام أو الكاميرات نفسها، واستضافة نماذج الكشف ذاتياً على التدفقات التي تملكها بالفعل. يجب على معظم القراء اختيار أحد الخيارين الأولين. الخيار الثالث يعد خياراً حقيقياً لمجموعة محددة من القيود، ويوضح هذا الدليل بوضوح متى يكون مناسباً.

ابدأ بالبنية التحتية، وليس بالبرمجيات#

سيسعد بائع التحليلات بالاتصال بكاميرا لا تدعم الكشف الذي تريده. قم بالتدقيق قبل أن تقيّم.

• عدد البكسلات على الهدف، وليس الميجابكسل. قد تضع كاميرا بدقة 4K تغطي ساحة واسعة بكسلات على الشخص على مسافة أربعين متراً أقل مما تفعله كاميرا بدقة 1080p تغطي مدخلاً. كل عملية كشف لها حد أدنى لارتفاع البكسل، وهذا هو السبب الأكثر شيوعاً لفشل عملية التحديث.
• الزاوية. الكاميرات الموضوعة للأمن عادة ما تكون موجهة لرؤية الوجوه عبر مساحة واسعة. هذه الهندسة تعد الأسوأ تقريباً لعمليات العد ومنطق المناطق، حيث تتفوق الرؤية العلوية بشكل كبير على الرؤية المائلة.
• سلوك الإضاءة المنخفضة والإضاءة الخلفية. اختبر عند الغسق، وفي الليل، وفي أي ساعة تشير فيها الشمس إلى العدسة. الإضاءة بالأشعة تحت الحمراء تغير خصائص الصورة بشكل كبير، والنموذج الذي يتم تقييمه فقط على لقطات النهار سيفاجئك.
• معدل الإطارات الترميز. تفقد التدفقات منخفضة الإطارات والمضغوطة بشدة التفاصيل التي تعتمد عليها النماذج. تحقق مما يسجله المسجل فعلياً مقارنة بما يمكن أن تنتجه الكاميرا.
• الوصول إلى التدفق. هل يمكنك الحصول على تدفق RTSP ثاني لكل كاميرا دون تقليل التسجيل؟ تدعم العديد من الكاميرات تدفقاً فرعياً بدقة أقل، وهو غالباً ما يكون كافياً وأقل تكلفة بكثير للمعالجة.
• سعة الشبكة والطوبولوجيا. التحليلات المستمرة على العديد من التدفقات إما تستهلك النطاق الترددي إلى خادم مركزي أو تتطلب قوة حوسبة بالقرب من الكاميرات. هذا يحدد البنية الأساسية بشكل أكبر بكثير مما تفعل تفضيلات البرمجيات.
• عمر الكاميرا وحالة التحديثات. الكاميرات ذات بيانات الاعتماد الافتراضية على شبكة مسطحة تمثل مشكلة أمنية قبل أن تكون فرصة تحليلات.

عادة ما تكون نتيجة هذا التدقيق مقسمة: بعض الكاميرات جيدة لكشف المناطق والتواجد، وعدد أقل كافٍ للتصنيف التفصيلي، وقليل منها يحتاج إلى إعادة توجيه أو استبدال بغض النظر عن المسار.

ثلاثة مسارات#

المسار 1: طبقة تحليلات فوق نظام VMS الحالي الخاص بك#

هذه هي التوصية الافتراضية. توجد هذه المنتجات خصيصاً لإضافة قدرات الكشف إلى البنية التحتية للكاميرات دون استبدالها، وبالنسبة لحالات الاستخدام الأمني القياسي، فهي أسرع وأرخص من أي شيء قد تقوم ببنائه.

BriefCam. طبقة تحليلات محتوى فيديو الأقوى في المراجعة السريعة والبحث عبر اللقطات المسجلة، قابلة للنشر محلياً. الأنسب للبيئات كثيفة التحقيقات حيث يكون العثور على الأحداث في الفيديو التاريخي هو عبء العمل الرئيسي. المقايضة: توضع فوق نظام VMS، مما يضيف مكوناً بدلاً من استبدال مكون.

IronYun / Vaidio. طبقة تحليلات ذكاء اصطناعي مصممة لجلب الكشف إلى الكاميرات الحالية ومنصات VMS، مع كتالوج واسع من عمليات الكشف الأمنية. الأنسب للمؤسسات التي ترغب في المزيد من التحليلات دون المساس بنية التسجيل التحتية. المقايضة: بائع آخر في سلسلة التكامل للاختبار والصيانة.

Lumana. تركز على إضافة الذكاء الاصطناعي إلى البنية التحتية الحالية للكاميرات، مع الاهتمام بمسار التحديث نفسه بدلاً من افتراض تثبيت جديد تماماً. الأنسب للفرق التي متطلباتها الصريحة هي الاحتفاظ بالكاميرات الحالية. المقايضة: وافد أجدد مقارنة ببائعي VMS الراسخين.

Volt.ai. موجهة بالمثل نحو وضع طبقة من الذكاء الاصطناعي فوق البنية التحتية للمراقبة الحالية، مع توجيه التكامل كجزء مرئي من عروضها. الأنسب للمؤسسات التي تقوم بالتحديث عبر أجهزة كاميرات مختلطة. المقايضة: كما هو الحال مع أي طبقة إضافية، تظل جودة النتيجة معتمدة على الكاميرات الأساسية.

ما تحظى به من جميع الأنظمة الأربعة: عمليات الكشف القياسية (تواجد الأشخاص والمركبات، عبور الخط، اقتحام المنطقة، التسكع، الأجسام المتروكة، كثافة الحشود، البحث المعتمد على السمات عبر اللقطات المسجلة) مع الدعم وشخص مسؤول عن الدقة. ما لا تحظى به: كشف غير موجود في الكتالوج.

ملاحظة حول النطاق. تسوق العديد من هذه المنتجات للبحث عن السمات عبر اللقطات، ويختلف البائعون بشكل كبير حول ما إذا كان ذلك يعني مطابقتة سمات وصفية مثل لون الملابس أو مطابقة الهويات. هذه قدرات تختلف جوهرياً مع تعرض قانوني مختلف جوهرياً، ومن الجدير تحديد ما تشتريه وما تريده حقاً. تقييد النطاق على كشف السمات والأحداث، بدلاً من الهوية، هو محادثة امتثال أبسط وأكثر كفاية لمعظم سير العمل الأمني.

المسار 2: ترقية نظام VMS أو الكاميرات#

في بعض الأحيان تكون الإجابة الصادقة هي أن البنية التحتية، وليست التحليلات، هي القيد. إذا كانت الكاميرات قديمة، سيئة الوضع، غير قابلة للتحديث وتُسجل بمعدلات إطارات منخفضة، فإن وضع طبقة ذكاء اصطناعي فوقها يجلب خيبة الأمل فقط.

Genetec Security Center. فيديو موحد، والتحكم في الوصول، ونظام ALPR مع أدوات قوية للأمن السيبراني والخصوصية، قابل للنشر محلياً. الأنسب للمؤسسات الكبيرة وبنيات القطاع العام التي تتطلب أمناً ماديًا موحداً. المقايضة: منصة ضخمة تتطلب الخبرة المقابلة.

Milestone XProtect. نظام VMS مفتوح المنصة مع نظام بيئي واسع لتكامل الأطراف الثالثة، بحيث يمكن اختيار التحليلات بشكل مستقل عن طبقة التسجيل. الأنسب للمؤسسات التي ترغب في إبقاء هذا الخيار مفتوحاً. المقايضة: يجب أن يتحمل شخص ما مسؤولية تجميع التكامل.

Avigilon Unity. أمن فيديو محلي مع تحليلات مدمجة وتكامل وثيق بين الكاميرا والبرمجيات. الأنسب للفرق التي ترغب في حزمة متماسكة من بائع واحد. المقايضة: تكون أقوى عند اعتماد كاميراتها الخاصة.

Verkada. كاميرات مُدارة سحابياً مع تحليلات مدمجة وتأكيد قوي على سهولة النشر والإدارة. الأنسب للمؤسسات الموزعة متعددة المواقع مع تكنولوجيا معلومات محدودة في الموقع. المقايضة: بنية مدارة سحابياً، والتي تستبعدها بعض متطلبات توطين البيانات.

Rhombus. مدارة سحابياً بالمثل مع تضمين التحليلات، تستهدف طرحاً مباشراً عبر مواقع متعددة. الأنسب لمؤسسات السوق المتوسطة التي ترغب في نشر سريع. المقايضة: كما ذكر أعلاه، النموذج السحابي يمثل قيداً حيث يجب أن تبقى اللقطات محلية.

Eagle Eye Networks. إدارة فيديو سحابية مع نهج واجهة برمجة تطبيقات مفتوحة وخيارات تحليلات. الأنسب للمؤسسات التي ترغب في الإدارة السحابية مع الاحتفاظ بمرونة التكامل. المقايضة: بنية مركزها السحابة.

Axis Camera Station. إدارة فيديو محلية ومباشرة باستخدام كاميرات Axis وتحليلات على الكاميرا نفسها، مع توثيق منشأ الأجهزة بتفصيل غير معتاد. الأنسب لعمليات نشر Axis متوسطة الحجم. المقايضة: أقل ملاءمة للبنيات الكبيرة جداً متعددة المواقع مقارنة بمنصات المؤسسات.

إذا كان متطلب توطين البيانات، أو العزل الجوي، أو قيود الشراء قيد التطبيق، فهذا يضيق هذه القائمة قبل أي شيء آخر. تُغطى أطر الامتثال التي تدفع تلك القرارات بعمق أكبر في دليلنا حول تحليلات الفيديو المحلية لامتثال الأمن.

المسار 3: استضافة النماذج ذاتياً على تدفقاتك الحالية#

هذا هو المسار الأقلية، وهو المسار الصحيح تحت شروط محددة:

• عملية الكشف غير موجودة في أي كتالوج. معدات محددة، حالة خاصّة بالمرفق، حالة عملية، منتج على خط الإنتاج. لا يمكن تكوين التحليلات الأمنية العامة لتصبح فئة جديدة. - حد الاستدلال مطلق. ليس فقط التخزين. لا يجوز أن تغادر أي صورة الشبكة للتحليل، بما في ذلك طبقة السحابة الخاصة بالبائع. - أنت تشحن منتجاً. إذا كانت التحليلات ميزة لشيء تبيعه، فإن الترخيص لكل قناة لا يتناسب مع نموذج التكلفة وأنت مطور. - الترخيص لكل قناة لا يتوسع مع عدد التدفقات الخاصة بك، ولديك القدرة الهندسية لتشغيل بديل. - تحتاج إلى التحكم في دورة حياة النموذج، وإعادة التدريب على لقطاتك الخاصّة كلما تغير الموقع بدلاً من انتظار إصدارات البائع.

إذا لم يطابقك أي مما سبق، فختر المسار 1.

الهيكلية#

احتفظ بنظام VMS. التسجيل، الاحتفاظ، التحكم في الوصول، وتسجيل التدقيق مسائل محلولة وذات صلة بالامتثال. استهلك التدفقات منه؛ لا تستبدله.

اسحب تدفقات RTSP إلى خدمة الاستدلال الخاصة بك. فضّل التدفق الفرعي للكاميرا حيث تسمح الدقة بذلك. تبلغ تكلفة فك التشفير أقل بكثير، وغالباً ما يكون فك التشفير هو الاختناق الحقيقي بدلاً من الاستدلال.

قم بتشغيل الكشف والتتبع. تغطي نماذج Ultralytics YOLO (مثل YOLOv8 وYOLO11 وYOLO26) المهام ذات الصلة: الكشف عن الأشخاص والمركبات والأجسام، التتبع لتقاطع الخطوط ومنطق المناطق، تقدير الوضعية للكشف عن وضعية الجسم والسقوط، والتجزئة حيث تكون الحدود أهم من الصناديق. قم بالتصدير إلى ONNX أو TensorRT للجهاز الذي تنشر عليه.

تدرب على لقطاتك الخاصة. يتعامل النموذج العام مع الأشخاص والمركبات بشكل جيد. كاميراتك المحددة، زواياك، الطقس والإضاءة هي ما يحدد دقة الإنتاج، ولن تمثلها مجموعات البيانات العامة. يمكن لمنصة Ultralytics التعليق على لقطات الموقع باستخدام التعليق الذكي القائم على SAM والتدريب في نفس سير العمل، وهو أمر مهم عندما يكون البديل هو دمج أدوات التعليق والتدريب معاً.

اكتب الأحداث مرة أخرى في سير العمل الأمني. تنتمي عمليات الكشف إلى نظام VMS أو نظام إدارة الإنذارات الذي يشاهده المشغلون بالفعل. تصبح لوحة المعلومات المنفصلة شيئاً منفصلاً لا يفتحه أحد.

احسم أمر الترخيص قبل أن يصبح التجريبي إنتاجياً. يتم تقديم نماذج Ultralytics YOLO بموجب ترخيص AGPL-3.0، وتتطلب عمليات النشر التجارية أو الاحتكارية عموماً ترخيص Ultralytics Enterprise، والذي يغطي أيضاً النشر الخاص والدعم المتقدم. إن حل هذه المشكلة في وقت التصميم أرخص بكثير مقارنة بما بعد النشر.

تقدير حجم الحوسبة#

الاستدلال المستمر عبر العديد من التدفقات هو تمرين لتخطيط السعة، ويهيمن عاملان رئيسيان.

الأول هو معدل الإطارات. لا تتطلب معظم الأحداث الأمنية كل إطار. اضبط المعدل بناءً على أقصر حدث يجب عليك التقاطه (الشخص الذي يعبر خطاً يحتاج إلى أقل بكثير من 30 إطاراً في الثانية) وعادة ما تنخفض متطلبات السعة بشكل كبير.

الثاني هو أين يعمل الاستدلال. تتجنب الأجهزة الطرفية القريبة من الكاميرات بث الفيديو عبر الشبكة وتحافظ على اللقطات محلية، وهو غالباً الهدف المقصود. خادم وحدة معالجة رسومية مركزي أسهل في التشغيل والإدارة ولكنه يركز طلب النطاق الترددي. تفعل العقارات المختلطة كليْهما شائعة: استدلال طرفي في المواقع النائية، ومعالجة مركزية حيث تكون الشبكة جيدة.

قيم الأداء على التدفقات والأجهزة الخاصة بك. أرقام إنتاجية النموذج المقاسة على مجموعات البيانات المنسقة لا تتنبأ بما يحققه مسار فك التشفير مضافاً إليه الاستدلال على كاميراتك.

يتم حل الإنذارات الكاذبة فوق النموذج، وليس داخله#

الفشل الأكثر شيوعاً للنظام المبني ذاتياً ليس سوء دقة الكشف. بل هو حجم التنبيهات الذي يتوقف المشغلون عن الاستجابة له في غضون أسبوعين.

عمليات الكشف ليست أحداثاً. الطبقة التي تحول الصناديق إلى تنبيهات هي المكان الذي يتم فيه التحكم في معدل الإنذارات الكاذبة فعلياً:

• الاستمرارية. تطلب إنشاء مسار عبر عدة إطارات قبل احتسابه. عمليات الكشف ذات الإطار الواحد تعتبر ضوضاء.
• هندسة المنطقة بمصطلحات العالم الحقيقي. المضلع المرسوم على صورة ثنائية الأبعاد ليس منطقة على الأرض. بدون معايرة المنظور، يمكن أن يظهر شخص خارج منطقة الخطر تماماً وكأنه داخلها.
• منع الارتداد (Debouncing). يجب ألا يولد شخص واحد يتسكع عند عتبة أحداث عبور متكررة.
• الجداول الزمنية والاستثناءات. الرافعة الشوكية في ممر الساعة 2 ظهراً أمر طبيعي ولكن في الساعة 2 صباحاً ليس كذلك. ترميز ذلك يزيل جزءاً كبيراً من التنبيهات.
• مستويات التصعيد. لا يستحق كل كشف إنذاراً. التنبيه المباشر، ملخص المناوبة، واتجاه الأسبوع هي ثلاثة مخرجات مختلفة بثلاثة متطلبات دقة مختلفة.

توقع أن تكون هذه الطبقة عبارة عن تعليمات برمجية أكثر من دمج النموذج، وقس النظام بناءً على الإنذارات الكاذبة لكل مناوبة بدلاً من دقة الكشف مقابل مجموعة اختبار. الإنذارات الكاذبة لكل مناوبة تحدد ما إذا كان النظام لا يزال قيد التشغيل بعد ثلاثة أشهر.

الخصوصية والنطاق#

تعديل التحليلات على الكاميرات الحالية يغير ما تفعله تلك الكاميرات، وهذا يثير عادة التزامات لم يكن التثبيت الأصلي يتطلبها.

• تحديد الغرض. الكاميرات المثبتة للأمن يجب ألا تصبح سراً مراقبة للإنتاجية أو السلوك. في بيئات العمل، هذه قضية قانونية وقضية ثقة معاً.
• أعد التقييم، لا ترث. إضافة التحليلات الآلية إلى اللقطات الحالية تتطلب عموماً تقييماً جديداً لحماية البيانات، وفي جزء كبير من الاتحاد الأوروبي، استشارة مجالس العمل.
• استبعاد مطابقة الهوية. كشف الأشخاص والمركبات، عبور الخط، اقتحام المنطقة، التسكع، كثافة الحشود، والأجسام المتروكة كلها تعمل على عمليات كشف مجهولة الهوية. لا توفر Ultralytics نماذجها للتعرف على الوجه، وتحمل مطابقة الهوية تعرضاً قانونياً أكبر بكثير دون تحسين أي من عمليات الكشف هذه.
• تقليل ما تحتفظ به. حيث تجيب الأحداث والعدادات على السؤال، احتفظ بالأحداث والعدادات.
• سجل المشاهدة والتصدير، وليس فقط تغييرات التكوين.
• تجزئة شبكة الكاميرات. التحديث هو فرصة جيدة لإصلاح الشبكات المسطحة وبيانات الاعتماد الافتراضية.