كيفية إضافة تحليلات الذكاء الاصطناعي إلى كاميرات الأمان الحالية

تملك كل مؤسسة تقريبًا تتساءل عن كيفية إضافة الذكاء الاصطناعي إلى كاميراتها الأمنية الإجابة التي تحتاج إليها بالفعل ضمن ثلاثة خيارات، والخطأ هو البدء بالبرنامج بدلًا من منظومة الكاميرات. فالكاميرات التي تملكها (دقتها عند المسافات المهمة، وزواياها، وأداؤها في الإضاءة المنخفضة، ومكان معالجة تدفقاتها) هي ما يحدد أيًّا من المسارات الثلاثة متاح لك أصلًا.

يتناول هذا الدليل تدقيق الكاميرات الفعلي الذي ينبغي إجراؤه أولًا، ثم المسارات الثلاثة: شراء طبقة تحليلات تعمل فوق نظام إدارة الفيديو الحالي، أو ترقية نظام إدارة الفيديو أو الكاميرات نفسها، أو استضافة نماذج الكشف ذاتيًا على التدفقات المتاحة لديك. ينبغي لمعظم القراء اختيار أحد المسارين الأولين. أما المسار الثالث فهو خيار حقيقي لمجموعة محددة من القيود، ويوضح هذا الدليل صراحةً الحالات التي يناسبها.

ابدأ بمنظومة الكاميرات، لا بالبرنامج#

سيكون مورد التحليلات مستعدًا بكل سرور للاتصال بكاميرا لا تستطيع دعم الكشف الذي تريده. أجرِ التدقيق قبل التقييم.

• عدد البكسلات على الهدف، لا عدد الميغابكسل. قد توفّر كاميرا بدقة 4K تغطي ساحة واسعة بكسلات أقل على شخص يبعد أربعين مترًا مما توفّره كاميرا بدقة 1080p تغطي مدخلًا. لكل عملية كشف حد أدنى لارتفاع الهدف بالبكسل، وهذا هو السبب الأكثر شيوعًا لخيبة الأمل عند تحديث نظام قائم.
• الزاوية. تُضبط زوايا كاميرات الأمن عادةً لرؤية الوجوه عبر مساحة واسعة. وهذه هندسة تصوير قريبة من الأسوأ لعدّ الأفراد ومنطق المناطق، إذ تتفوق المشاهد العلوية عليها بفارق كبير.
• الأداء في الإضاءة المنخفضة والإضاءة الخلفية. اختبر الكاميرات عند الغسق، وليلًا، وفي أي وقت تسطع فيه الشمس باتجاه العدسة. تؤثر إضاءة الأشعة تحت الحمراء تأثيرًا كبيرًا في خصائص الصورة، وسيفاجئك نموذج جرى تقييمه على لقطات النهار فقط.
• معدل الإطارات والترميز. تفقد التدفقات ذات معدل الإطارات المنخفض والضغط الشديد التفاصيل التي تعتمد عليها النماذج. تحقّق مما يسجله جهاز التسجيل فعليًا مقارنةً بما تستطيع الكاميرا إنتاجه.
• الوصول إلى التدفقات. هل يمكنك الحصول على تدفق RTSP ثانٍ لكل كاميرا من دون التأثير سلبًا في التسجيل؟ تدعم كاميرات كثيرة تدفقًا فرعيًا بدقة أقل، وغالبًا ما يكون ذلك كافيًا وأقل تكلفة بكثير في المعالجة.
• سعة الشبكة وطوبولوجيتها. يستهلك تشغيل التحليلات المستمرة على تدفقات كثيرة إما عرض النطاق الترددي لإرسالها إلى خادم مركزي أو موارد الحوسبة اللازمة قرب الكاميرات. وهذا ما يحدد البنية في أحيان أكثر من تفضيل برنامج على آخر.
• عمر الكاميرات وحالة تحديثاتها الأمنية. تشكّل الكاميرات ذات بيانات الاعتماد الافتراضية على شبكة مسطحة مشكلة أمنية قبل أن تكون فرصة للتحليلات.

غالبًا ما يكشف هذا التدقيق عن تقسيم واضح: بعض الكاميرات مناسبة للكشف عن المناطق والوجود، وعدد أقل منها مناسب للتصنيف التفصيلي، وقليل منها يحتاج إلى إعادة التموضع أو الاستبدال بصرف النظر عن المسار المختار.

ثلاثة مسارات#

المسار 1: طبقة تحليلات فوق نظام إدارة الفيديو الحالي#

هذا هو الخيار الافتراضي الموصى به. صُممت هذه المنتجات خصيصًا لإضافة إمكانات الكشف إلى منظومات الكاميرات القائمة من دون استبدالها، وهي أسرع وأقل تكلفة من أي شيء ستبنيه بنفسك لحالات الاستخدام الأمنية القياسية.

BriefCam. طبقة لتحليلات محتوى الفيديو تتفوق في المراجعة السريعة والبحث في اللقطات المسجلة، ويمكن نشرها داخل الموقع. وهي الأنسب للبيئات التي تتركز فيها الأعمال على التحقيق والعثور على أحداث في تسجيلات الفيديو السابقة. والمقابل هو أنها تعمل فوق نظام إدارة الفيديو، فتضيف مكوّنًا بدلًا من استبداله.

IronYun / Vaidio. طبقة لتحليلات الذكاء الاصطناعي صُممت لإضافة الكشف إلى الكاميرات والمنصات الحالية لإدارة الفيديو، مع فهرس واسع لعمليات الكشف الأمنية. وهي الأنسب للمؤسسات التي تريد مزيدًا من التحليلات من دون المساس ببنية التسجيل. والمقابل هو إضافة مورد آخر إلى سلسلة التكامل، يتعين اختباره وصيانته.

Lumana. تركّز على إضافة الذكاء الاصطناعي إلى منظومات الكاميرات الحالية، مع الاهتمام بمسار تحديث الأنظمة القائمة نفسه بدلًا من افتراض تركيب نظام جديد بالكامل. وهي الأنسب للفرق التي تشترط صراحةً الإبقاء على الكاميرات الحالية. والمقابل هو أنها وافد أحدث مقارنةً بموردي أنظمة إدارة الفيديو الراسخين.

Volt.ai. تتجه هي الأخرى إلى إضافة طبقة ذكاء اصطناعي فوق البنية التحتية للمراقبة الحالية، وتُبرز إرشادات التكامل ضمن ما تقدمه. وهي الأنسب للمؤسسات التي تحدّث أنظمة تضم أنواعًا مختلفة من الكاميرات. والمقابل هو أن جودة النتائج، كما هو الحال مع أي طبقة إضافية، تظل رهينة جودة الكاميرات الأساسية.

ما تحصل عليه من المنتجات الأربعة: عمليات الكشف القياسية (رصد وجود الأشخاص والمركبات، تجاوز الخط، والتسلل إلى المناطق، والتسكع، وترك الأغراض، وكثافة الحشود، والبحث القائم على السمات في اللقطات المسجلة)، إلى جانب الدعم ووجود جهة مسؤولة عن الدقة. وما لا تحصل عليه: عملية كشف غير موجودة في الفهرس.

ملاحظة واحدة لتحديد النطاق. تسوّق عدة منتجات إمكانية البحث عن السمات في اللقطات، لكن الموردين يختلفون كثيرًا في ما إذا كان ذلك يعني مطابقة السمات الوصفية مثل لون الملابس أم مطابقة الهويات. وهاتان قدرتان مختلفتان جوهريًا، وتختلف مخاطرهما القانونية اختلافًا كبيرًا؛ لذا يجدر التحقق مما تشتريه فعلًا وما تريده. إن حصر النطاق في كشف السمات والأحداث بدلًا من الهوية يجعل نقاش الامتثال أبسط، ويكفي لمعظم سير العمل الأمني.

المسار 2: ترقية نظام إدارة الفيديو أو الكاميرات#

أحيانًا تكون الإجابة الصريحة هي أن منظومة الكاميرات، لا التحليلات، هي موضع القيد. فإذا كانت الكاميرات قديمة، وموضوعة على نحو سيئ، ويتعذر تحديثها، وتسجل بمعدلات إطارات منخفضة، فإن إضافة طبقة ذكاء اصطناعي فوقها لن تؤدي إلا إلى خيبة الأمل.

Genetec Security Center. منصة موحدة للفيديو والتحكم في الدخول وALPR، مع أدوات قوية للأمن السيبراني والخصوصية، ويمكن نشرها داخل الموقع. وهي الأنسب لمنظومات المؤسسات الكبيرة والقطاع العام التي تحتاج إلى أمن مادي موحّد. والمقابل هو منصة كبيرة تتطلب خبرة مناسبة.

Milestone XProtect. نظام مفتوح المنصة لإدارة الفيديو، يضم منظومة واسعة لتكاملات الجهات الخارجية؛ لذا يمكن اختيار التحليلات بصورة مستقلة عن طبقة التسجيل. وهو الأنسب للمؤسسات التي تريد إبقاء هذا الخيار مفتوحًا. والمقابل هو ضرورة وجود جهة تتولى تجميع التكاملات.

Avigilon Unity. نظام أمني للفيديو يُشغّل داخل الموقع، مزود بتحليلات مدمجة وتكامل وثيق بين الكاميرا والبرنامج. وهو الأنسب للفرق التي تريد حزمة متناسقة من مورد واحد. والمقابل هو أن أداءه يكون أفضل عند اعتماد كاميراته الخاصة.

Verkada. كاميرات تُدار سحابيًا مع تحليلات مدمجة وتركيز كبير على سهولة النشر والإدارة. وهي الأنسب للمؤسسات الموزعة على مواقع متعددة والتي تملك موارد محدودة لتقنية المعلومات في الموقع. والمقابل هو البنية المُدارة سحابيًا التي تستبعدها بعض متطلبات إقامة البيانات.

Rhombus. نظام يُدار سحابيًا بالمثل، مع تحليلات مضمنة، وموجّه إلى النشر المباشر في مواقع متعددة. وهو الأنسب للمؤسسات متوسطة الحجم التي تريد نشرًا سريعًا. والمقابل هو نفسه: يشكّل النموذج السحابي قيدًا عندما يجب أن تبقى اللقطات محليًا.

Eagle Eye Networks. إدارة فيديو سحابية تعتمد نهجًا مفتوحًا لواجهة API وتوفر خيارات للتحليلات. وهي الأنسب للمؤسسات التي تريد الإدارة السحابية مع الاحتفاظ بمرونة التكامل. والمقابل هو البنية المتمحورة حول السحابة.

Axis Camera Station. نظام مباشر لإدارة الفيديو داخل الموقع باستخدام كاميرات Axis وتحليلات تعمل على الكاميرا، مع وثائق تفصيلية على نحو استثنائي حول مصدر المكونات المادية. وهو الأنسب لعمليات النشر متوسطة الحجم لكاميرات Axis. والمقابل هو أنه أقل ملاءمةً للمنظومات الكبيرة جدًا المنتشرة على مواقع متعددة مقارنةً بمنصات المؤسسات.

إذا كان هناك شرط متعلق بإقامة البيانات، أو العزل عن الشبكات، أو قيود المشتريات، فسيؤدي ذلك إلى تضييق هذه القائمة قبل أي عامل آخر. وتتناول إرشاداتنا حول تحليلات الفيديو الأمنية داخل الموقع لأغراض الامتثال أطر الامتثال التي تقود هذه القرارات بمزيد من التفصيل.

المسار 3: استضافة النماذج ذاتيًا على تدفقاتك الحالية#

هذا المسار هو الأقل شيوعًا، وهو الخيار المناسب في ظروف محددة:

• عملية الكشف غير موجودة في أي فهرس. كاشف محدد من المعدات، أو حالة خاصة بمنشأة، أو حالة سير عملية، أو منتج على خط إنتاج. لا يمكن تهيئة التحليلات الأمنية العامة للكشف عن فئة جديدة. - حدود الاستدلال مطلقة. لا يتعلق الأمر بالتخزين فحسب؛ إذ لا يجوز إخراج أي صورة من الشبكة لتحليلها، بما في ذلك إرسالها إلى طبقة سحابية لدى مورد. - أنت تطرح منتجًا. إذا كانت التحليلات ميزةً في منتج تبيعه، فلن يناسبك الترخيص لكل قناة من حيث نموذج التكلفة، وستكون أنت من يبنيه. - لا يتوسع الترخيص لكل قناة بما يتناسب مع عدد تدفقاتك، ولديك القدرة الهندسية على تشغيل بديل. - تحتاج إلى التحكم في دورة حياة النموذج، وإعادة تدريبه على لقطاتك الخاصة مع تغير الموقع بدلًا من انتظار إصدارات المورد.

إذا لم ينطبق عليك أي من ذلك، فاختر المسار 1.

البنية#

أبقِ على نظام إدارة الفيديو. فقد حُسمت بالفعل مسائل التسجيل والاحتفاظ بالبيانات والتحكم في الوصول وتسجيل التدقيق، وهي ذات صلة بالامتثال. استهلك التدفقات منه؛ ولا تستبدله.

اسحب تدفقات RTSP إلى خدمة الاستدلال الخاصة بك. فضّل التدفق الفرعي للكاميرا متى كانت دقته كافية. فتفكيك الترميز أقل تكلفة بكثير، وغالبًا ما يكون عنق الزجاجة الحقيقي هو تفكيك الترميز لا الاستدلال.

شغّل الكشف والتتبّع. تغطي نماذج Ultralytics YOLO (YOLOv8 وYOLO11 وYOLO26) المهام ذات الصلة: الكشف عن الأشخاص والمركبات والأغراض، والتتبّع لتجاوز الخط ومنطق المناطق، وتقدير الوضعية لتحديد وضعية الجسم والسقوط، والتجزئة عندما تكون الحدود أهم من المربعات. صدّر النماذج إلى ONNX أو TensorRT بما يناسب العتاد الذي تنشر عليه.

درّب النماذج على لقطاتك الخاصة. يتعامل النموذج العام جيدًا مع الأشخاص والمركبات. لكن كاميراتك وزواياها وطقس موقعك وإضاءته هي ما يحدد دقة التشغيل الفعلية، ولن تمثلها مجموعات البيانات العامة. تتيح Ultralytics Platform إضافة وسوم إلى لقطات الموقع باستخدام Smart Annotation المستندة إلى SAM، والتدريب ضمن سير العمل نفسه؛ وهذا مهم عندما يكون البديل هو توصيل أدوات الوسم والتدريب بعضها ببعض.

أعد الأحداث إلى سير العمل الأمني. يجب أن تصل عمليات الكشف إلى نظام إدارة الفيديو أو نظام إدارة الإنذارات الذي يراقبه المشغّلون بالفعل. أما لوحة المعلومات المنفصلة فتصبح أداة منفصلة لا يفتحها أحد.

حسم الترخيص قبل انتقال المشروع التجريبي إلى الإنتاج. تُطرح نماذج Ultralytics YOLO بموجب AGPL-3.0، وتتطلب عمليات النشر التجارية أو الاحتكارية عمومًا ترخيص Ultralytics Enterprise، الذي يغطي أيضًا النشر الخاص والدعم المتقدم. إن حسم هذه المسألة في مرحلة التصميم أقل تكلفة بكثير من حسمها بعد بدء التنفيذ.

تحديد موارد الحوسبة#

يتطلب الاستدلال المستمر عبر تدفقات كثيرة تخطيطًا للسعة، ويتحكم عاملان رئيسيان في ذلك.

العامل الأول هو معدل الإطارات. لا تتطلب معظم الأحداث الأمنية معالجة كل إطار. حدّد المعدل استنادًا إلى أقصر حدث يجب اكتشافه (فعبور شخص لخط لا يتطلب 30fps بكثير)، وستنخفض متطلبات السعة عادةً بدرجة كبيرة.

العامل الثاني هو مكان تشغيل الاستدلال. تتجنب الأجهزة الطرفية القريبة من الكاميرات نقل الفيديو عبر الشبكة، وتُبقي اللقطات محليًا، وهو غالبًا الهدف الأساسي. أما خادم GPU مركزي فهو أبسط في التشغيل والإدارة، لكنه يركز الطلب على عرض النطاق الترددي. وغالبًا ما تجمع المنظومات المختلطة بين الخيارين: الاستدلال الطرفي في المواقع البعيدة، والمعالجة المركزية حيث تكون الشبكة جيدة.

أجرِ اختبارات الأداء باستخدام تدفقاتك وعتادك. فأرقام إنتاجية النماذج المقيسة على مجموعات بيانات منتقاة لا تتنبأ بما يحققه مسار يجمع بين تفكيك الترميز والاستدلال على كاميراتك.

تُعالج الإنذارات الكاذبة فوق النموذج، لا داخله#

أكثر أسباب فشل النظام المبني ذاتيًا شيوعًا ليس ضعف دقة الكشف، بل كثرة التنبيهات إلى حد أن المشغّلين يتوقفون عن الاستجابة لها خلال أسبوعين.

عمليات الكشف ليست أحداثًا. فالطبقة التي تحوّل المربعات إلى تنبيهات هي التي تضبط فعليًا معدل الإنذارات الكاذبة:

• الاستمرارية. اشترط ثبوت المسار عبر عدة إطارات قبل احتسابه. فعمليات الكشف في إطار واحد مجرد ضجيج.
• هندسة المناطق بما يراعي الواقع. المضلع المرسوم على صورة ثنائية الأبعاد لا يمثل مساحةً على الأرض. ومن دون معايرة المنظور، قد يبدو شخص بعيد عن منطقة الخطر كما لو كان داخلها.
• منع التكرار. ينبغي ألا يؤدي تسكع شخص واحد عند عتبة إلى توليد أحداث تجاوز متكررة.
• الجداول والاستثناءات. وجود رافعة شوكية في ممر الساعة الثانية ظهرًا أمر طبيعي، أما وجودها الساعة الثانية صباحًا فليس كذلك. ويساعد ترميز ذلك على إزالة نسبة كبيرة من التنبيهات.
• مستويات التصعيد. لا تستدعي كل عملية كشف إنذارًا. فالتنبيه المباشر، وملخص الوردية، والاتجاه الأسبوعي مخرجات مختلفة، ولكل منها متطلبات دقة مختلفة.

توقع أن تتطلب هذه الطبقة كتابة شيفرة أكثر من تكامل النموذج، وقِس أداء النظام بعدد الإنذارات الكاذبة لكل وردية بدلًا من دقة الكشف على مجموعة اختبار. فعدد الإنذارات الكاذبة لكل وردية هو ما يحدد ما إذا كان النظام سيظل قيد التشغيل بعد ثلاثة أشهر.

الخصوصية والنطاق#

يغيّر تركيب التحليلات على الكاميرات الحالية وظيفة تلك الكاميرات، وغالبًا ما يترتب على ذلك التزامات لم تكن قائمة عند تركيبها في الأصل.

• تقييد الغرض. ينبغي ألا تتحول الكاميرات المثبتة لأغراض الأمن، من دون إشعار، إلى أدوات لمراقبة الإنتاجية أو السلوك. وفي أماكن العمل، تمثل هذه المسألة مشكلة قانونية ومشكلة تتعلق بالثقة على حد سواء.
• أعِد التقييم، ولا ترثه. تتطلب إضافة التحليل الآلي إلى اللقطات الحالية عمومًا تقييمًا جديدًا لحماية البيانات، وفي كثير من بلدان الاتحاد الأوروبي، التشاور مع مجلس العمال.
• استبعد مطابقة الهوية من النطاق. يعمل رصد الأشخاص والمركبات، وتجاوز الخط، والتسلل إلى المناطق، والتسكع، وكثافة الحشود، والكشف عن الأغراض المتروكة، كلها باستخدام عمليات كشف مجهولة الهوية. لا تتيح Ultralytics نماذجها للتعرّف على الوجوه، وتنطوي مطابقة الهوية على مخاطر قانونية أكبر بكثير من دون أن تحسّن أيًا من عمليات الكشف تلك.
• قلّل ما تحتفظ به. عندما تجيب الأحداث والأعداد عن السؤال، احتفظ بالأحداث والأعداد.
• سجّل عمليات المشاهدة والتصدير، لا تغييرات الإعدادات وحدها.
• قسّم شبكة الكاميرات. يشكل تحديث النظام القائم فرصة جيدة لمعالجة الشبكات المسطحة وبيانات الاعتماد الافتراضية.