الرؤية الحاسوبية لمنع السرقة: تعزيز الأمن

إذا سبق لك أن مررت عبر بوابات طويلة عند مخرج متجر تُصدر صفيرًا عند مرور سلعة غير مدفوعة الثمن، فقد رأيت أنظمة المراقبة الإلكترونية للسلع (EAS) قيد التشغيل. تُستخدم هذه الأنظمة عادةً في تجارة التجزئة والأمان. وهي مصممة لاكتشاف السلع التي تحمل علامات أمان لم تُعطَّل عند الدفع. ورغم فائدتها في الوقاية الأساسية من السرقة، تقتصر أنظمة EAS على اكتشاف السلع الموسومة، وغالبًا ما تفوّت أنواعًا أخرى من السرقة.

يمكن أن يوفر الذكاء الاصطناعي (AI) حلًا أكثر تقدمًا يتمثل في الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي يتيح للآلات تفسير المعلومات المرئية من العالم المحيط بها وتحليلها. ويمكن استخدام الرؤية الحاسوبية لتحليل سلوك العملاء، وتتبّع المخزون، وحتى التعرّف على الأنشطة المشبوهة في الوقت الفعلي. وبدلًا من الاعتماد solely على السلع الموسومة، تستطيع أنظمة الرؤية الحاسوبية اكتشاف أنماط تشير إلى احتمال السرقة، مثل مكوث شخص في مناطق محظورة، أو إخفاء السلع، أو تجاوز نقاط الدفع.

يمكن أن تساعد الرؤى المستخلصة من أنظمة الأمان المدعومة بالرؤية فرق الأمان على الاستجابة فورًا للسلوك المشبوه، مما يقلل الخسائر ويعزز أمان المتجر. كما يمكن تكييف الرؤية الحاسوبية مع مختلف بيئات تجارة التجزئة، من المتاجر الصغيرة إلى المستودعات الكبيرة.

في هذه المقالة، سنستعرض كيف تغيّر الرؤية الحاسوبية أساليب الوقاية من السرقة في تجارة التجزئة والتخزين. لنبدأ!

ما مهام الرؤية الحاسوبية المناسبة للوقاية من السرقة؟#

أولًا، لنستكشف تقنيات الرؤية الحاسوبية المختلفة التي يمكن استخدامها للوقاية من السرقة، ولنَفهم كيفية عملها.

استخدام اكتشاف الأجسام وتتبعها لتعزيز الأمان#

باستخدام نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11، يمكن لمتاجر التجزئة تحسين جهودها الأمنية بدرجة كبيرة من خلال اكتشاف الأجسام وتتبّعها في الوقت الفعلي. يمكن أن يساعد اكتشاف الأجسام على تحديد أجسام أو أشخاص أو سلع معينة في بث فيديو، بينما يمكن استخدام تتبّع الأجسام لمتابعة هذه الأجسام المحددة عبر إطارات متعددة، ومراقبة حركتها في أنحاء المتجر. ويمكن لهذه التقنيات مجتمعةً توفير رؤية شاملة وفورية للنشاط الجاري في المتجر.

على سبيل المثال، لنفترض أن عميلًا يلتقط سلعة مرتفعة القيمة، مثل حقيبة يد من تصميم أحد المصممين، ويمر عبر أقسام مختلفة من المتجر. يمكن تحليل لقطات المراقبة باستخدام اكتشاف الأجسام لتحديد حقيبة اليد ووضع علامة عليها باعتبارها سلعة موضع اهتمام. ومع تحرك العميل، يمكن استخدام تتبّع الأجسام لمتابعة حقيبة اليد والشخص الذي يحملها باستمرار. واستنادًا إلى مناطق محددة مسبقًا، مثل منطقة الخروج، يمكن لأي سلوك غير معتاد، كالتوجه نحو المخرج دون المرور بمنطقة الدفع، أن يطلق تنبيهًا.

الشكل 1. يمكن أن يساعد اكتشاف الأجسام وتتبعها على مراقبة الأنشطة داخل متجر. (الصورة من إعداد المؤلف).

تحليل السلوك والتعرّف على الأنماط باستخدام الذكاء الاصطناعي للرؤية#

يمكن أن يأخذ تحليل السلوك والتعرّف على الأنماط الوقاية من السرقة إلى مستوى أبعد من خلال التركيز على كيفية تصرف العملاء داخل المتجر. فهو يوفر رؤى تتجاوز أماكن تحرك العملاء أو السلع التي يلتقطونها. وبينما يفيد اكتشاف الأجسام وتتبعها في متابعة أجسام معينة موضع اهتمام، يستطيع تحليل السلوك مراقبة الأنماط في تصرفات العملاء التي قد تشير إلى نية مشبوهة.

على سبيل المثال، يمكن استخدام Vision AI لتحديد ما إذا كان العميل يلتقط السلعة نفسها ويعيدها مرارًا، أو يمكث في ممر معين، أو يتحرك قريبًا بشكل غير معتاد من المناطق المحظورة. ويتقدم البحث في هذا المجال، مع تقنيات متطورة بصورة متزايدة لتحسين دقة الاكتشاف. ويجمع أحد الأساليب الواعدة بين نوعين من نماذج الذكاء الاصطناعي: الشبكات العصبية الالتفافية (CNNs) وشبكات (LSTM) الذاكرة طويلة قصيرة الأمد.

صُممت CNNs، التي تشكل أساس اكتشاف الأجسام، لتحليل البيانات المرئية مثل الصور وإطارات الفيديو، مما يساعد النظام على التعرّف على سلع أو مناطق معينة في المتجر. أما LSTMs، فعلى العكس، فهي مصممة للاحتفاظ بالمعلومات بمرور الوقت، مما يمكّن النظام من اكتشاف الأنماط في تصرفات العملاء. وهذا يعني أن LSTMs تستطيع تتبع السلوكيات المتكررة، مثل تعامل العميل مع السلعة نفسها بصورة متكررة.

من خلال الجمع بين CNNs وLSTMs، تستطيع أنظمة Vision AI التقاط كل من «ما» يحدث (الأجسام أو الأشخاص المعنيين) و«متى» يحدث (توقيت الأفعال وتسلسلها). ويفيد هذا النهج المتكامل جدًا في تحديد السلوكيات الدقيقة المرتبطة بالسرقة من المتاجر.

الشكل 2. استخدام الرؤية الحاسوبية لاكتشاف السلوك المشبوه.

تقنيات أخرى شائعة الاستخدام للرؤية الحاسوبية في الوقاية من السرقة#

هناك تقنيات أخرى من الرؤية الحاسوبية يمكن أن تكمل ابتكارات Vision AI المصممة خصيصًا للوقاية من السرقة. ويُعد التعرّف على الوجوه إحدى هذه الأدوات، إذ يُستخدم لتحديد هوية الأشخاص من خلال تحليل ملامح الوجه، مما قد يساعد على اكتشاف الجناة المعروفين أو الأشخاص الذين يُظهرون سلوكًا مشبوهًا. وتستخدم بعض المتاجر هذه التقنية لتنبيه أفراد الأمان عند دخول سارقي المتاجر المُبلّغ عنهم. إلا أنه ينبغي إبلاغ العملاء بهذا الاستخدام لمعالجة مخاوف الخصوصية.

يمكن أن يضيف تقدير الوضعية طبقة أخرى من الأمان من خلال تحليل وضعية الجسم وحركته لاكتشاف أفعال مثل إخفاء السلع أو الوضعيات غير المعتادة المرتبطة بالسرقة. وتساعد هذه التقنية النظام على تفسير لغة الجسد وإصدار تنبيهات مبكرة ليتدخل أفراد الأمان عند الحاجة.

الشكل 3. فهم وضعية جسم سارق متجر.

يمكن لأنظمة المراقبة المدعومة بالذكاء الاصطناعي اكتشاف السرقة في الوقت الفعلي#

قد يبدو الذكاء الاصطناعي تقنية مستقبلية، لكنه يُستخدم بالفعل اليوم بطرق عملية عديدة. وعلى وجه الخصوص، يُعتمد الذكاء الاصطناعي للوقاية من السرقة على نطاق واسع الآن في المتاجر حول العالم، مما يساعد تجار التجزئة على التصدي للسرقة من المتاجر في الوقت الفعلي.

تُعد دراسة حالة من متجر JJ Liquors في واشنطن العاصمة مثالًا رائعًا على كيفية مساعدة أنظمة المراقبة المدعومة بالذكاء الاصطناعي على اكتشاف السرقة في الوقت الفعلي. فعلى الرغم من امتلاك المتجر عدة كاميرات أمنية، كان مالكه KJ Singh يواجه خسائر يومية بسبب السرقة من المتجر.

ولمعالجة هذه المشكلة، ثبّت نظام مراقبة مدعومًا بالذكاء الاصطناعي يعمل مع كاميراته الحالية. يحلل الذكاء الاصطناعي لغة جسد العملاء وحركتهم، ويحدد الأفعال المشبوهة مثل إخفاء السلع في الجيوب أو الحقائب. وعندما يرصد شيئًا غير معتاد، يتلقى Singh تنبيهًا فوريًا على هاتفه، إلى جانب مقطع فيديو للنشاط.

يمكّنه دليل الفيديو من الاستجابة قبل مغادرة العميل المتجر. وتساعد هذه الاستجابة الفورية على منع السرقة، كما تسهّل على Singh مواجهة سارقي المتاجر بثقة. ومنذ إضافة نظام الذكاء الاصطناعي، تمكن من إيقاف عدة عمليات سرقة بنجاح، مما يوضح مدى فعالية المراقبة بالذكاء الاصطناعي في الوقاية من سرقة المتاجر.

إيجابيات الذكاء الاصطناعي وسلبياته في الوقاية من السرقة#

يوفر الذكاء الاصطناعي مزايا عديدة للوقاية من السرقة، إذ يزوّد فرق تجارة التجزئة والأمان بأدوات موثوقة لاكتشاف الخسائر والحد منها بفاعلية أكبر. فيما يلي بعض الفوائد الرئيسية للذكاء الاصطناعي في الوقاية من السرقة:

• اعتماد أقل على الموظفين: يقلل الحاجة إلى المراقبة البشرية المستمرة، مما يساعد على خفض التكاليف وتقليل إرهاق موظفي الأمان.
• بيانات غنية بالرؤى: يوفر رؤى مستندة إلى البيانات حول اتجاهات السرقة، مما يساعد المتاجر على تعديل استراتيجياتها الأمنية استنادًا إلى الأنماط الفعلية.
• دقة محسّنة: تقلل عدد الإنذارات الكاذبة وترصد الأنماط الدقيقة التي قد لا يلاحظها الأشخاص.

ومع ذلك، توجد أيضًا قيود تتعلق بالاعتماد على الذكاء الاصطناعي للوقاية من السرقة. فيما يلي بعض التحديات الرئيسية:

• مخاوف الخصوصية: تثير تساؤلات حول مراقبة سلوك العملاء وتحليله، مما قد يؤثر في ثقة العملاء.
• الصيانة التقنية: تتطلب أنظمة الذكاء الاصطناعي تحديثات وصيانة منتظمة لمواكبة أساليب السرقة الجديدة.
• تكاليف التنفيذ المرتفعة: قد تشكل تكلفة تثبيت أنظمة الذكاء الاصطناعي وصيانتها عائقًا أمام الشركات الأصغر.

مستقبل الرؤية الحاسوبية في الوقاية من السرقة#

يشجع مجتمع الذكاء الاصطناعي والمجتمع ككل الابتكارات الأخلاقية والذكاء الاصطناعي المسؤول. لذلك، من المرجح أن يعطي مستقبل الرؤية الحاسوبية في الوقاية من السرقة الأولوية للتقنيات الحافظة للخصوصية. وتهدف هذه التطورات إلى تحقيق التوازن بين الأمان الفعال واحترام خصوصية العملاء، بما يتيح للمتاجر مراقبة السلوكيات المشبوهة دون المساس بالحقوق الشخصية.

تتمثل إحدى الطرق المرتبطة بذلك في تمويه السمات المحدِّدة للهوية أو إخفاء هويتها من خلال الرؤية الحاسوبية. ويمكن تمويه ملامح الوجه أو التفاصيل الشخصية الأخرى تلقائيًا، مما يتيح للنظام تتبع أنماط السلوك دون تحديد هوية الأشخاص. ويمكن لنماذج مثل YOLO11 can support هذه الممارسات الحافظة للخصوصية من خلال اكتشاف الأجسام ومراقبتها في الوقت الفعلي، مع التركيز على سلوكيات محددة بدلًا من تحديد هوية الأشخاص. ويتيح ذلك للمتاجر اكتشاف السرقة في الوقت الفعلي مع حماية خصوصية العملاء.

الشكل 4. استخدام التمويه لمراقبة أنماط السلوك دون كشف هويات الأشخاص.

وبالمثل، تساعد الحوسبة الطرفية على معالجة البيانات على أجهزة محلية مثل الكاميرات الموجودة داخل المتجر، مما يقلل الحاجة إلى إرسال المعلومات إلى السحابة، ويحد بالتالي من مخاطر الخصوصية. وبفضل هذه الأساليب التي تركز على الخصوصية، يمكن أن يكون مستقبل الوقاية من السرقة آمنًا ومحترمًا في آن واحد، بما يبني الثقة ويحسن أمان المتجر.

وقاية أذكى من السرقة لمتاجر أكثر أمانًا#

يغيّر الذكاء الاصطناعي والرؤية الحاسوبية طريقة وقاية المتاجر من السرقة من خلال توفير أدوات ذكية لاكتشاف السلوك المشبوه وتقليل الخسائر بطريقة أكثر انسيابية.

بفضل إمكانات مثل اكتشاف الأجسام وتتبعها والتحليل السلوكي المتقدم، يتيح Vision AI المراقبة في الوقت الفعلي ويوفر رؤى مستندة إلى البيانات، مما يمكّن فرق الأمان من الاستجابة بسرعة للتهديدات المحتملة. ويمكن أن يساعد استخدام الذكاء الاصطناعي على منع السرقة قبل وقوعها وإنشاء بيئة أكثر أمانًا للعملاء والموظفين على حد سواء.

لمزيد من الرؤى حول الذكاء الاصطناعي، تفضل بزيارة مستودع GitHub والتفاعل مع مجتمعنا. واستكشف تطبيقات الذكاء الاصطناعي في التصنيع والزراعة في صفحات حلولنا. 🚀