الرؤية الحاسوبية لمنع السرقة: تعزيز الأمن

إذا سبق لك المرور عبر بوابات طويلة عند مخرج متجر تصدر صفيرًا عند مرور سلعة غير مدفوعة، فقد شاهدت أنظمة المراقبة الإلكترونية للسلع (EAS) أثناء عملها. وتُستخدم هذه الأنظمة عادةً في أمن البيع بالتجزئة. وهي مصممة لكشف السلع المزودة بملصقات أمنية لم تُعطّل عند الدفع. ورغم فائدتها في منع السرقة الأساسية، تقتصر أنظمة EAS على كشف السلع الموسومة، وغالبًا ما تفوتها أنواع السرقة الأخرى.

يمكن أن يقدم الذكاء الاصطناعي (AI) حلًا أكثر تطورًا يتمثل في الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي يمكّن الآلات من تفسير المعلومات المرئية من العالم المحيط بها وتحليلها. ويمكن استخدام الرؤية الحاسوبية لتحليل سلوك العملاء وتتبع المخزون، بل والتعرف على الأنشطة المشبوهة آنيًا. وبدلًا من الاعتماد حصرًا على السلع الموسومة، تستطيع أنظمة الرؤية الحاسوبية كشف الأنماط التي تشير إلى احتمال وقوع سرقة، مثل التواجد لفترة طويلة في مناطق محظورة، أو إخفاء السلع، أو تجاوز نقاط الدفع.

يمكن للرؤى المستخلصة من أنظمة الأمن المدعومة بالرؤية مساعدة فرق الأمن على الاستجابة فورًا للسلوك المشبوه، ما يقلل الخسائر ويعزز أمن المتجر. كما يمكن تكييف الرؤية الحاسوبية مع بيئات البيع بالتجزئة المختلفة، من المتاجر الصغيرة إلى المستودعات الكبيرة.

في هذه المقالة، سنستعرض كيف تغير الرؤية الحاسوبية أساليب منع السرقة في قطاعي البيع بالتجزئة والتخزين.

ما مهام الرؤية الحاسوبية المناسبة لمنع السرقة؟#

أولاً، لنستكشف تقنيات الرؤية الحاسوبية المختلفة التي يمكن استخدامها لمنع السرقة وفهم آلية عملها.

استخدام اكتشاف الأجسام وتتبعها لتعزيز الأمن#

يمكن لمتاجر البيع بالتجزئة تحسين إجراءاتها الأمنية بدرجة كبيرة باستخدام نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11، وذلك من خلال كشف الكائنات وتتبعها آنيًا. ويساعد كشف الكائنات على تحديد كائنات أو أشخاص أو سلع بعينها في بث الفيديو، في حين يمكن استخدام تتبع الكائنات لمتابعة هذه العناصر المحددة عبر إطارات متعددة ومراقبة تحركاتها في أرجاء المتجر. وتوفر هاتان التقنيتان معًا رؤية شاملة وفورية للنشاط الجاري في المتجر.

فعلى سبيل المثال، لنفترض أن عميلًا التقط سلعة مرتفعة القيمة، مثل حقيبة يد من تصميم شهير، وتنقل بين أقسام المتجر المختلفة. ويمكن تحليل لقطات المراقبة باستخدام كشف الكائنات لتحديد الحقيبة وتصنيفها كعنصر موضع اهتمام. ومع تنقل العميل، يمكن استخدام تتبع الكائنات لمتابعة الحقيبة والشخص الذي يحملها باستمرار. وبالاستناد إلى مناطق محددة مسبقًا، مثل المخرج، يمكن لأي سلوك غير معتاد، كالتوجه نحو المخرج دون المرور بمنطقة الدفع، أن يطلق تنبيهًا.

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

تحليل السلوك والتعرّف على الأنماط باستخدام الذكاء الاصطناعي للرؤية#

يمكن للتحليل السلوكي والتعرف على الأنماط الارتقاء بمنع السرقة إلى مستوى أعلى من خلال التركيز على سلوك العملاء داخل المتجر. فهو يوفر رؤى تتجاوز معرفة أماكن تنقل العملاء أو السلع التي يلتقطونها. وفي حين يفيد كشف الكائنات وتتبعها في متابعة عناصر محددة موضع اهتمام، يستطيع التحليل السلوكي مراقبة أنماط تصرفات العملاء التي قد تدل على نية مريبة.

فعلى سبيل المثال، يمكن استخدام الذكاء الاصطناعي المرئي لتحديد ما إذا كان العميل يلتقط السلعة نفسها ويعيدها مرارًا، أو يمكث في ممر معين، أو يقترب على نحو غير معتاد من المناطق المحظورة. ويتقدم البحث في هذا المجال، مع تطوير تقنيات أكثر تطورًا لتحسين دقة الكشف. ومن الأساليب الواعدة الجمع بين نوعين من نماذج الذكاء الاصطناعي: الشبكات العصبية الالتفافية (CNNs) وشبكات الذاكرة طويلة قصيرة الأمد (LSTM).

تُعد CNNs أساسًا لكشف الكائنات، وقد صُممت لتحليل البيانات المرئية مثل الصور وإطارات الفيديو، ما يساعد النظام على التعرف على سلع أو مناطق محددة في المتجر. أما LSTMs، فقد صُممت للاحتفاظ بالمعلومات بمرور الوقت، ما يمكّن النظام من كشف الأنماط في تصرفات العملاء. وهذا يعني أن LSTMs تستطيع تتبع السلوكيات المتكررة، مثل تعامل العميل المتكرر مع السلعة نفسها.

من خلال الجمع بين CNNs وLSTMs، تستطيع أنظمة الذكاء الاصطناعي المرئي التقاط كل من «ما» يجري (الكائنات أو الأشخاص المعنيين) و«متى» يجري (توقيت الأفعال وتسلسلها). ويُعد هذا النهج المتكامل مفيدًا جدًا لتحديد سلوكيات السرقة من المتاجر التي يصعب ملاحظتها.

الشكل 2. استخدام الرؤية الحاسوبية لاكتشاف السلوك المريب.

تقنيات أخرى شائعة الاستخدام للرؤية الحاسوبية في منع السرقة#

هناك تقنيات أخرى للرؤية الحاسوبية يمكن أن تكمل ابتكارات الذكاء الاصطناعي المرئي المصممة خصيصًا لمنع السرقة. ويُعد التعرّف على الوجوه إحدى هذه الأدوات، إذ يُستخدم للتعرف على الأفراد من خلال تحليل السمات الوجهية، ما قد يساعد على كشف المخالفين المعروفين أو الأشخاص الذين يُظهرون سلوكًا مريبًا. وتستخدم بعض المتاجر هذه التقنية لتنبيه الأمن عند دخول سارقي المتاجر الذين سبق رصدهم. إلا أنه ينبغي إبلاغ العملاء بهذا الاستخدام لمعالجة مخاوف الخصوصية.

يمكن أن يضيف تقدير الوضعية طبقة أمنية أخرى عبر تحليل مواضع الجسم وحركته لكشف أفعال مثل إخفاء السلع أو الوضعيات غير المعتادة المرتبطة بالسرقة. وتساعد هذه التقنية النظام على تفسير لغة الجسد وإصدار تنبيهات مبكرة لتمكين الأمن من التدخل عند الحاجة.

الشكل 3. فهم وضعية جسم سارق المتاجر.

أنظمة المراقبة بالذكاء الاصطناعي قادرة على اكتشاف السرقة في الوقت الفعلي#

قد يبدو الذكاء الاصطناعي تقنية من المستقبل، لكنه يُستخدم بالفعل اليوم بطرق عملية عديدة. وعلى وجه الخصوص، بات استخدام الذكاء الاصطناعي لمنع السرقة واسع الانتشار في المتاجر حول العالم، ما يساعد تجار التجزئة على التصدي للسرقة من المتاجر في الوقت الفعلي.

تُعد دراسة حالة JJ Liquors في واشنطن العاصمة مثالًا على كيفية مساعدة أنظمة المراقبة المدعومة بالذكاء الاصطناعي على كشف السرقة آنيًا. فعلى الرغم من امتلاك المتجر عدة كاميرات أمنية، كان مالكه KJ Singh يتكبد خسائر يومية بسبب سرقة المتاجر.

لمعالجة هذه المشكلة، ثبّت نظام مراقبة مدعومًا بالذكاء الاصطناعي يعمل مع كاميراته الحالية. ويحلل الذكاء الاصطناعي لغة جسد العملاء وحركتهم، ويحدد الأفعال المريبة مثل إخفاء السلع في الجيوب أو الحقائب. وعندما يرصد أمرًا غير معتاد، يتلقى Singh تنبيهًا فوريًا على هاتفه، مرفقًا بمقطع فيديو للنشاط.

تمكّنه أدلة الفيديو من التدخل قبل مغادرة العميل للمتجر. وتساعد هذه الاستجابة الآنية على منع السرقة وتجعل مواجهة Singh لسارقي المتاجر أكثر سهولة وثقة. ومنذ إضافة نظام الذكاء الاصطناعي، تمكن من إيقاف عدة عمليات سرقة بنجاح، ما يوضح فاعلية المراقبة المدعومة بالذكاء الاصطناعي في منع السرقة بمتاجر البيع بالتجزئة.

إيجابيات الذكاء الاصطناعي وسلبياته في منع السرقة#

يقدم الذكاء الاصطناعي مزايا عديدة لمنع السرقة، إذ يزود فرق البيع بالتجزئة والأمن بأدوات موثوقة لاكتشاف الخسائر والحد منها بفعالية أكبر. وفيما يلي بعض أبرز فوائد الذكاء الاصطناعي في منع السرقة:

• تقليل الاعتماد على الموظفين: يقلل الحاجة إلى المراقبة البشرية المستمرة، ما يساعد على خفض التكاليف وتخفيف إرهاق موظفي الأمن.
• بيانات ثرية بالرؤى: توفر رؤى مستندة إلى البيانات حول اتجاهات السرقة، ما يساعد المتاجر على تعديل استراتيجياتها الأمنية استنادًا إلى أنماط فعلية.
• تحسين الدقة: تقلل الإنذارات الكاذبة وتكشف الأنماط الدقيقة التي قد لا يلاحظها الأشخاص.

مع ذلك، ينطوي الاعتماد على الذكاء الاصطناعي لمنع السرقة على بعض القيود أيضاً. وفيما يلي أبرز التحديات:

• مخاوف الخصوصية: تثير تساؤلات بشأن مراقبة سلوك العملاء وتحليله، ما قد يؤثر في ثقتهم.
• الصيانة التقنية: تتطلب أنظمة الذكاء الاصطناعي تحديثات وصيانة منتظمة لمواكبة أساليب السرقة الجديدة.
• ارتفاع تكاليف التنفيذ: قد تشكل نفقات تركيب أنظمة الذكاء الاصطناعي وصيانتها عائقًا أمام الشركات الصغيرة.

مستقبل الرؤية الحاسوبية في منع السرقة#

يشجع مجتمع الذكاء الاصطناعي والمجتمع ككل الابتكارات الأخلاقية والذكاء الاصطناعي المسؤول. لذا، من المرجح أن تعطي تطبيقات الرؤية الحاسوبية المستقبلية في منع السرقة الأولوية للتقنيات التي تحافظ على الخصوصية. وتهدف هذه التطورات إلى تحقيق التوازن بين الأمن الفعال واحترام خصوصية العملاء، بما يتيح للمتاجر مراقبة السلوكيات المريبة دون المساس بالحقوق الشخصية.

ومن الأساليب ذات الصلة طمس السمات التي تكشف الهوية أو إخفاء هويتها باستخدام الرؤية الحاسوبية. ويمكن طمس ملامح الوجه أو التفاصيل الشخصية الأخرى تلقائيًا، ما يتيح للنظام تتبع أنماط السلوك من دون تحديد هوية الأفراد. ويمكن لنماذج مثل YOLO11 دعم هذه الممارسات التي تحافظ على الخصوصية، عبر اكتشاف الأجسام ومراقبتها في الوقت الفعلي والتركيز على سلوكيات محددة بدلًا من تحديد هوية الأفراد. ويتيح ذلك للمتاجر اكتشاف السرقة في الوقت الفعلي مع حماية خصوصية العملاء.

الشكل 4. استخدام الطمس لمراقبة أنماط السلوك دون كشف هويات الأفراد.

وبالمثل، تساعد الحوسبة الطرفية على معالجة البيانات على الأجهزة المحلية مثل كاميرات المتاجر، ما يقلل الحاجة إلى إرسال المعلومات إلى السحابة، وبالتالي يحد من مخاطر الخصوصية. وباستخدام هذه الأساليب التي تركز على الخصوصية، يمكن لمستقبل منع السرقة أن يجمع بين الأمان والاحترام، فيبني الثقة ويحسن أمن المتاجر.

منع أكثر ذكاءً للسرقة ومتاجر أكثر أماناً#

يغير الذكاء الاصطناعي والرؤية الحاسوبية طريقة منع المتاجر للسرقة، إذ يوفران أدوات ذكية لاكتشاف السلوك المريب والحد من الخسائر بأسلوب أكثر كفاءة.

بفضل إمكانات مثل كشف الكائنات وتتبعها والتحليل السلوكي المتقدم، يتيح الذكاء الاصطناعي المرئي مراقبة آنية ويوفر رؤى مستندة إلى البيانات تمكّن فرق الأمن من الاستجابة بسرعة للتهديدات المحتملة. ويمكن لاستخدام الذكاء الاصطناعي أن يساعد على منع السرقة قبل وقوعها وتهيئة بيئة أكثر أمانًا للعملاء والموظفين.

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