عزّز المراقبة الذكية باستخدام Ultralytics YOLO11

عندما تغادر منزلك، رغم تحقّقك من الأقفال مرتين وتأكدك من أن كل شيء آمن، قد تراودك لحظات تتساءل فيها: «هل كل شيء آمن؟ هل نسيت إغلاق نافذة أو اثنتين؟» ويرجع ذلك إلى أن الأمن جزء أساسي من الحياة اليومية، ولا سيما عندما لا نستطيع البقاء لمراقبة الأمور بأنفسنا.

في الواقع، تزيد احتمالية تعرض المنازل التي لا تحتوي على أنظمة أمنية للاقتحام بنسبة 300% مقارنةً بالمنازل المزودة بنظام أمني ظاهر، مما يبرز أهمية توفير تدابير أمنية موثوقة. إلا أن أنظمة الأمن التقليدية غالبًا ما تفتقر إلى المراقبة في الوقت الفعلي، ولا تستطيع تقديم تحديثات واضحة عند وقوع تهديدات محتملة.

لحسن الحظ، تحسنت الحلول الأمنية بمرور الوقت لمعالجة هذه المشكلات. ويمكن لأنظمة الأمن اليوم إرسال تنبيهات فورية إلى هواتفنا الذكية، مرفقة بصور توضح بدقة ما يحدث في محيط العقار.

بدلًا من الاعتماد على مستشعرات الحركة وحدها، تستخدم الكاميرات الذكية الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي (AI) يحلل البيانات المرئية. وتتيح أنظمة الذكاء الاصطناعي البصري للكاميرات اكتشاف الحركة وتحديد نوعها ومعرفة سبب إطلاق الإنذار.

يمكن لنماذج الرؤية الحاسوبية، مثل Ultralytics YOLO11، اكتشاف الكائنات وتتبعها وتصنيفها عبر إطارات الفيديو. وعلى وجه التحديد، يمكن لأنظمة الأمن، بمساعدة YOLO11 مثلًا، إرسال تنبيهات مرئية تلقائيًا والتمييز بين التهديدات الحقيقية والإنذارات الكاذبة. في هذه المقالة، سنستكشف كيف يساعد YOLO11 على بناء أنظمة أمنية أذكى وأسرع وأكثر موثوقية. لنبدأ!

الشكل 1. مثال على استخدام Ultralytics YOLO11 لتتبع الكائنات.

نظرة عامة على المراقبة الأمنية المدعومة بالذكاء الاصطناعي#

ترسل أنظمة الأمن التقليدية، مثل مستشعرات الحركة، تنبيهات عند اكتشاف أمور مثل فتح باب أو حركة مفاجئة. وعلى الرغم من أن هذه الأنظمة تحقق قدرًا من الفاعلية، فإنها لا تستطيع التمييز بين التهديد الحقيقي والنشاط غير الضار، مثل تجول حيوان أليف. وغالبًا ما يؤدي ذلك إلى إنذارات كاذبة تطلقها أمور مثل الحيوانات الأليفة أو الرياح التي تحرك الستائر.

تحل أنظمة الأمن المدعومة بالذكاء الاصطناعي هذه المشكلة بجعل الكاميرات أكثر ذكاءً. فمن خلال الرؤية الحاسوبية، تستطيع هذه الأنظمة فهم ما يحدث في الوقت الفعلي وتحليله. وهي تستخدم نماذج الذكاء الاصطناعي البصري المدرّبة على التعرّف على كائنات مثل الأشخاص والسيارات والحيوانات في كل إطار فيديو.

وعلى وجه الخصوص، تدعم نماذج مثل Ultralytics YOLO11 مهام الرؤية الحاسوبية مثل تجزئة الكائنات الفردية (تحديد الكائنات الفردية في الصورة وفصلها)، واكتشاف الكائنات (تحديد مواقع الكائنات وتصنيفها ضمن إطار)، وتتبع الكائنات (متابعة حركة الكائنات عبر إطارات الفيديو). وتتيح هذه المهام للنظام التركيز على التهديدات الحقيقية واستبعاد الأنشطة غير الضارة، مما يقلل الإنذارات الكاذبة.

الشكل 2. استخدام Ultralytics YOLO11 لتجزئة صورة Blues، مسؤولنا التنفيذي عن الكلاب (DEO)، وشقيقته Happy.

آلية عمل اكتشاف التهديدات في الوقت الفعلي باستخدام Ultralytics YOLO11#

والآن، لنلقِ نظرة عن كثب على كيفية عمل أنظمة الإنذار الأمني المدعومة بـ Ultralytics YOLO11.

لتوضيح الفكرة، تخيل أن لديك كاميرا موجهة نحو بابك الخلفي، وأن كلبك يلعب في الفناء الخلفي. أنت لا تريد تلقي تنبيهات إلا إذا اكتُشف شخص قرب بابك الخلفي، لا كلبك.

وبهذا في الحسبان، لنستعرض آلية عمل نظام إنذار أمني مدمج مع Ultralytics YOLO11:

• التقاط بث الفيديو: تبدأ العملية بالتقاط لقطات مباشرة من الكاميرا الموجّهة نحو الباب الخلفي، ويستخدم Ultralytics YOLO11 هذه اللقطات لاكتشاف أي حركة في المنطقة وتعقّبها.

• اكتشاف الأجسام: يحلل Ultralytics YOLO11 كل إطار من الفيديو لتحديد أجسام مثل الأشخاص أو الحيوانات الأليفة أو المركبات. في هذه الحالة، قد يتعرف النظام على كلبك في الفناء الخلفي، لكن التركيز الفعلي ينصب على اكتشاف أي نشاط بشري بالقرب من الباب الخلفي.

• تعقّب الأجسام: بعد أن يكتشف YOLO11 الأجسام، يتعقّبها أثناء تحركها عبر الإطارات. ويُخصّص لكل جسم مكتشف، مثل الشخص، معرّف فريد، ما يتيح للنظام مراقبة حركته والتنبيه إلى أي سلوك غير معتاد بالقرب من الباب الخلفي، مثل مكوث شخص في المكان.

• إعداد شروط التنبيه: يُعدّ النظام لإرسال تنبيهات عند اكتشاف شخص بالقرب من الباب الخلفي فقط، وليس كلبك. وهذا يضمن أن يطلق النظام التنبيهات استنادًا إلى نشاط محدد وذي صلة.

• إرسال تنبيهات فورية: عند اكتشاف شخص داخل المنطقة المحددة، يرسل النظام تنبيهًا مرئيًا إلى جهازك، لتتمكن من التحقق من الوضع بسرعة واتخاذ الإجراء اللازم عند الحاجة.

الشكل 3. اكتشاف شخص في الفناء الخلفي لمنزل باستخدام Ultralytics YOLO11. الصورة من المؤلف.

Ultralytics YOLO11: تبسيط حلول الأمان المعتمدة على الرؤية الحاسوبية#

من أبرز مزايا YOLO11 سهولة استخدامه، حتى لمن ليست لديهم خبرة في الرؤية الحاسوبية. فعلى سبيل المثال، تقدم Ultralytics حلول ذكاء اصطناعي للرؤية جاهزة للاستخدام، تسهّل البدء في تطبيقات الرؤية الحاسوبية الشائعة مثل إدارة الطوابير وحساب المسافات ومراقبة التمارين وأنظمة الإنذار الأمني.

فيما يتعلق بالتطبيقات الأمنية، يستخدم حل Ultralytics الخاص بـأنظمة الإنذار الأمني إمكانات YOLO11 في تعقّب الأجسام آنيًا لتحسين أنظمة المراقبة التقليدية. ويراقب النظام بث الفيديو باستمرار، ويكتشف أجسامًا مثل الأشخاص والمركبات والحيوانات ويتعقّبها.

تُطلق التنبيهات بعد رصد عدد معين من حالات الاكتشاف خلال إطار زمني محدد، ما يضمن إرسال الإشعارات فقط عند ظهور نمط واضح من النشاط. ويساعد ذلك على الحد من الإنذارات الكاذبة الناجمة عن حركات غير ضارة، مثل حركة الحيوانات الأليفة أو التغيرات البيئية.

إضافة إلى ذلك، يسهل إعداد النظام وتخصيصه. يمكنك ضبط أمور مثل عدد مرات الاكتشاف اللازمة لإطلاق التنبيه والمناطق التي تريد مراقبتها. وستتلقى أيضًا إشعارات فورية عبر البريد الإلكتروني مرفقة بالصور، لتتمكن من التحقق من الوضع بسرعة واتخاذ الإجراء اللازم عند الحاجة.

لمزيد من التفاصيل حول إعداد هذا الحل، راجع وثائق Ultralytics الرسمية.

استخدام Ultralytics YOLO11 في التطبيقات الأمنية#

بعد أن تعرفنا على أنظمة الأمان المعززة بذكاء اصطناعي للرؤية وعلى كيفية تحسين Ultralytics YOLO11 لها، لنستكشف بعض التطبيقات الواقعية لحلول الأمان المدعومة بالرؤية الحاسوبية، بما يتجاوز أمن المنازل.

حماية المستودعات باستخدام الرؤية الحاسوبية وUltralytics YOLO11#

غالبًا ما تخزن المستودعات بضائع ثمينة ومواد حساسة، ما يجعل الأمن أولوية قصوى. ومع الحركة المستمرة للأشخاص والمركبات والبضائع، قد يصعب التأكد من بقاء كل شيء آمنًا. ويمكن للرؤية الحاسوبية إضافة طبقة مراقبة ذكية إلى إجراءات الأمان القائمة.

على سبيل المثال، تخيل قسمًا في المستودع يشهد عادةً حركة قليلة نهارًا، مثل منطقة تخزين البضائع عالية القيمة. باستخدام Ultralytics YOLO11، يمكن للنظام مراقبة هذه المنطقة واكتشاف أي نشاط غير معتاد، مثل الدخول غير المصرح به أو تحريك البضائع، وإطلاق تنبيهات فورية.

وبالمثل، يمكن أن يساعد Ultralytics YOLO11 على تعقّب عدد الأشخاص والمركبات التي تدخل المستودع وتخرج منه عبر جميع نقاط الدخول. ويمكن أن توفر مراقبة هذه الحركة مؤشرات على محاولات الدخول غير المصرح به، وتؤكد أن الأشخاص والمركبات المعتمدة وحدهم يدخلون الموقع أو يغادرونه، ما يعزز الأمن العام.

الشكل 4. عرض توضيحي لمراقبة النشاط في مستودع باستخدام Ultralytics YOLO11.

مراقبة المدن الذكية بكاميرات قائمة على الرؤية وUltralytics YOLO11#

مع نمو سكان المدن، تواجه هذه المدن تحديات أمنية جديدة. وعند التعامل مع مشكلات مثل تجمع الحشود غير المتوقع، والنشاط غير المعتاد في الشوارع، واضطرابات حركة المرور، قد تؤدي أساليب المراقبة التقليدية، التي تتابع فيها فرق متعددة بث الكاميرات، إلى تفويت الحوادث. ومن خلال دمج الرؤية الحاسوبية في الأنظمة القائمة، تستطيع الفرق الأمنية اكتشاف الأشخاص والأجسام وتعقّبها وتحليلها آنيًا، ما يحسن سرعة الاستجابة والوعي بالموقف.

تُعد نماذج Ultralytics YOLO11 مثالية لهذه المهمة، إذ يمكنها تعقّب أجسام متعددة عبر عدة كاميرات في الوقت نفسه. ويمكن تدريب YOLO11 بسهولة على تحديد أحداث مثل تجمع الحشود في مناطق محظورة، أو وقوف السيارات في مناطق يمنع الوقوف فيها، أو حتى إغلاق الطرق الذي قد يعرقل حركة المرور.

إيجابيات وسلبيات حلول الأمان المعتمدة على الرؤية الحاسوبية#

فيما يلي بعض الفوائد الرئيسية لإدخال الرؤية الحاسوبية إلى أنظمة الأمان:

• قابلية التوسع: تتميز نماذج ذكاء اصطناعي للرؤية مثل Ultralytics YOLO11 بقابلية عالية للتوسع، ما يجعلها مناسبة لبيئات متنوعة، من العقارات السكنية إلى المنشآت الصناعية الكبيرة والأماكن العامة. ويمكن توسيع هذه الأنظمة وتخصيصها بسهولة لتلبية الاحتياجات الأمنية المتزايدة، وإتاحتها لمختلف مستويات الاستخدام وأحجامه.
• الجدوى الاقتصادية على المدى الطويل: قد تكون تكاليف الإعداد الأولية أعلى، لكن أنظمة الرؤية الحاسوبية تستطيع في نهاية المطاف خفض تكاليف العمالة من خلال أتمتة المراقبة وتقليل الحاجة إلى أفراد أمن يعملون على مدار الساعة.
• التكامل مع الأنظمة القائمة: يمكن لحلول ذكاء اصطناعي للرؤية أن تتكامل بسلاسة مع أنظمة الأمان الموجودة، مثل كاميرات CCTV أو أنظمة الإنذار، ما يتيح للمؤسسات تعزيز قدراتها الأمنية دون الحاجة إلى استبدال كل شيء.

على الرغم من هذه المزايا، ينطوي اعتماد الرؤية الحاسوبية في أنظمة الأمان أيضًا على بعض القيود. وفيما يلي عوامل ينبغي أخذها في الاعتبار:

• التأثر بالظروف البيئية: يمكن للعوامل البيئية، مثل الإضاءة الضعيفة أو أحوال الطقس، أن تؤثر في دقة نماذج الرؤية الحاسوبية.
• مخاوف الخصوصية: تثير المراقبة المستمرة تساؤلات حول كيفية تخزين البيانات، والجهات التي يمكنها الوصول إليها، ومدى الالتزام بقوانين الخصوصية.
• الإيجابيات الكاذبة: على الرغم من أن الرؤية الحاسوبية تحد من الإيجابيات الكاذبة، لا تزال أخطاء الاكتشاف ممكنة، ما قد يؤدي إلى تنبيهات غير ضرورية.

أبرز النقاط#

أصبحت أنظمة الإنذار الأمني أكثر ذكاءً بفضل الرؤية الحاسوبية. وتشكل الأنظمة المدعومة بـUltralytics YOLO11 خطوة كبيرة إلى الأمام في اكتشاف التهديدات آنيًا. فعلى عكس أنظمة الأمان التقليدية التي تستجيب للحركة، يساعد YOLO11 الكاميرات على فهم الحركة وتعقّبها بدقة وتنبيه الفرق الأمنية بسرعة. ومع استمرار تطور هذه النماذج، نتوقع اكتشافًا أدق، وإنذارات كاذبة أقل، وتكاملًا أفضل مع المدن الذكية والأجهزة الطرفية.

انضم إلى مجتمعنا ومستودع GitHub لمعرفة المزيد عن الذكاء الاصطناعي. واستكشف صفحات حلولنا لمعرفة المزيد عن تطبيقات الذكاء الاصطناعي في الزراعة والرؤية الحاسوبية في الخدمات اللوجستية. واطّلع على خيارات الترخيص وابدأ اليوم في البناء باستخدام الرؤية الحاسوبية!