Hırsızlığı önleme için bilgisayarlı görü: Güvenliği artırma

Mağaza çıkışında ödenmemiş bir ürün geçtiğinde öten uzun kapıların yanından geçtiysen, çalışır durumdaki Elektronik Ürün Gözetim (EAS) sistemlerini görmüşsün demektir. Bu sistemler genellikle perakende güvenliğinde kullanılır. Kasa noktasında devre dışı bırakılmamış güvenlik etiketlerine sahip ürünleri tespit etmek üzere tasarlanmışlardır. Temel hırsızlık önleme konusunda faydalı olsalar da, EAS sistemleri sadece etiketli ürünleri yakalamakla sınırlıdır ve genellikle diğer hırsızlık türlerini gözden kaçırırlar.

Yapay zeka (AI), makinelerin etraflarındaki dünyadan gelen görsel bilgileri yorumlamasını ve analiz etmesini sağlayan bir AI dalı olan bilgisayarlı görü biçiminde daha gelişmiş bir çözüm sunabilir. Bilgisayarlı görü, müşteri davranışlarını analiz etmek, envanteri takip etmek ve hatta şüpheli faaliyetleri gerçek zamanlı olarak tanımak için kullanılabilir. Sadece etiketli ürünlere güvenmek yerine, bilgisayarlı görü sistemleri kısıtlı alanlarda oyalanan, ürün saklayan veya kasa noktalarını atlayan biri gibi potansiyel hırsızlığa işaret eden kalıpları tespit edebilir.

Insights from vision-enabled security systems can help security teams respond instantly to suspicious behavior, reducing losses and enhancing store security. Computer vision can also be adapted to various retail environments, from small stores to large warehouses.

Bu makalede, bilgisayarlı görünün perakende ve depolama sektörlerinde hırsızlığı önleme yöntemlerini nasıl değiştirdiğine bakacağız. Hadi başlayalım!

Link to this sectionHırsızlığı önleme için hangi bilgisayarlı görü görevleri uygundur?#

Öncelikle, hırsızlığı önlemek için kullanılabilecek farklı bilgisayarlı görü tekniklerini keşfedelim ve nasıl çalıştıklarını anlayalım.

Link to this sectionGüvenliği artırmak için nesne algılama ve takibi kullanmak#

By using computer vision models like Ultralytics YOLO11, retail stores can significantly improve their security efforts through real-time object detection and tracking. Object detection can help identify specific objects, people, or items in a video feed, while object tracking can be used to follow these identified objects across multiple frames, monitoring their movement throughout the store. Together, these techniques can give a comprehensive, real-time view of activity happening in the store.

Örneğin, bir müşterinin tasarımcı el çantası gibi yüksek değerli bir ürün aldığını ve mağazanın farklı bölümlerinde dolaştığını varsayalım. Güvenlik kamerası görüntüleri, el çantasını tanımlamak ve onu ilgi çekici bir ürün olarak işaretlemek için nesne algılama kullanılarak analiz edilebilir. Müşteri hareket ettikçe, hem el çantasını hem de onu taşıyan kişiyi sürekli olarak takip etmek için nesne takibi kullanılabilir. Çıkış kapısı gibi önceden tanımlanmış bölgelere göre, kasa alanından geçmeden çıkışa yönelmek gibi herhangi bir olağandışı davranış bir uyarı tetikleyebilir.

Şekil 1. Nesne algılama ve takibi, mağaza içindeki faaliyetleri izlemeye yardımcı olabilir. (Görsel Yazara Aittir).

Link to this sectionGörü AI ile davranış analizi ve kalıp tanıma#

Davranış analizi ve kalıp tanıma, müşterilerin mağaza içindeki davranışlarına odaklanarak hırsızlığı önlemeyi bir adım öteye taşıyabilir. Bu, müşterilerin nereye gittiği veya hangi ürünleri aldığına dair bilgilerin ötesinde içgörüler sağlar. Nesne algılama ve takip, belirli ilgi çekici nesneleri izlemek için yararlı olsa da, davranış analizi, şüpheli niyetlere işaret edebilecek müşteri eylemlerindeki kalıpları izleyebilir.

Örneğin, Vision AI, bir müşterinin aynı ürünü tekrar tekrar alıp bıraktığını, belirli bir koridorda oyalandığını veya kısıtlı alanlara olağandışı şekilde yaklaştığını tanımlamak için kullanılabilir. Bu alandaki araştırmalar, daha iyi algılama doğruluğu için giderek daha karmaşık tekniklerle ilerlemektedir. Gelecek vaat eden bir yaklaşım, iki tür AI modelini birleştirir: Evrişimli Sinir Ağları (CNN'ler) ve Uzun Kısa Süreli Bellek (LSTM) ağları.

Nesne algılamanın temelini oluşturan CNN'ler, görüntüler ve video kareleri gibi görsel verileri analiz etmek için tasarlanmıştır ve sistemin belirli öğeleri veya mağaza alanlarını tanımasına yardımcı olur. Buna karşılık, LSTM'ler, bilgiyi zaman içinde tutmak üzere oluşturulmuştur ve sistemin müşteri eylemlerindeki kalıpları tespit etmesini sağlar. Bu, LSTM'lerin bir müşterinin aynı ürünü sık sık elinde tutması gibi tekrarlanan davranışları takip edebileceği anlamına gelir.

CNN'leri ve LSTM'leri birleştirerek, Vision AI sistemleri hem "ne" (ilgili nesneler veya insanlar) hem de "ne zaman" (eylemlerin zamanlaması ve sırası) kısımlarını yakalayabilir. Bu entegre yaklaşım, ince hırsızlık davranışlarını tanımlamak için oldukça yararlıdır.

Şekil 2. Şüpheli davranışı tespit etmek için bilgisayarlı görüyü kullanma.

Link to this sectionHırsızlığı önlemede yaygın olarak kullanılan diğer bilgisayarlı görü teknikleri#

There are other computer vision techniques that can complement Vision AI innovations designed specifically for theft prevention. Facial recognition is one of these tools, used to identify individuals by analyzing facial features, which can help detect known offenders or those exhibiting suspicious behavior. Some stores use this technology to alert security when flagged shoplifters enter. However, customers would need to be made aware of this use to address privacy concerns.

Poz tahmini, ürün saklama veya hırsızlıkla bağlantılı alışılmadık duruşlar gibi eylemleri tespit etmek için vücut konumlandırmasını ve hareketini analiz ederek başka bir güvenlik katmanı ekleyebilir. Bu teknik, sistemin vücut dilini yorumlamasına ve gerekirse güvenliğin müdahale etmesi için erken uyarılar vermesine yardımcı olur.

Şekil 3. Bir hırsızın vücut duruşunu anlama.

Link to this sectionAI gözetim sistemleri hırsızlığı gerçek zamanlı olarak tespit edebilir#

AI fütüristik bir teknoloji gibi görünebilir, ancak bugün zaten birçok pratik şekilde kullanılıyor. Özellikle, hırsızlığı önlemeye yönelik AI, dünya genelindeki mağazalarda yaygın olarak benimseniyor ve perakendecilerin hırsızlıkla gerçek zamanlı olarak mücadele etmesine yardımcı oluyor.

Washington, D.C.'deki JJ Liquors'tan bir vaka çalışması, AI gözetim sistemlerinin hırsızlığı gerçek zamanlı olarak tespit etmeye nasıl yardımcı olabileceğinin harika bir örneğidir. Birden fazla güvenlik kamerasına sahip olmasına rağmen, mağaza sahibi KJ Singh, hırsızlık nedeniyle günlük kayıplar yaşıyordu.

Bu sorunu çözmek için, mevcut kameralarıyla çalışan AI destekli bir gözetim sistemi kurdu. AI, müşteri vücut dilini ve hareketini analiz ederek, ürünleri ceplere veya çantalara saklamak gibi şüpheli eylemleri tanımlıyor. Olağandışı bir şey fark ettiğinde, Singh telefonuna, faaliyetin bir video klibiyle birlikte anında bir uyarı alıyor.

Video kanıtı, müşterinin mağazadan çıkmasından önce yanıt vermesini sağlıyor. Bu gerçek zamanlı yanıt, hırsızlığı önlemeye yardımcı oluyor ve Singh'in hırsızlarla güvenle yüzleşmesini kolaylaştırıyor. AI sistemini eklediğinden beri, birçok hırsızlığı başarıyla durdurabildi, bu da AI gözetiminin perakende hırsızlığı önlemede ne kadar etkili olabileceğini gösteriyor.

Link to this sectionHırsızlığı önlemede AI'nın artıları ve eksileri#

AI, perakende ve güvenlik ekiplerine kayıpları daha etkili bir şekilde tespit etmek ve azaltmak için güvenilir araçlar sağlayarak hırsızlığı önleme konusunda birçok avantaj getiriyor. İşte AI'nın hırsızlığı önlemedeki temel faydalarından bazıları:

• Personel bağımlılığında azalma: Sürekli insan gözetimi ihtiyacını azaltır, bu da maliyetleri düşürmeye yardımcı olur ve güvenlik personelinin yorgunluğunu azaltır.
• İçgörü sağlayan veriler: Hırsızlık eğilimlerine dair veriye dayalı içgörüler sunarak, mağazaların güvenlik stratejilerini gerçek kalıplara göre ayarlamalarına yardımcı olur.
• Gelişmiş doğruluk: Yanlış alarm sayısını düşürür ve insanlar tarafından gözden kaçabilecek ince kalıpları tespit eder.

Ancak, hırsızlığı önleme konusunda AI'ya güvenmek söz konusu olduğunda sınırlamalar da vardır. İşte temel zorluklardan bazıları:

• Gizlilik endişeleri: Müşteri davranışlarını izleme ve analiz etme konusunda soru işaretleri yaratır, bu da müşteri güvenini etkileyebilir.
• Teknik bakım: AI sistemleri, yeni hırsızlık taktiklerine ayak uydurmak için düzenli güncellemeler ve bakım gerektirir.
• Yüksek uygulama maliyetleri: AI sistemlerini kurma ve bakımını yapma masrafı, daha küçük işletmeler için bir engel olabilir.

Link to this sectionHırsızlığı önlemede bilgisayarlı görünün geleceği#

Etik ve sorumlu AI inovasyonları, AI topluluğu ve bir bütün olarak toplum tarafından teşvik ediliyor. Bu nedenle, hırsızlığı önlemede bilgisayarlı görünün geleceğinin gizliliği koruyan teknolojilere öncelik vermesi muhtemeldir. Bu gelişmeler, etkili güvenlik ile müşteri gizliliğine saygı arasında denge kurmayı amaçlayarak mağazaların kişisel haklardan ödün vermeden şüpheli davranışları izlemesine olanak tanır.

İlgili bir yöntem, bilgisayarlı görü yoluyla tanımlayıcı özelliklerin bulanıklaştırılması veya anonimleştirilmesidir. Yüz özellikleri veya diğer kişisel detaylar otomatik olarak bulanıklaştırılabilir, bu da sistemin bireyleri tanımlamadan davranış kalıplarını takip etmesini sağlar. YOLO11 gibi modeller, nesneleri gerçek zamanlı olarak algılayıp izleyerek ve bireyleri tanımlamak yerine belirli davranışlara odaklanarak bu gizliliği koruyan uygulamaları destekleyebilir. Bu, mağazaların müşteri gizliliğini korurken hırsızlığı gerçek zamanlı olarak tespit etmelerini sağlar.

Şekil 4. Bireysel kimlikleri açığa çıkarmadan davranış kalıplarını izlemek için bulanıklaştırma kullanma.

Benzer şekilde, uç bilişim, verileri mağaza içi kameralar gibi yerel cihazlarda işlemeye yardımcı olarak bilgilerin buluta gönderilme ihtiyacını azaltır ve buna bağlı olarak gizlilik risklerini minimize eder. Bu gizlilik odaklı yöntemlerle, hırsızlığı önlemenin geleceği hem güvenli hem de saygılı olabilir, güven inşa ederken mağaza güvenliğini iyileştirebilir.

Link to this sectionDaha güvenli mağazalar için daha akıllı hırsızlık önleme#

AI ve bilgisayarlı görü, şüpheli davranışları tespit etmek ve kayıpları daha verimli bir şekilde azaltmak için akıllı araçlar sunarak mağazaların hırsızlığı önleme biçimini değiştiriyor.

Nesne algılama, takip ve gelişmiş davranış analizi gibi yeteneklerle Vision AI, gerçek zamanlı izlemeyi mümkün kılar ve güvenlik ekiplerinin potansiyel tehditlere hızla yanıt vermesini sağlayan veriye dayalı içgörüler sunar. AI kullanmak, hırsızlık meydana gelmeden önce önlemeye ve hem müşteriler hem de personel için daha güvenli bir ortam yaratmaya yardımcı olabilir.

AI hakkında daha fazla bilgi için GitHub depomuzu ziyaret et ve topluluğumuzla etkileşime geç. Çözüm sayfalarımızda üretim ve tarım alanlarındaki AI uygulamalarını keşfet. 🚀