Hırsızlığı önlemek için bilgisayarlı görü: Güvenliği artırma

Mağaza çıkışındaki uzun kapılardan geçerken ödenmemiş bir ürün için ötüldüğünü gördüysen Elektronik Ürün Gözetim (EAS) sistemleriyle karşılaşmışsındır. Bu sistemler perakende güvenliğinde yaygın olarak kullanılır. Ödeme sırasında devre dışı bırakılmamış güvenlik etiketli ürünleri algılamak üzere tasarlanmışlardır. Temel hırsızlık önleme için yararlı olsalar da EAS sistemleri yalnızca etiketli ürünleri yakalayabilir ve diğer hırsızlık türlerini çoğu zaman gözden kaçırır.

Yapay zekâ (AI), makinelerin çevrelerindeki dünyadan gelen görsel bilgileri yorumlayıp analiz etmesini sağlayan bir yapay zekâ dalı olan bilgisayarlı görü biçiminde daha gelişmiş bir çözüm sunabilir. Bilgisayarlı görü, müşteri davranışlarını analiz etmek, envanteri takip etmek ve hatta şüpheli etkinlikleri gerçek zamanlı olarak tanımak için kullanılabilir. Bilgisayarlı görü sistemleri yalnızca etiketli ürünlere güvenmek yerine, birinin kısıtlı alanlarda oyalanması, ürünleri gizlemesi veya ödeme noktalarını atlaması gibi olası hırsızlığa işaret eden örüntüleri algılayabilir.

Görsel yapay zekâyla donatılmış güvenlik sistemlerinden elde edilen bilgiler, güvenlik ekiplerinin şüpheli davranışlara anında müdahale etmesine yardımcı olarak kayıpları azaltır ve mağaza güvenliğini artırır. Bilgisayarlı görü, küçük mağazalardan büyük depolara kadar çeşitli perakende ortamlarına da uyarlanabilir.

Bu makalede bilgisayarlı görünün perakende ve depolama sektörlerinde hırsızlığı önleme biçimini nasıl değiştirdiğine bakacağız.

Hırsızlığı önlemeye uygun bilgisayarlı görü görevleri nelerdir?#

Öncelikle, hırsızlığı önlemek için kullanılabilecek farklı bilgisayarlı görü tekniklerini ve bunların nasıl çalıştığını inceleyelim.

Güvenliği artırmak için nesne algılama ve takipten yararlanma#

Perakende mağazaları, Ultralytics YOLO11 gibi bilgisayarlı görü modelleriyle gerçek zamanlı nesne algılama ve takip sayesinde güvenlik çalışmalarını önemli ölçüde iyileştirebilir. Nesne algılama, video akışındaki belirli nesneleri, kişileri veya ürünleri belirlemeye yardımcı olabilirken nesne takibi, belirlenen nesneleri birden fazla kare boyunca izleyerek mağazadaki hareketlerini takip edebilir. Bu teknikler birlikte, mağazada gerçekleşen etkinliklerin kapsamlı ve gerçek zamanlı bir görünümünü sunabilir.

Örneğin bir müşterinin tasarımcı bir el çantası gibi yüksek değerli bir ürünü alıp mağazanın farklı bölümlerinde dolaştığını düşün. Güvenlik kamerası görüntüleri, çantayı belirlemek ve ilgilenilen bir ürün olarak işaretlemek için nesne algılama yöntemiyle analiz edilebilir. Müşteri dolaşırken nesne takibi, hem çantayı hem de onu taşıyan kişiyi sürekli izlemek için kullanılabilir. Çıkış gibi önceden tanımlanmış bölgelere göre, ödeme alanından geçmeden çıkışa yönelme gibi olağandışı davranışlar uyarı oluşturabilir.

Şekil 1. Nesne algılama ve takip, mağaza içindeki etkinliklerin izlenmesine yardımcı olabilir. (Görselin sahibi: Yazar).

Görsel yapay zekâyla davranış analizi ve örüntü tanıma#

Davranış analizi ve örüntü tanıma, mağazadaki müşteri davranışlarına odaklanarak hırsızlık önlemeyi bir adım ileri taşıyabilir. Bu yöntem, müşterilerin nerede hareket ettiğinin veya hangi ürünleri aldığının ötesinde bilgiler sunar. Nesne algılama ve takip, ilgilenilen belirli nesneleri izlemek için yararlıyken davranış analizi, şüpheli niyete işaret edebilecek müşteri eylemlerindeki örüntüleri izleyebilir.

Örneğin Görsel Yapay Zekâ, bir müşterinin aynı ürünü tekrar tekrar alıp bıraktığını, belirli bir reyonda oyalandığını veya kısıtlı alanlara alışılmadık ölçüde yaklaştığını belirlemek için kullanılabilir. Algılama doğruluğunu artırmaya yönelik giderek daha gelişmiş tekniklerle bu alandaki araştırmalar ilerliyor. Gelecek vadeden yaklaşımlardan biri iki tür yapay zekâ modelini birleştiriyor: Evrişimli Sinir Ağları (CNNs) ve Uzun Kısa Süreli Bellek (LSTM) ağları.

Nesne algılamanın temelini oluşturan CNNs, görüntüler ve video kareleri gibi görsel verileri analiz ederek sistemin belirli ürünleri veya mağaza alanlarını tanımasına yardımcı olmak üzere tasarlanmıştır. Buna karşılık LSTMs, bilgileri zaman içinde korumak üzere geliştirilmiştir ve sistemin müşteri eylemlerindeki örüntüleri algılamasını sağlar. Böylece LSTMs, müşterinin aynı ürünü sık sık eline alması gibi tekrarlanan davranışları takip edebilir.

CNNs ve LSTMs birleştirildiğinde Görsel Yapay Zekâ sistemleri hem “ne”yi (ilgili nesneleri veya kişileri) hem de “ne zaman”ı (eylemlerin zamanlamasını ve sırasını) algılayabilir. Bu bütünleşik yaklaşım, fark edilmesi güç mağaza hırsızlığı davranışlarını belirlemede son derece yararlıdır.

Şekil 2. Şüpheli davranışları algılamak için bilgisayarlı görü kullanımı.

Hırsızlığı önlemede yaygın olarak kullanılan diğer bilgisayarlı görü teknikleri#

Hırsızlığı önlemeye özel olarak tasarlanmış Görsel Yapay Zekâ yeniliklerini tamamlayabilecek başka bilgisayarlı görü teknikleri de vardır. Yüz tanıma, yüz özelliklerini analiz ederek kişileri belirlemek için kullanılan araçlardan biridir ve bilinen suçluları veya şüpheli davranış sergileyenleri algılamaya yardımcı olabilir. Bazı mağazalar, işaretlenmiş hırsızlık şüphelileri içeri girdiğinde güvenlik ekiplerini uyarmak için bu teknolojiyi kullanır. Ancak gizlilik kaygılarını gidermek için müşterilerin bu kullanımdan haberdar edilmesi gerekir.

Poz tahmini, ürünleri gizleme veya hırsızlıkla ilişkili olağandışı duruşlar gibi eylemleri algılamak üzere vücut konumunu ve hareketini analiz ederek başka bir güvenlik katmanı ekleyebilir. Bu teknik, sistemin beden dilini yorumlamasına ve gerekirse güvenliğin müdahale edebilmesi için erken uyarılar göndermesine yardımcı olur.

Şekil 3. Mağaza hırsızının vücut duruşunu anlama.

Yapay zekâ destekli gözetim sistemleri hırsızlığı gerçek zamanlı algılayabilir#

Yapay zekâ fütüristik bir teknoloji gibi görünebilir, ancak günümüzde pek çok pratik alanda zaten kullanılıyor. Özellikle hırsızlığı önlemeye yönelik yapay zekâ, dünya genelindeki mağazalarda yaygın olarak benimseniyor ve perakendecilerin mağaza hırsızlığıyla gerçek zamanlı mücadele etmesine yardımcı oluyor.

Washington, D.C.’deki JJ Liquors’a ilişkin bir vaka çalışması, yapay zekâ destekli gözetim sistemlerinin hırsızlığı gerçek zamanlı olarak algılamaya nasıl yardımcı olabileceğine örnektir. Birden fazla güvenlik kamerası olmasına rağmen mağaza sahibi KJ Singh, her gün mağaza hırsızlığından kaynaklanan kayıplarla karşılaşıyordu.

Bu sorunla mücadele etmek için mevcut kameralarıyla çalışan yapay zekâ destekli bir gözetim sistemi kurdu. Yapay zekâ, müşterilerin beden dilini ve hareketlerini analiz ederek ürünleri ceplere veya çantalara saklamak gibi şüpheli eylemleri belirliyor. Olağandışı bir şey algıladığında Singh’in telefonuna etkinliğin video kaydıyla birlikte anında uyarı gönderiliyor.

Video kanıtı, müşteriler mağazadan ayrılmadan önce müdahale etmesini sağlıyor. Bu gerçek zamanlı müdahale, hırsızlığı önlemeye yardımcı oluyor ve Singh’in şüphelilerle kendinden emin biçimde yüzleşmesini kolaylaştırıyor. Yapay zekâ sistemini kurduğundan beri birkaç hırsızlığı başarıyla durdurdu; bu da yapay zekâ gözetiminin perakende hırsızlığını önlemede ne kadar etkili olabileceğini gösteriyor.

Hırsızlığı önlemede yapay zekânın avantajları ve dezavantajları#

Yapay zekâ, hırsızlığı önlemede birçok avantaj sağlayarak perakende ve güvenlik ekiplerine kayıpları daha etkili biçimde tespit edip azaltmak için güvenilir araçlar sunuyor. Hırsızlığı önlemede yapay zekânın başlıca faydalarından bazıları şunlar:

• Personele daha az bağımlılık: Sürekli insan gözetimi ihtiyacını azaltarak maliyetleri düşürür ve güvenlik personelinin yorgunluğunu azaltmaya yardımcı olur.
• Değerli bilgiler: Hırsızlık eğilimlerine ilişkin veriye dayalı bilgiler sunar ve mağazaların güvenlik stratejilerini gerçek örüntülere göre ayarlamasına yardımcı olur.
• Daha yüksek doğruluk: Yanlış alarm sayısını azaltır ve insanların gözden kaçırabileceği ince örüntüleri belirler.

Ancak hırsızlığı önlemek için yapay zekâya güvenmenin bazı kısıtlamaları da vardır. Başlıca zorluklardan bazıları şunlardır:

• Gizlilik kaygıları: Müşteri davranışlarının izlenmesi ve analiz edilmesi hakkında sorular doğurur; bu da müşteri güvenini etkileyebilir.
• Teknik bakım: Yapay zekâ sistemlerinin yeni hırsızlık taktiklerine ayak uydurabilmesi için düzenli güncelleme ve bakım gerekir.
• Yüksek uygulama maliyetleri: Yapay zekâ sistemlerini kurma ve bakımını yapma giderleri, küçük işletmeler için engel oluşturabilir.

Hırsızlığı önlemede bilgisayarlı görünün geleceği#

Yapay zekâ topluluğu ve toplum genelinde etik ve sorumlu yapay zekâ yenilikleri teşvik ediliyor. Bu nedenle hırsızlığı önlemede bilgisayarlı görünün geleceğinde gizliliği koruyan teknolojilere öncelik verilmesi muhtemel. Bu gelişmeler, etkili güvenliği müşteri mahremiyetine saygıyla dengelemeyi; mağazaların kişisel haklardan ödün vermeden şüpheli davranışları izlemesini sağlamayı amaçlıyor.

İlgili yöntemlerden biri, bilgisayarlı görü aracılığıyla tanımlayıcı özellikleri bulanıklaştırmak veya anonimleştirmektir. Yüz özellikleri ya da diğer kişisel bilgiler otomatik olarak bulanıklaştırılabilir; böylece sistem, kişileri tanımlamadan davranış örüntülerini izleyebilir. YOLO11 gibi modeller, kişileri tanımlamak yerine belirli davranışlara odaklanırken nesneleri gerçek zamanlı algılayıp izleyerek gizliliği koruyan bu uygulamaları destekleyebilir. Bu sayede mağazalar, müşteri gizliliğini korurken hırsızlıkları gerçek zamanlı olarak tespit edebilir.

Şekil 4. Kişilerin kimliğini açığa çıkarmadan davranış örüntülerini izlemek için bulanıklaştırma kullanımı.

Benzer şekilde uç bilişim, verilerin mağaza içi kameralar gibi yerel cihazlarda işlenmesine yardımcı olarak bilgilerin buluta gönderilmesi ihtiyacını ve dolayısıyla gizlilik risklerini azaltır. Gizliliğe odaklanan bu yöntemler sayesinde hırsızlığı önlemenin geleceği hem güvenli hem de saygılı olabilir; mağaza güvenliğini iyileştirirken güven oluşturabilir.

Daha güvenli mağazalar için daha akıllı hırsızlık önleme#

Yapay zekâ ve bilgisayarlı görü, şüpheli davranışları algılamak ve kayıpları daha verimli biçimde azaltmak için akıllı araçlar sunarak mağazaların hırsızlığı önleme yöntemlerini değiştiriyor.

Nesne algılama, takip ve gelişmiş davranış analizi gibi yeteneklerle Görsel Yapay Zekâ, gerçek zamanlı izleme olanağı sunar ve güvenlik ekiplerinin olası tehditlere hızla müdahale etmesini sağlayan veriye dayalı bilgiler sağlar. Yapay zekâ kullanımı, hırsızlığı gerçekleşmeden önlemeye ve hem müşteriler hem de personel için daha güvenli bir ortam oluşturmaya yardımcı olabilir.

Yapay zekâ hakkında daha fazla bilgi için GitHub depomuzu ziyaret et ve topluluğumuza katıl. Çözüm sayfalarımızda üretim ve tarım alanlarındaki yapay zekâ uygulamalarını keşfet.