Hırsızlığı önlemede bilgisayarlı görü: Güvenliği geliştirme

Bir mağazanın çıkışında, ödenmemiş bir ürün geçtiğinde bip sesi çıkaran uzun kapılardan daha önce geçtiysen, Elektronik Ürün Gözetimi (EAS) sistemlerini çalışırken görmüşsündür. Bu sistemler perakende güvenliğinde yaygın olarak kullanılır. Kasada devre dışı bırakılmamış güvenlik etiketlerine sahip ürünleri tespit etmek üzere tasarlanmışlardır. Temel hırsızlık önleme için kullanışlı olsalar da EAS sistemleri yalnızca etiketli ürünleri yakalamakla sınırlıdır ve diğer hırsızlık türlerini çoğu zaman gözden kaçırır.

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

Görü destekli güvenlik sistemlerinden elde edilen içgörüler, güvenlik ekiplerinin şüpheli davranışlara anında müdahale etmesine yardımcı olarak kayıpları azaltabilir ve mağaza güvenliğini artırabilir. Bilgisayarlı görü, küçük mağazalardan büyük depolara kadar çeşitli perakende ortamlarına da uyarlanabilir.

Bu makalede bilgisayarlı görünün perakende ve depolama alanlarında hırsızlık önlemeyi nasıl değiştirdiğine bakacağız. Hadi başlayalım!

Hırsızlığı önlemek için hangi bilgisayarlı görü görevleri uygundur?#

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

Güvenliği artırmak için nesne tespiti ve takibini kullanma#

Ultralytics YOLO11 gibi bilgisayarlı görü modellerini kullanan perakende mağazaları, gerçek zamanlı nesne tespiti ve takip sayesinde güvenlik çalışmalarını önemli ölçüde iyileştirebilir. Nesne tespiti, bir video akışındaki belirli nesneleri, kişileri veya ürünleri tanımlamaya yardımcı olabilirken nesne takibi, tanımlanan bu nesneleri birden fazla kare boyunca izleyerek mağaza genelindeki hareketlerini takip etmek için kullanılabilir. Bu teknikler birlikte, mağazada gerçekleşen faaliyetlere ilişkin kapsamlı ve gerçek zamanlı bir görünüm sağlayabilir.

Örneğin, bir müşterinin tasarımcı el çantası gibi yüksek değerli bir ürünü aldığını ve mağazanın farklı bölümlerinden geçtiğini düşünelim. Güvenlik görüntüleri, el çantasını tanımlamak ve onu ilgi çekici bir ürün olarak işaretlemek için nesne tespiti kullanılarak analiz edilebilir. Müşteri hareket ettikçe nesne takibi, hem el çantasını hem de onu taşıyan kişiyi sürekli olarak izlemek için kullanılabilir. Çıkış gibi önceden tanımlanmış bölgelere göre, ödeme alanından geçmeden çıkışa yönelmek gibi olağandışı herhangi bir davranış uyarıyı tetikleyebilir.

Şekil 1. Nesne tespiti ve takibi, bir mağazadaki faaliyetlerin izlenmesine yardımcı olabilir. (Görsel: Yazar).

Vision AI ile davranış analizi ve kalıp tanıma#

Davranış analizi ve kalıp tanıma, müşterilerin mağazada nasıl davrandığına odaklanarak hırsızlık önlemeyi bir adım ileri taşıyabilir. Müşterilerin nereye hareket ettiğinin veya hangi ürünleri aldığının ötesinde içgörüler sunar. Nesne tespiti ve takip, belirli ilgi nesnelerini izlemek için kullanışlıyken davranış analizi, müşterilerin eylemlerinde şüpheli bir niyete işaret edebilecek kalıpları izleyebilir.

Örneğin Vision AI, bir müşterinin aynı ürünü tekrar tekrar alıp yerine bırakıp bırakmadığını, belirli bir reyonda oyalanıp oyalanmadığını veya kısıtlı alanlara alışılmadık derecede yaklaşıp yaklaşmadığını belirlemek için kullanılabilir. Bu alandaki araştırmalar, tespit doğruluğunu artırmaya yönelik giderek daha gelişmiş tekniklerle ilerlemektedir. Gelecek vadeden bir yaklaşım, iki tür AI modelini birleştirir: Evrişimli Sinir Ağları (CNN'ler) ve Uzun Kısa Süreli Bellek (LSTM) ağları.

CNN'ler, nesne tespitinin temelini oluşturur ve sistemin belirli ürünleri veya mağaza alanlarını tanımasına yardımcı olmak üzere görüntüler ve video kareleri gibi görsel verileri analiz etmek için tasarlanmıştır. Buna karşılık LSTM'ler, bilgileri zaman içinde korumak üzere tasarlanmıştır ve sistemin müşteri eylemlerindeki kalıpları tespit etmesini sağlar. Bu, LSTM'lerin müşterinin aynı ürünü sık sık eline alması gibi tekrarlanan davranışları izleyebileceği anlamına gelir.

CNN'ler ve LSTM'ler birleştirildiğinde Vision AI sistemleri hem "neyi" (ilgili nesneleri veya kişileri) hem de "ne zamanı" (eylemlerin zamanlamasını ve sırasını) yakalayabilir. Bu entegre yaklaşım, mağazadan hırsızlık davranışlarındaki ince ayrıntıları belirlemek için oldukça kullanışlıdır.

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

Hırsızlık önlemede yaygın olarak kullanılan diğer bilgisayarlı görü teknikleri#

Hırsızlığı önlemek için özel olarak tasarlanan Vision AI yeniliklerini tamamlayabilecek başka bilgisayarlı görü teknikleri de vardır. Yüz tanıma, yüz özelliklerini analiz ederek kişileri tanımlamak için kullanılan bu araçlardan biridir ve bilinen suçluları veya şüpheli davranış sergileyen kişileri tespit etmeye yardımcı olabilir. Bazı mağazalar, işaretlenmiş mağaza hırsızları içeri girdiğinde güvenliği uyarmak için bu teknolojiyi kullanır. Ancak gizlilik endişelerini gidermek için müşterilerin bu kullanımdan haberdar edilmesi gerekir.

Poz tahmini, hırsızlıkla ilişkilendirilen ürünleri gizleme veya olağandışı duruşlar gibi eylemleri tespit etmek üzere vücut konumunu ve hareketi analiz ederek başka bir güvenlik katmanı ekleyebilir. Bu teknik, sistemin beden dilini yorumlamasına ve gerektiğinde güvenliğin müdahale edebilmesi için erken uyarılar vermesine yardımcı olur.

Şekil 3. Mağaza hırsızının vücut duruşunu anlama.

AI gözetim sistemleri hırsızlığı gerçek zamanlı olarak tespit edebilir#

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

Washington, D.C.'deki JJ Liquors'tan bir örnek olay incelemesi, AI gözetim sistemlerinin hırsızlığı gerçek zamanlı olarak tespit etmeye nasıl yardımcı olabileceğini gösteren harika bir örnektir. Birden fazla güvenlik kamerası olmasına rağmen mağaza sahibi KJ Singh, mağaza hırsızlığı nedeniyle her gün kayıplarla karşılaşıyordu.

Bu sorunla mücadele etmek için mevcut kameralarıyla birlikte çalışan AI destekli bir gözetim sistemi kurdu. AI, müşterilerin beden dilini ve hareketlerini analiz ederek ürünleri ceplere veya çantalara saklamak gibi şüpheli eylemleri belirliyor. Olağandışı bir durum tespit ettiğinde Singh, faaliyet görüntüsünün video klibiyle birlikte telefonuna anında bir uyarı alıyor.

Video kanıtı, müşterinin mağazadan çıkmasından önce müdahale etmesini sağlıyor. Bu gerçek zamanlı müdahale, hırsızlığı önlemeye yardımcı oluyor ve Singh'in mağaza hırsızlarıyla güvenle yüzleşmesini kolaylaştırıyor. AI sistemini eklediğinden beri birkaç hırsızlığı başarıyla durdurabildi; bu da AI gözetiminin perakendede hırsızlık önlemede ne kadar etkili olabileceğini gösteriyor.

Hırsızlık önlemede AI kullanmanın avantajları ve dezavantajları#

AI, hırsızlık önlemeye birçok avantaj getirerek perakende ve güvenlik ekiplerine kayıpları daha etkili bir şekilde tespit edip azaltmaları için güvenilir araçlar sunar. Hırsızlık önlemede AI'ın başlıca faydalarından bazıları şunlardır:

• Personele daha az bağımlılık: Sürekli insan gözetimi ihtiyacını azaltır; bu da maliyetleri düşürmeye ve güvenlik personelinin yorgunluğunu azaltmaya yardımcı olur.
• İçgörü sağlayan veriler: Hırsızlık eğilimleri hakkında veriye dayalı içgörüler sunarak mağazaların güvenlik stratejilerini gerçek kalıplara göre uyarlamasına yardımcı olur.
• Daha yüksek doğruluk: Yanlış alarm sayısını azaltır ve insanların gözden kaçırabileceği ince kalıpları tespit eder.

Bununla birlikte, hırsızlık önlemede AI'a güvenmenin bazı sınırlamaları da vardır. Başlıca zorluklardan bazıları şunlardır:

• Gizlilik endişeleri: Müşteri davranışlarının izlenmesi ve analiz edilmesiyle ilgili sorular doğurur; bu da müşteri güvenini etkileyebilir.
• Teknik bakım: AI sistemlerinin yeni hırsızlık yöntemlerine ayak uydurabilmesi için düzenli olarak güncellenmesi ve bakımdan geçirilmesi gerekir.
• Yüksek uygulama maliyetleri: AI sistemlerini kurmanın ve sürdürmenin maliyeti, küçük işletmeler için engel oluşturabilir.

Hırsızlığı önlemede bilgisayarlı görünün geleceği#

Etik ve sorumlu AI yenilikleri AI topluluğu ve genel olarak toplum tarafından teşvik ediliyor. Bu nedenle hırsızlığı önlemede bilgisayarlı görünün geleceğinin gizliliği koruyan teknolojilere öncelik vermesi muhtemeldir. Bu gelişmeler, etkili güvenliği müşteri gizliliğine saygıyla dengelemeyi ve mağazaların kişisel haklardan ödün vermeden şüpheli davranışları izlemesini amaçlar.

Bununla ilişkili yöntemlerden biri, bilgisayarlı görü aracılığıyla tanımlayıcı özellikleri bulanıklaştırmak veya anonimleştirmektir. Yüz özellikleri veya diğer kişisel ayrıntılar otomatik olarak bulanıklaştırılabilir; böylece sistem, kişileri tanımlamadan davranış kalıplarını takip edebilir. YOLO11 bu uygulamaları destekleyebilir; gerçek zamanlı olarak nesneleri tespit edip izlerken kişileri tanımlamak yerine belirli davranışlara odaklanabilir. Bu, mağazaların müşteri gizliliğini korurken hırsızlığı gerçek zamanlı olarak tespit etmesini sağlar.

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

Benzer şekilde uç bilişim, verilerin mağaza içi kameralar gibi yerel cihazlarda işlenmesine yardımcı olarak bilgilerin buluta gönderilmesi ihtiyacını azaltır ve dolayısıyla gizlilik risklerini en aza indirir. Gizliliğe odaklanan bu yöntemlerle hırsızlık önlemenin geleceği hem güvenli hem de saygılı olabilir; mağaza güvenliğini geliştirirken güven oluşturabilir.

Daha güvenli mağazalar için daha akıllı hırsızlık önleme#

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

Nesne tespiti, takip ve gelişmiş davranış analizi gibi yeteneklerle Vision AI, gerçek zamanlı izlemeyi mümkün kılar ve güvenlik ekiplerinin olası tehditlere hızla müdahale etmesini sağlayan veriye dayalı içgörüler sunar. AI kullanmak, hırsızlığı gerçekleşmeden önce önlemeye ve hem müşteriler hem de personel için daha güvenli bir ortam oluşturmaya yardımcı olabilir.

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