بازدید 91
0

تکنولوژی جدید تشخیص هوشمند جهت شناسایی فعالیت های انسانی

 

شناسایی حرکت متعارف
برنامه های کاربردی متداولی برای شناسایی حرکت در صنعت نظارت یافت می شود و همانطور که عملکرد سخت افزاری گسترش یافته است تکنولوژی motion detection یا تشخیص حرکت نیز رشد نموده است و به طور فزاینده ای برای تکنولوژی هایی که مستقیما با دوربین های تحت شبکه درگیر هستند رایج گردیده است.
از آنجا که روش سنتی تشخیص حرکت به شدت وابسته به تغییرات پیکسلی بوده و با حرکت درختان، تغییرات محیطی بین روز و شب، حرکت ابرها و یا تغییرات حرکتی حیوانات اشتباهات فراوانی در مدلسازی پس زمینه ، حرکات برداری و آلارم های ایجاد شده روی می دهد لذا برای جلوگیری از این چنین تشخیص های نادرست، شرکت VIVOTEK نسل جدیدی از تکنولوژی تشخیص حرکت را با نام Smart Motion Detection یا تشخیص هوشمند حرکت به بازار عرضه نموده است.

شناسایی فعالیت های انسانی
VIVOTEK از تجربه گسترده خود در زمینه نظارت و پایگاه های تصویری وسیع استفاده کرده تا یک موتور شناسایی تحت شبکه برای فرم های انسانی را توسعه دهد. براساس یک پایگاه داده نیمه انسانی و پاسخ های سریع توسط یک مدل یادگیری عمیق پیش آموزشی، موتور هوشمند به سرعت ظاهر فرم های انسانی را در منطقه تصویری نظارتی شناسایی می نماید. چنانچه هدف مورد نظر در اکثریت تصویر نظارتی حرکات انسانی باشد ویژگی شناسایی انسان به کاربران این امکان را می دهد تا به سرعت مرحله نصب را پیکربندی نمایند. با این تشخیص فقط فعالیت های انسانی به عنوان عامل رویداد درنظر گرفته می شود و دیگر حرکات از قبیل پوشش گیاهی، وسایل نقلیه یا حرکات حیوان های در صحنه به عنوان عامل رویداد درنظر گرفته نخواهند شد. این ویژگی هم از آلارم های اشتباه و زمان تشخیص کاسته و هم پیکربندی دوربین را بهینه می سازد.

 

 

دو تصویر فوق دقت بالای تکنولوژی Smart Motion Detection یا شناسایی هوشمند حرکات را نمایش می دهد.
همانطور که در تصویر اول می بینید اشاره گرهای قرمز آلارم در سمت چپ تصویر بیانگر آلارم های اشتباه بیشماری هستند که با روش قدیمی ایجاد گردیده اند.
در تصویر دوم در سمت راست همان صحنه ، فقط آلارم مربوط به رویداد انسانی نیز نمایش داده شده است.

 

طراحی قوی در شرایط نوری مختلف
با بکارگیری یک پایگاه داده از هزاران سناریوی مختلف در روز و شب و با شرایط نوری متفاوت ، این الگورتیم یادگیری عمیق هوشمند حرکتی می تواند به سرعت با مدلهای مختلف نوری نصب شده توسط کاربران سازگار گردد.
مدلهای نوری بکار گرفته شده در این تکنولوژی هوشمند حرکتی می تواند با کنتراست نوری بالا و یا محیط های داخلی و بدون نور و نیز آلارم های نادرست ناشی از چراغ های وسائل نقلیه و دیگر منابع نوری مختلف سازگار گردد.
همچنین با این مدل های نوری تعبیه شده ،کاربران از هرگونه نیاز به تنظیم حساسیت های حرکتی برای کاربردهای مختلف و در زمان های مختلف رها خواهند شد.

 

 

فیلتر زمان
شرکت ویووتک همچنین فیلترینگ زمانی پیشرفته ای را در تکنولوژی هوشمند حرکتی خود ارائه نموده است. تنظیمات مربوط به فیلتر زمانی شامل دو پارامتر می باشد:
حداقل مدت فعالیت و وقفه ادغامی فعالیت. اگر یک شی با حرکت سریع به عنوان عامل رویداد درنظر گرفته نشود، کاربران می توانند حداقل مدت فعالیت را به مدت یک ثانیه تا زمان قرارگیری شی در منطقه قبل از تشخیص آن رویداد تنظیم کنند.
از سوی دیگر وقفه ادغامی فعالیت می تواند با حداکثر تعداد ثانیه ها برای تفکیک حرکات توسط یک شی تکی شناسایی و تنظیم گردد.
رخدادی های نزدیک از حرکات به عنوان بخش های موثری از یک رویداد واحد درنظر گرفته می شوند . بنابراین حرکات متعدد پیوسته می تواند به یک آلارم واحد ادغام گردد که سبب کاهش تعداد بررسی ها می گردد.
این امر آلارم هایی را که حتی بصورت حرکات دقیقه ای و متقاطع شناسایی گردیده اند، شناسایی می نماید.

 

 

پیکربندی بصری
تکنولوژی تشخیص هوشمند ویووتک رویکردهای پیکربندی متداول را که وابسته به اندازه اشیاء در فریم می باشند بهبود بخشیده و یک رابط بصری جهت نمایش تغییرات حرکتی در طول یک مدار زمانی ارائه می دهد. این امر به کاربران اجازه می دهد تا به وضوح نسبت به دقیق بودن پیکربندی جاری برای شناسایی حرکات در یک صحنه پی ببرند.

 

داده های جمع آوری شده توسط دوربین در گراف های جامعی نمایش داده می شوند. کاربران می توانند داده های جمع آوری شده را مانیتور و مقایسه نمایند.

جهت کسب اطلاعات بيشتر در اين خصوص به وب سايت www.pfn.ir مراجعه فرماييد.

اشتراک گذاری

دنبال کنید نوشته شده توسط:

ایران آلارم

نظرات کاربران

  •  چنانچه دیدگاهی توهین آمیز باشد و متوجه نویسندگان و سایر کاربران باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه ی تبلیغاتی داشته باشد تایید نخواهد شد.
  •  چنانچه از لینک سایر وبسایت ها و یا وبسایت خود در دیدگاه استفاده کرده باشید تایید نخواهد شد.
  •  چنانچه در دیدگاه خود از شماره تماس، ایمیل و آیدی تلگرام استفاده کرده باشید تایید نخواهد شد.
  • چنانچه دیدگاهی بی ارتباط با موضوع آموزش مطرح شود تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *