شما شناسایی شده اید

وقتی فناوری وارد زندگی افراد می شود خیلی از حساب و کتابها به هم می ریزد. به عنوان مثال همین دوربین های فیلمبرداری تا پیش از این که بیایند ، اصلا خبری از تصویربرداری و فیلم و سرگرمی و حتی پلیس بازی نبود ، اما وقتی باب شدند چیزهای دیگری هم با آنها آمدند.
شاید کسی که این دوربین ها را اختراع می کرد، تصور این که از آنها در کارهای پلیسی هم استفاده شود را نمی کرد ، ولی می بینید که کنترل مکانهای شلوغ ، نواحی خاص یا به منظور انواع اعلام خطرها دیگر بدون وجود دوربین های تصویربرداری امکان پذیر نیست.
به این منظور روشهای مختلفی در دنیا وجود دارد که مدام در حال تکامل و بهبود هستند. در این روشها می توان فرد خاص یا جسم متحرکی را در تصویر ردیابی کرد یا حتی انواع تحلیل ها را روی او انجام داد.
یکی از دانش آموختگان کارشناسی ارشد هوش مصنوعی دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر ، موفق شده است نوع جدیدی از این سیستم های ردیابی را با استفاده از چند دوربین ، طراحی و اجرا کند که مزیتهایی بر انواع قبلی دارد ، هم سرعت کار خیلی بالاست و هم این که دقت بالایی دارد. مهندس محمد ایزدی ، کار خود را برای مجلات معتبر خارجی فرستاده است و در پی ثبت آن است. با ما باشید تا از جزییات این طرح با خبر شوید.

شاید برای شروع بحث بد نباشد از خود نظارت ویدئویی شروع کنیم. امروزه چه کاربردهایی برای این نوع نظارت در نظر گرفته شده است؟
نظارت ویدئویی در صحنه های پویا دارای دامنه وسیعی از کاربردهای قابل استفاده است ، مانند کنترل ترافیک شهرها ، کنترل امنیت اجتماعات و ساختمان های مهم یا تشخیص هدفهای نظامی و... ؛ اما در بسیاری از این کاربردها نیاز است رفتار انسان ها ردیابی و تحلیل شوند. به عنوان مثال در برخی از مکانهای امنیتی مانند پایگاه های نظامی و واحدهای مهم حکومتی فقط افراد خاصی اجازه ورود دارند پس ابتدا یک پایگاه داده از ویژگی های بیومتریک با استفاده از روشهای بیومتریک ایجاد می شود و هنگامی که شخصی وارد محدوده می شود ، سیستم می تواند ویژگی های فرد را مانند طول قد ، خصوصیات صورت و طرز راه رفتن از تصاویر بگیرد و تصمیمات لازم را درباره او اتخاذ کند. در کارهای پلیسی هم برای شناسایی افراد از سیستم نظارت هوشمند استفاده می شود به این ترتیب که پلیس می تواند یک پایگاه داده از خصوصیات بیومتریک مظونان ایجاد کند و سیستم های نظارت ویدئویی را در محلهایی که مظنونان به طور معمول ظاهر می شوند قرار دهد تا به طور خودکار آنها را شناسایی کنند ؛ البته چنین سیستم هایی در مکانهای عمومی قابلیت اعتماد بسیار پایینی برای نیازمندی های پلیس دارد.
کاربرد دیگری هم برای این سیستم ها در نظر گرفته شده است که می توانند به طور خودکار جریان انسان ها را به محلهای عمومی مهم مانند فروشگاه ها و مکانهای مسافربری محاسبه کنند ، سپس به تحلیل آنها برای مدیریت افراد بپردازند. گاهی اوقات هم در برخی وقایع لازم است رفتار افراد تحلیل شود. طبیعی و غیرطبیعی بودن آنها مشخص شود که در فروشگاه ها برای جلوگیری از سرقت این سیستم ها نصب می شوند و در صورت لزوم با پلیس تماس گرفته می شود.
نوع دیگری از ردیابی ویدئویی هم استفاده از چند دوربین است که برای برقراری امنیت اجتماعی و نظارت با استفاده از چند دوربین می تواند برای تضمین امنیت مکانی به کار گرفته شود به عنوان مثال ، ردیابی مظنونان در ناحیه ای با استفاده از چندین دوربین ، جزو این گروه کاری است.

شما در این خصوص طرح جدیدی ارائه کرده اید ، می توانید در این خصوص بیشتر توضیح دهید؟
کاری که من انجام داده ام در واقع یک نوآوری بوده است که آن را برای مجلات معتبر خارجی هم فرستاده ام. در این طرح ، سیستم جدیدی پیشنهاد و پیاده سازی شده است که می تواند افراد را در فضاهای باز و بسته با استفاده از چند دوربین ردیابی کند و دارای 4 قسمت است یکی تقطیع حرکت ، دیگری ردیابی افراد ، مدیریت همپوشانی افراد و نیز ترکیب داده های دوربین در طرح من ، ابتدا سوژه از تصویر پس زمینه جدا و سپس ردیابی می شود ؛ اما گاهی اوقات آدمها از کنار هم رد می شوند یا این که گروه تشکیل می دهند که این سیستم باز هم می تواند فرد مورد نظر را دنبال کند ، حتی این قابلیت را دارد که به ما بگوید سوژه از این دوربین خارج و وارد دوربین بعدی شده است.

آیا می توانید تشخیص دهید که سوژه چه شخصی بوده است؟
این کار قدم بعدی طرح است یعنی این که تشخیص داده شود این آدم چه کسی بوده است. اکنون فقط می توانیم این آدمها را ردیابی کنیم و بگوییم از کجا آمده اند و کجا رفته اند. در مرحله بعدی کار می توان با دادن برخی اطلاعات از افراد خاص یا مثلا مظنون ، امکان شناسایی آنها را در محیطهای شلوغ مانند متروی تهران برای پلیس فراهم آوریم.

کاری که شما انجام داده اید ، چه مزیتی نسبت به روشهای رایج دنیا دارد؟
هم اکنون در دنیا به 3 طریق عمل ردیابی انجام می شود که هر کدام معایبی دارد به عنوان مثال یکی از آنها دقت پایینی دارد و یا این که در یک روشی که مدل 3 بعدی آن فرد را درست می کنند و آن را در محیط مجازی حرکت می دهند ، سرعت بسیار پایینی دارد. روش دیگری هم هست که کانتور آن فرد را درمی آورند و من آن را انتخاب کرده ام یعنی خطی به دور آدم پایینی مورد نظر کشیده می شود و آن را از پس زمینه جدا می کنند که این کار سرعت و دقت خوبی دارد و من به همین دلیل از کانتور استفاده کردم ؛ البته من 2 نوع کانتور پیشنهاد دادم که ایده آنها را خودم داده ام و مزیت آن این است که سرعت را بسیار بالا می برد.

در این روش می توان فرد یا جسم متحرک خاصی را در تصاویر ردیابی کرد

در واقع من ورژن جدیدی از این کار را که سرعت بالایی دارد ، ارائه داده ام ؛ اما خاطرنشان کنم ، کار اصلی این طرح حذف سایه بوده است. انسان سایه ای دارد که آن هم متحرک است و من با ارائه الگوریتم توانسته ام سایه متحرک را حذف کنم و دقت را بالا ببرم.

سیستم پیشنهادی شما چگونه عمل می کند؟
این سیستم 4فاز دارد که من در هر فاز کار جدیدی کرده ام. به عنوان مثال در قسمت اول که تقطیع حرکت است ، الگوریتم جدیدی ارائه کرده ام که انسان را از زمینه جدا می کند ، پس از دریافت تصویر صحنه از هر دوربین تقطیع حرکت انجام می گیرد. برای این منظور روش جدیدی برای مدل کردن زمینه و جداسازی افراد از زمینه ارائه شده است که حساسیت آن نسبت به تغییرات نور و نویز محیط کم است و سایه های افراد را نیز حذف می کند. با استخراج افراد از زمینه برای هر دوربین ، عمل ردیابی انجام می شود. در این سیستم ردیابی ، از کانتور فعال استفاده شده است.
من برای این قسمت کار 2 کانتور ارائه کرده ام ، یکی ردیابی با استفاده از مدل کانتور فعال مبتنی بر شاخه و قید با کنترل فازی و دیگر ردیابی با مدل کانتور فعال مبتنی بر نگاشت خودسازمانده تطبیقی با زمان که هر دو روش به طوری که در بررسی ها و آزمایشات نشان داده شده است ، نسبت به روشهای مشابه گذشته بسیار سریعتر و دقیق تر عمل می کنند.
قسمت سوم کار ، همپوشانی افراد است و به گروه ها مربوط می شود یعنی وقتی فرد ردیابی شده به افراد دیگری می رسد با آنها همپوشانی دارد و وقتی از آنها جدا می شود سیستم باید بفهمد آن فرد کدام بوده است که با استفاده از ردیابی با مدل کانتور فعال بخوبی مشکل همپوشانی افراد از سوی همدیگر حل شده است.
با استفاده از 3 قسمت یاد شده می توان افراد واقع در میدان دید هر دوربین را ردیابی کرد ، اما قسمت دیگر کار مربوط به ترکیب داده های دوربین ها برای ردیابی افراد در کل فضای تحت پوشش دوربین ها است.
در این سیستم می توان فهمید فرد از کدام دوربین خارج و وارد کدام دوربین شده است ، یعنی اطلاعات افراد به دوربین دیگر منتقل می شود. همچنین این قسمت ، موقعیت فرد در هر نقطه از فضای تحت پوشش دوربین ها را به کاربر نمایش می دهد.
در یک نمای کلی می توان سیستم را به این صورت تشریح کرد: هر دوربین به طور جداگانه به ردیابی افرادی که در میدان دیدش هستند، می پردازد. با دریافت هر تصویر از دوربین عمل تقطیع حرکت انجام می شود و افراد متحرک از زمینه جدا می شوند. نتیجه عمل تقطیع به قسمت ردیابی مبتنی بر کانتور فرستاده می شود که در این قسمت با ایجاد کانتور حول افراد و شکل دهی به کانتور ، عمل ردیابی انجام می شود.