عواملی که باید در طراحی یک زیر ساخت شبکه IP/PoE سیستم نظارت تصویری در نظر گرفت!

عواملی که باید در طراحی یک زیر ساخت شبکه IP/PoE سیستم نظارت تصویری در نظر گرفت!

اگر یک جزء در زیرساخت نظارت تصویری تغییر کند، ممکن است سایر اجزا نیاز به تغییر داشته باشند.

اگر اطلاعات صحیح را داشته باشید، ایجاد فهرست قطعات برای زیر ساخت سخت نیست.

احتیاط: زیرساخت ها منحصر به فرد هستند. هر کدام منحصر به فرد است، بنابراین به منوهای کشویی متکی نباشید؛   اگر یک جز در زیر ساخت تغییر کند، زمان بگذارید و ببینید آیا باقی اجزا نیز نیاز به تغییر دارند یا خیر.

بیایید چند سوال و نکته را در زمان طراحی زیر ساخت شبکه برای استفاده با یک سیستم نظارت ویدئویی IP/PoE بررسی کنیم.
ابتدا باید با کالکشن پوینت های منحصر به فرد کار کنید. این می تواند وقتی باشد که تمام دستگاه ها (دوربین ها / کنترلرهای دسترسی) به یک محل روت شوند یا وقتی که برای IDF های (فریم توزیع میانی) منحصر به فرد چند مکان وجود داشته باشد.
برای هر مکان درباره موارد زیر تصمیم بگیرید:

دوربین ها و تعداد دوربین ها

تولیدکننده و تعداد هر مدل دوربین چه هستند؟ 

دانستن این مطلب در تصمیم گیری درباره نیازمندی های PoE و پهنای باند کمک می کند.
چند دوربین به این مکان می روند؟ اگر دوربین های متفاوتی از تولیدکنندگان متفاوت باشند، تمام آنها را با تعدادشان فهرست کنید.
این تعداد را بر طبق آنهایی که کمتر یا مساوی ۲۹۰ فوت یا بیشتر از ۲۹۰ فوت از اتصال شبکه و منبع PoE فاصله دارند تقسیم کنید. ممکن است به محدودیت ۳۲۸ فوتی (۱۰۰ متری) IP/PoE فکر کنید اما برنامه ریزی سنتی خم شدن کابل را در نظر می گیرد که می تواند مقاومت را افزایش دهد و عملکرد را کاهش دهد.

 

نوع کابل

چه کابلی نصب شده است؟

سیستم های موجود که از آنالوگ به IP تبدیل می شوند، احتمالا کابل کواکس یا فیبر دارند. برای کواکس تقریبا تمام سیستم های موجود RG59 دارند اما مهم است که مطمئن شویم. سیستم های بسیار قدیمی ممکن است حتی از کابل شیلد آلومینیومی استفاده کنند که احتمالا باید به خاطر مقاومت بالا تعویض شود.
سیستم های جدید از Cat 5e یا Cat 6 استفاده می کنند.

فیبر پیچیده تر است زیرا که باید ابتدا حالت را مشخص کنید، تک حالته یا چند حالته. سپس باید اندازه فیبر را بدانید که معمولا تابعی از حالت است. حالت تک معمولا ۹/۱٫۲۵ است در حالی که چند حالته می تواند بسته به فاصله ۶۲٫۵/۱٫۱۵ یا ۵۰/۱٫۲۵ باشد. در هر حال، مودم های فیبری شما باید با هر دوی این جنبه ها و پهنای باند مطابق باشند.

نوع کابل مشخص می کند آیا نیاز به تجهیزات مازاد به عنوان UTP دارید یا کابل اترنت را می توان به صورت مستقیم در شبکه به کار برد. کواکس، تک جفت و فیبر همگی نیاز به نوعی از تبدیل مدیا دارند.

طول کابل

extenders  ضروری را انتخاب کنید. همان طور که قبلا در هر کالکشن پوینت ذکر کردیم، اتصالات دستگاه خود را بر حسب فاصله به کمتر از ۲۹۰ فوت و بیشتر از ۲۹۰ فوت تقسیم کنید. برای مورد دوم، بلندترین فاصله کابل را به عنوان مرجع خود استفاده کنید و نوع extenders مورد نیاز برای مطابقت با پهنای باند و نیازمندی های دستگاه PoE را مشخص کنید. برای استفاده از هر دستگاه در مسیر مخابره باید تاثیر آن بر پهنای باند و PoE را در نظر بگیرید.

شبکه و منبع PoE (این بخش می تواند سخت ترین بخش باشد)
مدیریت متغیرها: در حالی که استانداردهای IEEE بسیاری بر اتصالات داخلی شبکه و PoE حاکمیت می کنند، مهم ترین متغیرهایی که به آن توجه داریم هیچ استانداردی ندارند. آنها از تصمیم گیری درباره بودجه PoE واقعی و نحوه برنامه ریزی PoE – البته اگر برنامه ریزی شود – تا پهنای باند سوییچ داخلی، که گهگاه سوییچ فابریک نامیده می شود و توانایی هر پورت برای تطابق با پهنای باند مورد نیاز یک دوربین متفاوت هستند.

دو نکته مهم برای در نظر گرفتن: ابتدا، پهنای باند شما باید در تمام مسیر مخابره پایدار بماند. دوم، منبع PoE شما باید قادر باشد نه تنها برق مورد نیاز برای به راه اندازی دستگاه خود و هر دستگاه دیگری در مسیر، بلکه توان شوک استارت آپ برای اجتناب از خاموشی های PoE را نیز فراهم کند.

 

جالب است بدانید، دوربین های  تحت شبکه  تولیدی mna    و ذخیره ساز MNA  سازگار با فیبرهای نوری انتقال تصاویر  می باشد. جهت کسب اطلاعات بیشتر می توانید به وبسایت www.MNA.ir  مراجعه و یا با شماره تلفن  ۸۸۵۰۱۴۵۵-۰۲۱ نمایید.

 

آخرین اخبار صنعت نظارت تصویری : www.iranalarm.com

/۰ دیدگاه /توسط

سیستم های نظارت تصویری هوشمند 

سیستم های نظارت تصویری هوشمند

سیستم های نظارت تصویری هوشمند به منظور نمایش تصاویر واقعی و بدون تاخیر در محیط های متفاوت با سوژه های ثابت یا متحرک، به کار می روند. تجمیع این سیستم ها در سیستم های Access Control به منظور تشخیص رفتارهای مشکوک و پرسه زدن افراد خرابکار در مناطق امنیتی و ممنوعه اهمیت قابل توجهی دارد. در این مقاله به بررسی ماژول های پردازش تصویر هوشمند مانند تشخیص و یا ردیابی اشیاء، تشخیص صدا و همچنین ترکیب ورودی و خروجی ها I/O (Digital input & output) بر روی نرم افزار مدیریت تصاویر Vast می پردازیم.

سیستم های نظارت تصویری هوشمند از طریق نرم افزار مدیریت تصاویر مربوطه می توانند به صورت خودکار به شناسایی اشیا در نواحی مشخص بپردازند. استریم های ویدئویی جمع آوری و تبدیل بهmetadata شده و سپس دسته بندی، ذخیره و یا انتقال داده می شود و این مرحله آغاز عملکرد نرم افزار مدیریت تصاویر به صورت هوشمندانه می باشد. پردازش تصاویر از طریق یک الگوریتم ریاضی شروع به تشخیص اشیا متحرک نموده و نیز تغییرات محیطی بی اهمیت را که بصورت پیوسته در تصویر وجود دارند، حذف می نماید. پس از این مرحله پایگاه داده بر اساس اطلاعات مذکور ایجاد می شود، بنابراین امکان جستجو در فضای ذخیره سازی برای کاربر ایجاد شده و در صورت اقدام خرابکارانه و یا رفتار مشکوک از یک فرد خرابکار، هشدار دهنده های تعبیه شده در خروجی دستگاه شروع به عمل می نمایند.

 

علت کاربرد آنالیتیک تصویر

اخیرا با گسترده شدن شبکه های نظارت تصویری تحت شبکه و رشد روز افزون تکنولوژی های دوربین ها و استفاده از این سیستم ها در پروژه هایی با ابعاد وسیع همچون فرودگاها، ایستگاه های قطار و … نیاز به فضای ذخیره سازی با ظرفیت بالا جهت مشاهده و ضبط تصاویر امری اجتناب ناپذیر است. لذا امکان آنالیزکل تصاویر توسط ادمین شبکه به هنگام وقوع حادثه به دلیل حجم بالای اطلاعات به مراتب دشوارتر خواهد گردید. بنابراین شرایط مذکور منجر به پیشرفت هایی در پردازش تصاویر شده و فضای ذخیره سازی تنها در هنگام وقوع رویدادی خاص اشغال خواهد شد و نتیجتا هم در فضای ذخیره سازی صرفه جویی شده است و هم امکان جستجو به مراتب آسان تر خواهد گردید.

 

فواید استفاده از آنالیتیک تصویر

عملکرد پیوسته و ثابت به صورت ۲۴ ساعته در ۷ روز هفته

امکان اعلام هشدار و پس از آن وقوع برخی اقدامات دیگر از قبیل بزرگنمایی و یا فوکوس روی نقاط موردنظر جهت دستیابی به اطلاعات بیشتر

کاهش پهنای باند مصرفی بعلت انتقال تصاویر ضبط شده تنها در رویدادهای خاص تعریف شده

جستجوی سریع و آسان در تصاویر ضبط شده به علت محدود شدن رکورد بر اساس رویدادهای به وقوع پیوسته

شناسایی اشیا تعریف شده در تصاویر به صورت خودکار و ردیابی پیوسته آن ها

 

محدودیت ها ی استفاده از سیستم آنالیتیک تصاویر

تشخیص حرکات معمولی از فعالیت های مشکوک معمولا کار دشواری است. به عنوان مثال در حالتی که سرعت شئ در حال حرکت از سرعت آستانه تعریف شده در سیستم بیشتر باشد و از سویی دیگر شدت حرکت، مجاز باشد، تعداد هشدارهای اشتباه و خطا در سیستم افزایش می یابد. از طرفی اگر سرعت آستانه در حال افزایش باشد امکان شناسایی نشدن آن رویداد نیز وجود خواهد داشت. همچنین تغییرات نوری در پشت تصویر شی در حال حرکت باعث بوجود آمدن خطا در سیستم خواهد شد. این تغییرات محیطی شامل حرکت نوری از خورشید و ابرها، تشکیل سایه و وزش باد بر روی درختان می باشد.

لذا استفاده از این سیستم ها در محیط های غیر قابل کنترل (محیط های بیرونی) موثر نخواهد بود در حالتی که در محیط های داخلی به دلیل پایدار بودن شرایط نوری موثر و کاربردی می باشد.

 

 

تشخیص حرکت (Motion Detection)

یکی از ابتدایی ترین ومتداول ترین قابلیت های آنالیتیکی نرم افزار های مدیریت تصاویر دوربین های مدار بسته، تشخیص حرکت اشیا می باشد. بدین گونه که تمامی حرکات در محل مورد نظر، نشستن گردوغبار بر روی لنز دوربین و رطوبت و دستکاری لنز، توسط نرم افزار دوربین قابل تشخیص بوده و متناسب با اتفاق مورد نظر تعریف شده در نرم افزار، عکس العمل متناسب که از قبل توسط کاربر تعریف شده، اتفاق خواهد افتاد. مکانیزم تشخیص حرکت و یا تغییر در تصویر بر مبنای مقایسه فریم ها در تصویر صورت می گیرد، به این صورت که هر فریم با فریم قبلی مقایسه شده و در صورت تشخیص مغایرت، نرم افزار، فرمان های مورد نظر را جهت عکس العمل تعریف شده ارسال می کند.

تفکیک تصاویر با در نظر گرفتن تغییرات نوری به دلیل عوامل محیطی بخصوص در محیط های بیرونی یکی از مشکلات اساسی در آنالیتیک تصاویر می باشد. منجر به حداقل رساندن فضای ذخیره ساز و بهینه کردن پهنای باند می شود.

در این روش تصویر در هر فریم با تصویر مرجع که همان تصویر پس زمینه ((Background است،م قایسه می گردد. تفاوت در پیکسل ها و شدت تغییرات آن باعث می شود که تصویر در آن ناحیه شناسایی شده و از پس زمینه حذف گردد. با توجه به حساسیت بالای این سیستم ها به تغییرات محیطی، لذا استفاده از این قابلیت برای محیط هایی که از لحاظ نوری کنترل شده هستند (محیط های داخلی) بسیار مناسب می باشد، و نیز با به کارگیری این قابلیت فضای ذخیره سازی کمتری اشغال شده و به پهنای باند کمتری جهت انتقال تصاویر نیاز می باشد.

 

سیستم های نظارت تصویری هوشمند

 

منطقه ممنوعه(Field Detection)

پس از تعریف ناحیه موردنظر در زاویه دید دوربین، امکان نظارت آن ناحیه فراهم شده و در صورت ورود و خروج اشخاص و یا اشیا، امکان نظارت خودکار ایجاد می شود و در ادامه پیغام وقوع این رویداد نیز بر روی نرم افزار مدیریت تصاویر نیز ظاهر می گردد.

 

تشخیص پرسه زدن یکی دیگر از قابلیت های ماژول آنالینیک که به منظور هشدار به موقع و بدون تاخیر

 

پرسه زدن(loitering)

تشخیص پرسه زدن یکی دیگر از قابلیت های ماژول آنالینیک که به منظور هشدار به موقع و بدون تاخیر در ناحیه ی مانتیتورینگ استفاده می شود. با مشخص کردن ناحیه موردنظر، حرکات مشکوک توسط ماژول مذکور در نرم افزار شناسایی می شود. به علاوه ماژول فوق در تمام شرایط محیطی به صورت کامل و بی نقص قابلیت استفاده و تنظیم را دارد.

 

تشخیص صدا (Audio Detection)

ردیابی حوادث از طریق اصوات در سیستم های نظارتی مبتنی بر دوربین ها معمولا کار پیچیده ای می باشد. همین امر موجب عدم تشخیص بسیاری از حوادث از دید کاربر می باشد. از طرف دیگر اپراتورها و کاربران همیشه قادر به تفسیر اطلاعات در محیط های بدون صدا نخواهند بود .تشخیص صدا در دوربین های ویوتک بر اساس الگوریتم پیچیده و نرم افزار آنالیزگر می باشد. بدین نحو که صدای تشخیص داده شده را از سایر صداهای پس زمینه ای محیط جداسازی نموده و همانند گوش انسان به دنبال اثر در صدا می باشد.

وقتی که سنسور تشخیص صدا، صداهای معمول محیط را از صداهای خاص، مانند فریاد انسان، شکستن لیوان و یا شلیک گلوله تشخیص می دهد، سیستم بلافاصله یک هشدار در قالب های مختلف همچون ارسال پیغام بر روی گوشی، ایمیل،buzzer و یا فعال شدن یک سنسور بر روی DO/DI دوربین، ارسال خواهد کرد.

 

عبور از خط (line Crossing)

نحوه عملکرد این ماژول بر روی دوربین ها به این صورت می باشد که کاربر یک خط مجازی روی تصویر دوربین در ناحیه مورد نظر ترسیم نموده و در صورت عبور شخص و یا شی از خط مجازی تعریف شده، عکس العمل متناسبی که توسط کاربر از قبل تعریف شده است، به وقوع می پیوندد. تشخیص عبور از خط مجازی فوق هم می تواند از چپ به راست و هم از راست به چپ و هم از هر دو سمت تعریف شود. ماژول های عبور از خط (Line Crossing) و منطقه ممنوعه (Field detection) در دوربین های ویوتک در جهت نظارت و کنترل عبور و مرور مناطق ممنوعه و حفاظت شده از قبیل مناطق نظامی، ایستگاه های قطار و دیگر مناطق کاربرد فراوانی دارند.

 

شمارش اشیا/اشخاص (Object Counting)

شمارش اشخاص و اشیا یکی از معمول ترین موارد کاربردی در مکان های پر رفت و آمد همانند فروشگاه ها می باشد. به عنوان مثال با استفاده از ماژول فوق، می توان نقاط شلوغ فروشگاه را شناسایی نموده و از آن در جهت تبلیغات استفاده نمود و یا با شمارش تعداد افرادی که وارد فروشگاه می شوند اطلاعات کاربردی در خصوص اوج کار فروشندگان و یا حتی نحوه برخورد آن ها با مشتریان اطلاعات ارزشمندی به دست آورد. همچنین در سیستم های حمل و نقل شهری برای دریافت تعداد وسایل نقلیه و نیز شمارش تعداد مسافرین می توان با استفاده از این ماژول اطلاعات قابل توجهی دریافت نمود.

حال با توجه به توضیحات فوق، پس از پردازش تصاویر در نرم افزارهای VMS می توان از اطلاعات بدست آمده در جهت تصمیم گیری های مهم در عرصه های مختلف از قبیل بازرگانی و فروش و هم چنین بالا بردن راندمان سیستم ها استفاده نمود. دوربین های  شرکت میکرو نرم افزار  با پشتیبانی از ماژول های آنالیتیک فوق می توانند کاربردهای فراوانی در سیستم های نظارت تصویری و امنیتی ارائه نمایند.

جالب است بدانید، دوربین های تولیدی mna  از تکنولوژی روز  در دوربین مداربسته استفاده می کند و با دستگاه های ذخیره ساز MNA نیز سازگار می باشد. جهت کسب اطلاعات بیشتر می توانید به وبسایت www.MNA.ir  مراجعه و یا با شماره تلفن  ۸۸۵۰۱۴۵۵-۰۲۱ نمایید.

 

اخبار روز صنعت حفاظت الکترونیک : ایران آلارم

 

/۲ دیدگاه /توسط

به کدام نوع دوربین مداربسته مادون قرمز نیاز داریم؟

به کدام نوع دوربین مداربسته مادون قرمز نیاز داریم؟

امنیت یک کار تمام وقت است که تنها به خاطر غروب آفتاب تمام نمی شود. بسیاری از سازمان ها، به خصوص آنهایی که در بخش های صنعت تجاری هستند، مانند فرودگاه ها، انبارها یا تسهیلات زیرساخت حیاتی نیاز به ابزارهای پیشرفته ای برای فراهم کردن امنیت محیطی یا نظارت بر ساختمان ها و دیگر دارایی ها بعد از تاریکی دارند. من همیشه دوربین های IP با LED های مادون قرمز تعبیه شده درون آن ها را برای تصویر نظارتی ویدئویی شب با بالاترین کیفیت پیشنهاد می کنم.

 

دیدن چیزی که چشم انسان توانایی دیدن آن ها را ندارد

ما آن را نمی بینیم، ولی نور مادون قرمز (IR) در واقع در اطراف ما وجود دارد. دوربین های IR این طول موج های نامرئی را شناسایی کرده و از نور مادون قرمز برای روشن ساختن تصاویر در تاریکی استفاده می کنند. بیشتر دوربین های IR دارای یک سری LED مادون قرمز هستند (که اغلب در اطراف لنز جا گرفته اند) که نور مادون قرمز را در شب و یا هر وقتی که دوربین به حالت شب عوض شود، ارسال می کنند.

از آن جایی که نور مادون قرمز می تواند باعث اختلال در تصاویر رنگی شود، بیشتر دوربین های IR دارای یک فیلتر قطع کننده برای جلوگیری از آن در روز هستند. این فیلتر در بین لنز و سنسور دوربین قرار می گیرد که اجازه عبور نور مرئی در طول روز را در حالی که جلوی طول موج مادون قرمز را گرفته است، می دهد. وقتی که سطح نور محیط به نقطه مشخصی کاهش یابد، فیلتر کنار می رود تا به نور مادون قرمز اجازه ورود دهد. بعضی اوقات این فرآیند True Day/Night (TDN) نامیده می شود زیرا در طول روز تصاویر با رنگ واقعی را فراهم کرده و در شب تصاویر سیاه و سفید یا دید در شب را فراهم می کند.

در وضعیت هایی که حداقل نور وجود دارد یا اصلا وجود ندارد (برای مثال نظارت در شب فروشگاه های خرده فروشی یا ساختمان های اداری بدون هیچ پنجره و نور واقعی)، حتی یک دوربین TDN تصویری بسیار واضح را فراهم نمی کند. شما به نورافکن های IR قوی برای روشن کردن تاریکی مطلق نیاز دارید.

 

چند راهنمایی مفید

برای تصویر برداری جزئیات در تاریکی، مطمئن شوید که دوربینی که استفاده می کنید دارای یک مسافت روشن سازی IR کافی برای مکانی که می خواهید از آن فیلم برداری کنید، باشد. دوربین های دید در شب با کیفیت پایین تر ممکن است چند نور LED داشته باشند ولی ممکن است تنها اشیایی در چندمتری خود را روشن سازند. به برگه مشخصات نگاه کنید یا این که دوربین را امتحان کنید تا بدانید آیا مسافت روشن سازی کافی را فراهم می کند یا خیر. دوربین های IR با کیفیت بالا می توانند اشیاء دور تا ۱۵۰ پا (۴۵ متر) یا بیشتر را روشن کنند.

حتی در مسافت های نزدیک تر، بهتر است دوربین ها را امتحان کنید تا بدانید انتظار چه چیزی را داشته باشید.

 

تصمیم گیری درباره آن چه نیاز دارید

به طور خلاصه، دوربین های دید در شب می توانند در برنامه امنیتی عمومی یک مکمل عالی باشند ولی این مهم است که بدانید به چه نوعی از دوربین ها نیاز دارید و چه زمانی از IR هوشمند پویا استفاده کنید.

کاربرد خود را در نظر بگیرید. آیا به نظارت داخلی نیاز دارید یا خارجی؟ و این که ناحیه پوشش نظارتی شما تا چه اندازه بزرگ است؟ مطمئن شوید از دوربینی استفاده می کنید که برای کاربرد مشخصی ساخته شده است و لنز و یا قابلیت بزرگ نمایی را که شما نیاز دارید، داشته باشد.

 

تکنولوژی مادون قرمز را با نیازهای خود سفارشی کنید. از IR هوشمند پویا برای پوشش شب در ناحیه های کوچک تر و داخلی استفاده کنید. IR هوشمند پویا را برای ناحیه های بزرگ تر مانند پارکینگ و استادیوم ها خاموش کرده و تنها از IR استفاده کنید.

 

مسافت روشن سازی را در نظر بگیرید. مشخصات فنی دوربین خود را بازبینی کنید تا مطمئن شوید قابلیت های IR آن می تواند مسافتی را که شما نیاز دارید را پوشش دهد. در صورت نیاز، اضافه کردن یک پرتو IR جدا را برای روشن سازی مکمل در شب در نظر بگیرید.

 

جالب است بدانید، دوربین های تولیدی mna  از تکنولوژی روز  مادون قرمز IR  در دوربین مداربسته استفاده می کند و با دستگاه های ذخیره ساز MNA نیز سازگار می باشد. جهت کسب اطلاعات بیشتر می توانید به وبسایت www.MNA.ir  مراجعه و یا با شماره تلفن  ۸۸۵۰۱۴۵۵-۰۲۱ نمایید.

آخرین اخبار صنعت: https://iranalarm.com

/۰ دیدگاه /توسط

هوش مصنوعی در دوربین های تشخیص چهره

هوش مصنوعی در دوربین های تشخیص چهره

 

رفته رفته الگوریتم های هوش مصنوعی و یادگیری عمیق در حال بکار گرفته شدن در سیستم های تشخیص چهره هستند تا آنها را در شرایط نه چندان ایده آل به سیستم هایی کارآمدتر و دقیقتر تبدیل کنند. به همین شکل با پیشرفت های صورت گرفته در سخت افزار دوربین ها، یادگیری عمیق نیز در دوربین های تشخیص چهره گنجانده شده است.

یادگیری عمیق به شما کمک می کند تا عمل استخراج ویژگی ها را با کمترین/بدون تداخل دست، خود کامپیوتر انجام دهد. حال استخراج ویژگی ها به چه معناست؟ استخراج ویژگی فرایندی است که در آن با انجام عملیاتی بر روی داده‌ها، ویژگی‌های بارز و تعیین‌کننده آن مشخص می‌شود. هدف استخراج ویژگی این است که داده‌های خام به شکل قابل استفاده‌تری برای پردازش‌های آماری بعدی درآیند. هر چه تعداد ویژگی های استخراج شده که شامل ویژگی های دشوار برای توصیف اند بیشتر باشد، فرآیند تشخیص دقیقتر می شود. به همین دلیل است که موتورهای تشخیص چهره بیشتر از قبل در حال بکارگیری یادگیری عمیق برای بهبود دقت سیستم ها هستند.

 

در طول ۵ سال گذشته تکنولوژی های هوش مصنوعی که با شبکه های عصبی کار می کرده اند، تقریبا به صورت کامل تمامی چیزهای دیگر را تحت الشعاع قرار داده اند. مخصوصا در شرایط نامطلوب، سیستم های تشخیص چهره به سیستم های قابل اطمینان تری تبدیل شده اند. در حال حاضر تمامی راهکارهای کارآمد موجود در بازار بر مبنای تکنولوژی های هوش مصنوعی و یادگیری عمیق هستند. این تکنولوژی ها با توجه به کیفیت تشخیصی خود، الگوریتم های قدیمی را به کنار رانده اند. و در صورتی که به سرعت رشد آنها نگاه بیاندازید، دیگر هیچ کس بکارگیری الگوریتم های قدیمی را جدی نمی گیرد.

وظیفه ی اصلی سیستم های تشخیص چهره این است که تصویری از یک چهره تهیه کرده و آن را به یک سری ویژگی ها تبدیل کنند. شاید بخواهید که ویژگی های ایجاد شده از دو تصویر از یک فرد را تا جای ممکن (فارغ از میزان روشنایی، حالت چهره و سایر عوامل گیج کننده) به یکدیگر نزدیک کنید و درعین حال از ایجاد ویژگی های کاملا مختلف در دو تصویر از دو فرد مختلف اطمینان حاصل کنید. با داشتن داده ها و محاسبات کافی، یک شبکه عصبی می تواند به مراتب کار بهتری نسبت به یک سیستم طراحی شده با دست انجام دهد. در مقایسه با طراحان انسانی، شبکه های عصبی می توانند از ویژگی های پیچیده تر و غیرشهودی-تری استفاده کنند. این تغییر در تکنولوژی به تازه واردها این اجازه را می دهد که در بازار تشخیص چهره قادر به رقابت باشند، چرا که دانش سازمانی انباشته شده از تکنیک های قبلی از اهمیت کمتری برخوردار است.

و هر روز تعداد بیشتری از تولیدکنندگان دوربین های تشخیص چهره از یادگیری عمیق در تولید محصولات خود استفاده می کنند.

 

موارد ذیل برخی از مستقیم ترین مزیت هایی است که الگوریتم های یادگیری عمیق قادر به ارائه آن هستند:

کسب دقت تشخیص قابل قیاس و یا حتی بهتر از الگوهای انسانی، قابلیت های ضد ایجاد تداخل قوی و قابلیت طبقه بندی و تشخیص هزاران ویژگی. با کمک تکنولوژی یادگیری عمیق، میانگین دقت تشخیص چهره به شکل قابل توجهی، یعنی ۳۸ درصد افزایش می یابد.

الگوریتم هوش مصنوعی اساسا برای تکمیل تشخیص چهره و مقایسه ی کل فرآیند استفاده می شود. الگوریتم یادگیری عمیق که بر اساس آموزه های کلان داده ها کار می کند قادر به بالا بردن دقت تشخیص چهره است، که بعدها از آن می توان در فضاهای پیچیده تری چون کیفیت پایین تصاویر و زوایای عریض تر بکار بست.

 

توصیه ها ی میکرو نرم افزار  برای خرید و نصب دوربین های تشخیص چهره

به هنگام انتخاب دوربین های تشخیص چهره، برای خرید محصول درست و با قیمت مناسب، چند چیز را باید مورد توجه قرار داد. نصابان سیستم ها باید به دقت تشخیص، ظرفیت گالری تصاویر چهره از روبرو، حداکثر تعداد چهره های زیر یک اسکرین، ضروریات نصب (ارتفاع، زاویه، دامنه تشخیص) و قابلیت سازگاری آنها با فضاهای پروژه ای پیچیده توجه بیشتری کنند.

چگونگی نصب دوربین ها نیز برای کسب مطلوبترین نتیجه از اهمیت بالایی برخوردار است. نصابان سیستم ها باید با توجه به پارامترهای حقیقی دوربین، نوع دوربین و نیازهای بیزینسی واقعی مشتریان به نصب و بکارگیری دوربین ها بپردازند. معمولا این افراد باید از فضاهایی چون نور پشتی شدید، زاویه مورب بزرگ، تاریکی، فاصله، نصب پایه ناپایدار و قطع و وصلی منبع تغیه دوری کنند.

 

جالب است بدانید، تمامی فرایند تشخیص چهره ، تشخیص تردد، تشخیص اشیاء، ثبت و صادر کردن اطلاعات مربوطه توسط دوربین های MNA  انجام شده و با دستگاه های ذخیره ساز MNA نیز سازگار می باشد. جهت کسب اطلاعات بیشتر می توانید به وبسایت www.MNA.ir  مراجعه و یا با شماره تلفن  ۸۸۵۰۱۴۵۵-۰۲۱ نمایید.

/۰ دیدگاه /توسط

  راهکار جدید تشخیص پلاک تحت ابر 

  راهکار جدید تشخیص پلاک تحت ابر

پیشرفت های جدید در تحلیل تصاویر تاثیر بسزایی بر ارتقای ایمنی ترافیک و جاده داشته است. ANPR (تکنولوژی پلاکخوان اتوماتیک) در این امر نقش مهمی ایفا کرده است. تفاوت اصلی بین راهکارهای ANPR تحت سرور محلی و ANPR مبتنی بر ابر در محل تصویر برداری است. در بستر مبتنی بر ابر، کاربر داده را به ابر پلاکخوان ارسال می کند و نتایج به سیستم یا دیتا بیس بازگردانده می شود.

از فواید راهکار تحت ابر این است که کلاینت مجبور نیست برای اجرای نرم افزار یک سرور بخرد و آن را در سایت راه اندازی کند. همچنین بیشتر راهکارهای مبتنی بر ابر امکان دسترسی به فضای ابر از طریق خرید اشتراک را دارند که قیمت آن نیز مناسب تر از خرید یک سرور در می آید. بنابراین اگر قرارست در پروژه، از هزینه های سرمایه ای (CAPEX) اجتناب شود و یا فضای کافی برای نصب سرور وجود ندارد، یک راهکار پلاکخوان تحت ابر بسیار سودمند است.

همچنین با توجه به اینکه تجهیزات کمتری در راهکار مبتنی بر ابر لازم است، در این حالت  نصب و راه اندازی پروژه نیز سریعتر اجرا می شود.

فواید دوطرفه

بدیهی است که استفاده از راهکار پلاکخوان تحت ابر مزایای بسیاری دارد. مطالعات موردی در سراسر دنیا نیز گواه این مطلب است.

فواید را می توان به دو بخش هزینه و تکنولوژی دسته بندی کرد. جالب است برخی مزایای مهم زیرمجوعه هردو دسته قرار می گیرند.

  • مزایای هزینه ای:
  • هزینه سرمایه گذاری ثابت در آن صفر است.
  • در مقایسه با راهکار شبکه محلی، ۵۰ تا ۶۰ درصد هزینه کل کاهش می یابد.
  • زمان یکپارچه سازی و اجرا ۳ تا ۴ برابر کمتر است.
  • تنها ۱ ثانیه پس از ثبت، می توانید تشخیص تصاویر را آغاز کنید و اضافه کردن تشخیص پلاک به اپلیکیشن شما معمولا ۱ روز بعد با سیستم پلاکخوان تحت ابر امکانپذیر می شود.
  • قیمت گذاری آن برای هر برنامه و نرم افزاری شفاف و قابل تغییر است.
  • معمولا هزینه های عملیاتی (OPEX) آن همچون آپدیت های موتور و API و تعمیرونگهداری تقریبا نزدیک به صفر است.
  • قیمت واقعی خدمات برابر است با میزان استفاده عملیاتی. ینی زمانیکه سرعت خدمات پایین می آید، هیچ بار و هزینه مضاعفی ناشی از تعرفه ثابت به کاربر تحمیل نخواهد شد. در واقع شما اگر یک میلیون پلاک هم در یک لحظه ثبت کنید، تنها برای همان لحظه هزینه پرداخت می کنید.

 

  • مزایای فنی:
  • متخصصین یکپارچه سازی می توانند به جای وقت گذاشتن برای راه اندازی و اجرای زیرساخت ها در سایت پروژه، تمرکز خود را روی اپلیکیشن و یا پروژه های دیگر بگذارند.
  • تقریبا هر نصابی با اطلاعات پایه ای می تواند کار نصب و راه اندازی یک سیستم پلاکخوان را انجام دهد. کافیست تنها دانش آپلود کردن تصاویر در ابر بداند. بقیه مسائل فنی برعهده سرویس دهنده می باشد.
  • تشخیص پلاک تحت ابر علاوه براینکه مقاوم و بسیار انعطاف پذیر است، فضایی در مقیاس نامحدود نیز در اختیار قرار می دهد.
  • فضای فرایند پردازش داده ها در راهکار تشخیص پلاک مبتنی بر ابر در مقایسه با راهکار مبتنی بر سرور محلی نامحدود است. وقتی قرار است داده های زیادی از سراسر دنیا و یا یه کشور پهناور را پردازش کتید، این مزیت بزرگی محسوب می شود.

 

 

آیا راهکار مبتنی بر ابر برای هر پروژه ای مناسب است؟

با وجود برخورداری از تمام مزایای اشاره شده، ممکن است راهکار ANPR ابر برای هر پروژه و نصبی مناسب نباشد. به طور کلی راهکار ابر برای یک دوربین تکی که از یک نقطه ی میدان اجرایی تشخیص پلاک ابر، تصویر ویدیویی ارسال می کند، ایده آل است. بنابراین ابتدا باید ببینیم با دیتای ANPR می خواهیم چی کار کنیم و نیاز پروژه چیست.

به طور خلاصه، دوربین های یکپارچه تشخیص و ثبت پلاک و سرعت در مقایسه با سیستم های ثبت پلاک نرم افزاری، از دقت بالاتری برخوردار بوده و به دلیل عدم نیاز به کامپیوتر، بسیار پایدارتر و نگهداری این سیستم ها بسیار آسان تر می باشد. همچنین در شرایطی که یک سیستم مدیریت امنیتی می خواهد بسته های دیتای تصاویر را به ابر ارسال کند، پهنای باند (و هزینه ها) به طرز فوق العاده ای ذخیره می شود و عدم وجود سرور نیز دردسر و هزینه های نگهداری و پشتیبانی آن را نیز کاهش می دهد.

 

دوربین های پلاک خوان شهری و جاده ای MNA با طراحی سخت افزاری اختصاصی برای عملکرد های پلاک خوانی و کنترل سرعت، و استفاده از پردازنده های سریع FPGA برای این منظور ساخته شده و تا کنون توسط سازمان ها و کاربران مختلفی مورد استفاده قرار گرفته است. بسته به نیاز و بودجه تعریف شده، از مدل های مختلف این محصولات استفاده می شود. دوربین های نظارتی با قابلیت پلاک خوانی، دوربین های کنترل سرعت بین شهری، دوربین های پلاک خوان پارکینگی و خودرویی هر کدام با اهداف خاص و سخت افزار مورد نیاز ساخته شده و در محیط مربوط مورد استفاده قرار می گیرند.

جالب است بدانید، تمامی فرایند تشخیص خودرو، تشخیص پلاک، تشخیص سرعت، ثبت و صادر کردن اطلاعات مربوطه توسط دوربین انجام شده و با دستگاه های ذخیره ساز MNA نیز سازگار می باشد. جهت کسب اطلاعات بیشتر می توانید به وبسایت www.MNA.ir  مراجعه و یا با شماره تلفن ۸۸۵۰۵۰۱۳-۰۲۱ نمایید.

 

/۰ دیدگاه /توسط