சிசிடிவி கண்டறிதல் துல்லியத்தை மேம்படுத்துவதில் செயற்கை நுண்ணறிவின் பங்கு

சிசிடிவி கண்டறிதல் துல்லியத்தை மேம்படுத்துவதில் செயற்கை நுண்ணறிவின் பங்கு

குடியிருப்புப் பகுதிகள், வணிக வளாகங்கள், தொழிற்சாலைகள் மற்றும் போக்குவரத்து வசதிகள் போன்ற பொது மற்றும் தனியார் சூழல்களில் பாதுகாப்பைப் பேணுவதில் சிசிடிவி அடிப்படையிலான கண்காணிப்பு அமைப்புகளின் வளர்ச்சி ஒரு முக்கியப் பங்காக மாறியுள்ளது. இருப்பினும், வழக்கமான சிசிடிவியில் உள்ள முக்கிய சவால், ஒரே நேரத்தில் டஜன் கணக்கான அல்லது நூற்றுக்கணக்கான திரைகளைக் கண்காணிப்பதில் உள்ள மனித வரம்புகளே ஆகும். இங்குதான் செயற்கை நுண்ணறிவு (AI) ஒரு குறிப்பிடத்தக்கப் பங்கை வகிக்கிறது: AI, கண்டறியும் துல்லியத்தை மேம்படுத்தவும், பதிலளிக்கும் நேரத்தை விரைவுபடுத்தவும், கண்காணிப்பாளரின் சோர்வு அல்லது சார்புநிலையால் ஏற்படும் பிழைகளைக் குறைக்கவும் உதவுகிறது. இந்தக் கட்டுரை, செயற்கை நுண்ணறிவு சிசிடிவி கண்டறியும் துல்லியத்தை எவ்வாறு மேம்படுத்துகிறது, பயன்படுத்தப்படும் தொழில்நுட்பங்கள், அதன் நன்மைகள், சவால்கள் மற்றும் வளர்ச்சியின் திசை ஆகியவற்றை விவாதிக்கிறது.

1. பாரம்பரிய சிசிடிவியின் வரம்புகள்

சிசிடிவி அடிப்படையில் காட்சிகளைப் பதிவுசெய்து காண்பிக்கிறது. நவீன கேமராக்கள் உயர் தெளிவுத்திறன் கொண்டிருந்தாலும், அவை காட்சிப் பரப்பிற்குள் என்ன நடக்கிறது என்பதைப் புரிந்துகொள்வதில்லை. இதன் விளைவாக, கண்காணிப்பு என்பது இயக்குபவர்கள் செயல்பாடுகளைத் தொடர்ந்து கவனிப்பதையே சார்ந்துள்ளது. பின்வரும் சூழ்நிலைகளில் சிக்கல்கள் எழுகின்றன:

– தரவுகளின் அளவு மிக அதிகம்: ஒரே ஒரு கேமராவால் ஒரு நாளைக்கு பல மணிநேரக் காட்சிகளைப் பதிவு செய்ய முடியும். ஒரே இடத்தில் டஜன் கணக்கான கேமராக்கள் இருப்பதை கற்பனை செய்து பாருங்கள்.
– மனிதப் பிழை: கவனச்சிதறல் அல்லது சோர்வு காரணமாக இயக்குபவர்கள் முக்கியமான தருணங்களைத் தவறவிடக்கூடும்.
– மெதுவான நடவடிக்கை: சம்பவம் நடந்த பிறகு, அதன் பதிவை மீண்டும் இயக்கிக் கேட்டபோதுதான் அது தெரியவந்தது.
குறைந்தபட்ச கண்டறிதல்: மனித உதவியின்றி சிசிடிவியால் இயல்பான மற்றும் சந்தேகத்திற்கிடமான நிகழ்வுகளை வேறுபடுத்தி அறிய முடியாது.

சிசிடிவி அமைப்புகளுக்குப் பகுப்பாய்வு மற்றும் விளக்கத் திறன்களை வழங்கும் 'மூளையாக' செயற்கை நுண்ணறிவு செயல்படுகிறது. இதனால், கண்டறிதல் என்பது வெறும் காட்சி சார்ந்ததாக இல்லாமல், வடிவ அடிப்படையிலானதாக மாறுகிறது.

2. செயற்கை நுண்ணறிவு மற்றும் காணொளிப் பகுப்பாய்வு: வெறும் படங்களைத் தாண்டிப் பார்ப்பது

இயந்திரக் கற்றல் மற்றும் ஆழ்நிலைக் கற்றல் மாதிரிகளைப் பயன்படுத்தி வீடியோவைத் தானாகவே பகுப்பாய்வு செய்யும் செயல்முறையான வீடியோ பகுப்பாய்வின் மூலம், செயற்கை நுண்ணறிவு சிசிடிவி கண்டறிதலின் துல்லியத்தை மேம்படுத்துகிறது. இந்தச் சூழலில், இந்த அமைப்பால் பின்வருவனவற்றைச் செய்ய முடியும்:

– பொருள் கண்டறிதல்: மனிதர்கள், வாகனங்கள், பொருள்கள், விலங்குகள் மற்றும் பிற பொருள்களை அடையாளம் காண்கிறது.
– பொருள் கண்காணிப்பு: ஒரு பொருளின் இயக்கத்தை ஒரு ஃபிரேமிலிருந்து அடுத்த ஃபிரேமிற்குத் தொடர்ந்து கண்காணித்தல்.
– நடத்தை முறைகளை அறிதல்: தடைசெய்யப்பட்ட பகுதிகளில் மக்கள் ஓடுவது, நீண்ட நேரம் கூடி இருப்பது, அல்லது சண்டையிடுவது போன்ற அசாதாரணமான செயல்களைக் கண்டறிதல்.
– சம்பவ வகைப்பாடு: அதிக ஆபத்துள்ள சம்பவங்களுக்கும் இயல்பான செயல்பாடுகளுக்கும் இடையே வேறுபாடு காண்பது.

இந்தத் திறனின் மூலம், அசாதாரண நிகழ்வுகள் ஏற்படும்போது செயற்கை நுண்ணறிவால் நிகழ்நேர அறிவிப்புகளை வெளியிட முடியும். இது, இயக்குநர்கள் முடிவில்லாத கண்காணிப்பில் கவனம் செலுத்துவதற்குப் பதிலாக, முக்கியமான நிகழ்வுகளில் கவனம் செலுத்த அனுமதிக்கிறது.

3. கண்டறிதல் துல்லியத்தை மேம்படுத்தும் முக்கிய தொழில்நுட்பங்கள்

அ. பொருள் கண்டறிதலுக்கான ஆழ் கற்றல்
YOLO (You Only Look Once), SSD, அல்லது Faster R-CNN போன்ற ஆழ்நிலைக் கற்றல் மாதிரிகள், காணொளிகளில் உள்ள பொருட்களைக் கண்டறியப் பெரும்பாலும் பயன்படுத்தப்படுகின்றன. இந்த மாதிரிகள் ஆயிரக்கணக்கான முதல் மில்லியன் கணக்கான மாதிரிப் படங்களைப் பயன்படுத்திப் பயிற்றுவிக்கப்படுவதால், பல்வேறு சூழ்நிலைகளிலும் பொருட்களை அடையாளம் காண்பதில் அவை மிகவும் துல்லியமாகச் செயல்படுகின்றன.

பழைய முறைகளைக் காட்டிலும் ஆழ் கற்றலின் நன்மை என்னவென்றால், அது பின்வரும் சூழ்நிலைகளிலும் பொருள்களை அடையாளம் காணும் திறன் கொண்டது:

– விளக்கு மாற்றங்கள்,
– வெவ்வேறு கேமரா கோணங்கள்,
– பகுதியளவு மறைக்கப்பட்ட பொருள்கள் (மறைப்பு),
– பரபரப்பான பின்னணி.

b. முகத்தை அடையாளம் காணுதல் மற்றும் நபரை மீண்டும் அடையாளம் காணுதல்
அலுவலகங்கள் அல்லது கட்டுப்படுத்தப்பட்ட அணுகல் உள்ள பகுதிகள் போன்ற குறிப்பிட்ட இடங்களில், முகத்தை அடையாளம் காணுதல் அல்லது நபரை மீண்டும் அடையாளம் காணுதல் ஆகியவற்றிற்கு செயற்கை நுண்ணறிவு உதவ முடியும்—அதாவது, ஆடை, உடல் வடிவம் அல்லது நடை போன்ற காட்சிப் பண்புகளின் அடிப்படையில் வெவ்வேறு கேமராக்களில் ஒரே நபரை அடையாளம் காண்பது.

முகங்கள் தெளிவாகத் தெரியாதபோதும் அல்லது முகக்கவசங்களால் மறைக்கப்பட்டிருக்கும்போதும், இந்தத் தொழில்நுட்பம் அடையாளங்காணல் துல்லியத்தை மேம்படுத்துகிறது. இருப்பினும், இதில் இன்னும் சில வரம்புகளும் தனியுரிமைச் சிக்கல்களும் உள்ளன, அவற்றை கண்டிப்பாகக் கையாள வேண்டும்.

c. இயக்கப் பகுப்பாய்வு மற்றும் நடத்தை கண்டறிதல்
சந்தேகத்திற்கிடமான நடத்தையைக் கண்டறிய, செயற்கை நுண்ணறிவால் இயக்க முறைகளைப் பகுப்பாய்வு செய்ய முடியும். உதாரணமாக:
– யாராவது தடைசெய்யப்பட்ட பகுதிக்குள் நுழைகிறார்கள்,
– மருத்துவமனைகள் அல்லது முதியோர் இல்லங்களில் வீழ்ச்சியைக் கண்டறிதல்,
– நீரோட்டத்திற்கு எதிராகச் செல்லும் வாகனங்கள்,
– திடீரெனக் கூட்டம் உருவாதல் (கூட்டத்தைக் கண்டறிதல்),
– ஆபத்தை ஏற்படுத்தக்கூடிய பொருள்கள் விடப்பட்டுள்ளன (விடப்பட்ட பொருளைக் கண்டறிதல்).

இந்த அணுகுமுறையின் மூலம், சிசிடிவி வெறும் ஆவணப்படுத்தும் கருவியாக இல்லாமல், ஒரு முன்னெச்சரிக்கை அமைப்பாக மாறுகிறது.

d. சென்சார்கள் மற்றும் துணைத் தரவுகளின் ஒருங்கிணைப்பு
செயற்கை நுண்ணறிவு, காணொளித் தரவை பின்வரும் பிற மூலங்களுடன் இணைக்கும்போது கண்டறிதல் துல்லியம் மேம்படுகிறது:
– கதவு சென்சார்,
– எச்சரிக்கை,
– அணுகல் கட்டுப்பாடு,
– செயல்பாட்டு அட்டவணைத் தரவுகள்,
– தடைசெய்யப்பட்ட பகுதிகள் மற்றும் மண்டலங்களின் வரைபடங்கள்.

உதாரணமாக, கிடங்கு இயங்காத நேரத்தில் அதில் நடமாட்டம் இருந்தால், கணினி அமைப்பு உயர் முன்னுரிமை கொண்ட எச்சரிக்கையை வெளியிடும்.

4. தவறான எச்சரிக்கைகளைக் குறைத்தல்: துல்லியத்தன்மைக்கு பெரும்பாலும் கவனிக்கப்படாத திறவுகோல்

துல்லியத்தன்மையின் சிறந்த குறிகாட்டிகளில் ஒன்று, 'அதிகமாகக் கண்டறிவது' மட்டுமல்ல, 'சரியாகக் கண்டறிவது'மாகும். தவறான எச்சரிக்கைகளைக் குறைப்பதற்காக, செயற்கை நுண்ணறிவு அடிப்படையிலான சிசிடிவி பெரும்பாலும் பயன்படுத்தப்படுகிறது, இவை பொதுவாக பின்வரும் காரணங்களால் ஏற்படுகின்றன:

– நகரும் நிழல்கள்,
லென்ஸுக்கு அருகில் மழை அல்லது பூச்சிகள்,
– கடுமையான ஒளி மாற்றங்கள்,
– காற்றில் பறக்கும் மரங்கள் அல்லது கொடிகள்.

நவீன செயற்கை நுண்ணறிவானது, சுற்றுச்சூழல் இரைச்சலிலிருந்து மனித நடமாட்ட முறைகளையும் தொடர்புடைய பொருட்களையும் பிரித்தறியும் திறன் கொண்டது. மேலும், இந்த அமைப்பு சூழல் சார்ந்த வடிகட்டலைச் செய்ய வல்லது; உதாரணமாக, ஒரு குறிப்பிட்ட பொருள் ஒரு குறிப்பிட்ட பகுதிக்குள் ஒரு குறிப்பிட்ட காலத்திற்குள் நுழைந்தால் மட்டுமே எச்சரிக்கையை அனுப்பும்.

5. பல்வேறு துறைகளில் உண்மையான பயன்பாடு

அ. அலுவலகங்கள் மற்றும் வரையறுக்கப்பட்ட அணுகல்
அணுகல் அமைப்புகளுடன் ஒருங்கிணைப்பதன் மூலம், அங்கீகரிக்கப்பட்ட நபர்கள் மட்டுமே உள்ளே நுழைவதை செயற்கை நுண்ணறிவு உறுதி செய்கிறது. மற்றவர்களைப் பின்தொடர்ந்து அங்கீகாரம் இல்லாமல் நுழையும் பட்சத்தில், தானியங்கி அறிவிப்புகள் தோன்றும்.

b. தொழில் மற்றும் தொழிற்சாலைகள்
தலைக்கவசங்கள் மற்றும் மேலங்கிகள் போன்ற தனிநபர் பாதுகாப்பு உபகரணங்களின் (PPE) பயன்பாட்டைக் கண்டறிவதன் மூலம், அபாயகரமான பகுதி கண்காணிப்பை மேம்படுத்த முடியும். முறையான உபகரணங்கள் இல்லாமல் தொழிலாளர்கள் அபாய மண்டலத்திற்குள் நுழைந்தால், செயற்கை நுண்ணறிவு (AI) அவர்களை எச்சரிக்க முடியும்.

சி. போக்குவரத்து மற்றும் போக்குவரத்து நெரிசல்
போக்குவரத்து விதிமீறல்கள், திடீர் வாகன நிறுத்தங்கள் மற்றும் விபத்துக்களைக் கூட கண்டறிய செயற்கை நுண்ணறிவு உதவுகிறது. நிலையங்கள் அல்லது முனையங்களில், அபாயகரமான நெரிசலைத் தவிர்க்க, பயணிகளின் அடர்த்தியை செயற்கை நுண்ணறிவால் கண்டறிய முடியும்.

d. சில்லறை மற்றும் வணிக வளாகங்கள்
செயற்கை நுண்ணறிவு அடிப்படையிலான சிசிடிவி, திருட்டுக்கு வழிவகுக்கக்கூடிய சந்தேகத்திற்கிடமான நடத்தைகளைக் கண்டறிவதோடு, மக்கள் வந்து செல்லும் முறைகள் மற்றும் அதிகக் கூட்டம் உள்ள பகுதிகள் போன்ற செயல்பாட்டு சார்ந்த தகவல்களையும் வழங்குகிறது.

6. சவால்கள்: தனியுரிமை, பாரபட்சம் மற்றும் தரவுத் தரம்

பயனுள்ளதாக இருந்தாலும், சிசிடிவியில் செயற்கை நுண்ணறிவைப் பயன்படுத்துவதில் சவால்களும் உள்ளன:

– தனியுரிமை மற்றும் ஒழுங்குமுறை: தெளிவான சட்ட அடிப்படை, ஒப்புதல் அல்லது தரவு ஆளுகை இல்லாத பட்சத்தில், முக அடையாளங்காணல் பயன்பாடு தனியுரிமையை மீறக்கூடும்.
நெறிமுறைச் சார்பு: பயிற்சித் தரவு பன்முகத்தன்மை கொண்டதாக இல்லாவிட்டால், மாதிரிகள் சில குறிப்பிட்ட குழுக்களில் துல்லியமற்றவையாக இருக்கலாம்.
– கேமராவின் தரம் மற்றும் சூழல்: குறைந்த தெளிவுத்திறன், தவறான கோணங்கள் அல்லது குறைந்த வெளிச்சம் கொண்ட கேமரா, மாடலின் செயல்திறனைக் குறைக்கக்கூடும்.
– தரவுப் பாதுகாப்பு: சிசிடிவி காணொளிக் காட்சிகள் மற்றும் பகுப்பாய்வு மெட்டாடேட்டா ஆகியவை அங்கீகரிக்கப்படாத அணுகலிலிருந்து பாதுகாக்கப்பட வேண்டும்.

பொதுவான தீர்வுகளில் தரவு தக்கவைப்புக் கொள்கைகள், குறியாக்கம், அணுகல் தணிக்கை, அடையாளம் மறைத்தல் (எ.கா., முகத்தை மங்கலாக்குதல்) மற்றும் மேலும் பிரதிநிதித்துவ மாதிரிகளுக்குப் பயிற்சி அளித்தல் ஆகியவை அடங்கும்.

7. எட்ஜ் ஏஐ மற்றும் கிளவுட் ஏஐ ஒப்பீடு: துல்லியம் மற்றும் பதிலளிப்பு மீதான தாக்கம்

சிசிடிவிக்கான செயற்கை நுண்ணறிவை இதில் இயக்கலாம்:
– கிளவுட்: பகுப்பாய்வு ஒரு மைய சேவையகத்தில் மேற்கொள்ளப்படுகிறது. பெரிய அளவிலான பயன்பாட்டிற்கு ஏற்றது, ஆனால் இணைப்பு மற்றும் தாமதத்தைப் பொறுத்தது.
– எட்ஜ் (சாதனத்தில்/NVR): தரவு மூலத்திற்கு அருகில் நேரடிப் பகுப்பாய்வு. வேகமான நிகழ்நேரப் பதில் மற்றும் அதிக அலைவரிசைத் திறன்.

துல்லியத்தைப் பொறுத்தவரை, ஊடுருவல் கண்டறிதல் அல்லது பணியிட விபத்துகள் போன்ற மில்லி விநாடி பதில்கள் தேவைப்படும் நேர்வுகளில் எட்ஜ் ஏஐ பெரும்பாலும் அதிக நிலைத்தன்மையுடன் செயல்படுகிறது, அதே சமயம் ஆழமான பகுப்பாய்வு மற்றும் மையப்படுத்தப்பட்ட மாதிரிப் பயிற்சிக்கு கிளவுட் சிறந்து விளங்குகிறது.

8. எதிர்காலம்: மேம்பட்ட மற்றும் அதிக அறநெறி சார்ந்த கண்காணிப்பு அமைப்புகள்

எதிர்காலத்தில், சிசிடிவி மூலம் கண்டறியும் துல்லியம் பின்வரும் வழிகளில் தொடர்ந்து மேம்படும்:
– இலகுவான அதே சமயம் சக்திவாய்ந்த ஒரு AI மாடல்,
– இடச் சூழல்களுக்கு ஏற்ப தொடர்ச்சியான கற்றல்,
– பல்வகை செயற்கை நுண்ணறிவு (காணொளி, ஒலி மற்றும் உணரிகளை ஒருங்கிணைத்தல்),
– அறநெறி சார்ந்த ஆளுகை, வெளிப்படைத்தன்மை மற்றும் ஒழுங்குமுறை இணக்கம் ஆகியவற்றில் கவனம் செலுத்துதல்.

சிசிடிவி என்பது இனி வெறும் “பதிவு செய்வது” மட்டுமல்ல, அது அபாயங்களை முன்கூட்டியே கணிக்கவும், விரைவான முடிவெடுப்பதற்கு உதவவும், மேலும் இலக்கு சார்ந்த மனிதத் தலையீட்டின் மூலம் பாதுகாப்பை மேம்படுத்தவும் திறன் கொண்ட ஒரு அமைப்பாக உருவெடுத்துள்ளது.

முடிவுரை

சிசிடிவி கண்டறிதல் துல்லியத்தை மேம்படுத்துவதில் செயற்கை நுண்ணறிவின் பங்கு குறிப்பிடத்தக்கது. பொருள் கண்டறிதல், கண்காணித்தல், நடத்தை பகுப்பாய்வு மற்றும் தவறான எச்சரிக்கைகளை வடிகட்டுதல் ஆகியவற்றின் மூலம், செயற்கை நுண்ணறிவு சிசிடிவியை ஒரு செயலற்ற அமைப்பிலிருந்து, நிகழ்நேர எச்சரிக்கைகளை வழங்கக்கூடிய ஒரு செயலூக்கமான பாதுகாப்பு கருவியாக மாற்றுகிறது. இருப்பினும், அதன் செயலாக்கம் தனியுரிமை, தரவுப் பாதுகாப்பு மற்றும் சார்புநிலையைக் குறைத்தல் ஆகியவற்றில் தீவிர கவனம் செலுத்துவதோடு சமநிலைப்படுத்தப்பட வேண்டும். சரியான அணுகுமுறையுடன், செயற்கை நுண்ணறிவு பாதுகாப்பை மட்டுமல்ல, செயல்பாட்டுத் திறனையும், சம்பவ பதிலளிப்பின் தரத்தையும் மேம்படுத்த முடியும்.

நீங்கள் விரும்பினால், இந்தக் கட்டுரையை ஒரு குறிப்பிட்ட சூழலுக்கு (எ.கா. குடியிருப்புகள், தொழிற்சாலைகள், பள்ளிகள் அல்லது போக்குவரத்து) ஏற்றவாறு என்னால் மாற்றியமைக்க முடியும், அல்லது எழுத்து நடையை இன்னும் முறைசார்ந்ததாகவோ, சஞ்சிகை போன்றதாகவோ, பரவலாகப் பயன்படுத்தப்படும் வகையிலோ, அல்லது விளக்கக்காட்சிப் பொருட்களுக்காகவோ மாற்ற முடியும்.