Trí tuệ nhân tạo (AI) là một lĩnh vực của khoa học máy tính nhấn mạnh việc tạo ra các máy móc thông minh hoạt động và phản ứng như con người.

Một số hoạt động của máy tính có trí tuệ nhân tạo được thiết kế bao gồm: Nhận dạng giọng nói, Học tập (học lệnh, học những hành vi thích nghi), Lập kế hoạch, Giải quyết vấn đề

Thời đại ngày nay được gọi là Trí Tuệ Nhân Tạo (AI) và Internet vạn vật (IoT), nó được vận hành bởi robot và chúng được thay thế con người. Bài viết này chúng tôi đề cập đến Trí Thông Minh Nhân Tạo cho Camera CCTV, Giám Sát Video.

Công nghệ Trí Tuệ Nhân Tạo Cho Camera Quan sát Và Giám Sát Video

 Trí thông minh nhân tạo cho Camera CCTV hoặc giám sát video sử dụng các chương trình phần mềm máy tính phân tích hình ảnh từ camera giám sát video để nhận dạng con người, phương tiện hoặc vật thể. Đây là phần lập trình phần mềm để xác định các khu vực hạn chế trong tầm nhìn của camera (chẳng hạn như khu vực có rào chắn, bãi đỗ xe nhưng không phải là vỉa hè hoặc đường công cộng bên ngoài lô đất) và chương trình cho các thời điểm trong ngày (chẳng hạn như sau khi đóng cửa doanh nghiệp) đối với tài sản đang được bảo vệ bởi camera giám sát. Trí thông minh nhân tạo sẽ gửi một cảnh báo nếu nó phát hiện ra một kẻ xâm phạm phá vỡ bộ quy tắc đã được định nghĩa mà không ai được phép ở khu vực đó trong thời gian đó trong ngày.

  Chương trình AI hoạt động bằng cách sử dụng thị giác máy. Tầm nhìn máy là một loạt các thuật toán, hoặc các thủ tục toán học, hoạt động như một biểu đồ dòng chảy hoặc một loạt các câu hỏi để so sánh đối tượng nhìn thấy với hàng trăm ngàn hình ảnh tham chiếu được lưu trữ của con người ở các tư thế, góc độ, vị trí và chuyển động khác nhau. AI tự hỏi liệu đối tượng quan sát có di chuyển như hình ảnh tham chiếu hay không, liệu nó có cùng chiều cao với kích thước so với chiều rộng hay không, nếu nó có hai cánh tay và hai chân đặc trưng, nếu nó di chuyển với tốc độ tương tự và thay vào đó là theo chiều dọc của ngang. Nhiều câu hỏi khác là có thể, chẳng hạn như mức độ mà đối tượng phản chiếu, mức độ ổn định hoặc rung động và độ mượt mà khi nó di chuyển. Kết hợp tất cả các giá trị từ các câu hỏi khác nhau, một xếp hạng tổng thể được rút ra từ đó cung cấp cho AI xác suất rằng đối tượng có phải là con người hay không?. Nếu giá trị vượt quá giới hạn được đặt ra, thì cảnh báo sẽ được gửi đi. Đặc trưng của các chương trình là chúng tự học ở một mức độ nào đó, ví dụ như con người hoặc phương tiện xuất hiện lớn hơn ở một số phần nhất định của hình ảnh được giám sát – những khu vực gần camera, so với các phần khác, những khu vực xa nhất từ camera.

  Ngoài quy tắc đơn giản hạn chế con người hoặc phương tiện từ một số khu vực nhất định vào những thời điểm nhất định trong ngày, các quy tắc phức tạp hơn có thể được thiết lập như:

* Người sử dụng hệ thống có thể xem và quy định hướng xe được lái.

* Người dùng có thể muốn biết rằng có nhiều hơn một số người nhất định trong một khu vực cụ thể. AI có khả năng duy trì sự giám sát của hàng trăm camera cùng một lúc.

* Khả năng phát hiện ra một kẻ xâm phạm ở xa hoặc trong mưa hoặc chói là vượt trội so với khả năng của con người.

 Loại AI để bảo mật này được gọi là loại dựa trên quy tắc của Cameron vì một lập trình viên con người phải đặt quy tắc cho tất cả những điều mà người dùng muốn được cảnh báo. Đây là hình thức phổ biến nhất của AI trong vấn đề bảo mật. Nhiều hệ thống camera giám sát video ngày nay bao gồm loại khả năng AI này được gọi là camera giám sát AI. Ổ cứng chứa chương trình có thể được đặt trong máy ảnh hoặc có thể ở trong một thiết bị riêng biệt nhận đầu vào từ máy ảnh.

camera giám sát video ngày nay bao gồm loại khả năng AI

  Một hình thức AI dựa trên quy tắc mới hơn, không dựa trên quy tắc để bảo mật được gọi là phân tích hành vi, đã được phát triển. Phần mềm này hoàn toàn tự học mà không có đầu vào lập trình ban đầu của người dùng hoặc nhà thầu bảo mật. Trong loại phân tích này, AI tìm hiểu hành vi bình thường đối với con người, phương tiện, máy móc và môi trường dựa trên quan sát của chính họ về các mẫu có các đặc điểm khác nhau như kích thước, tốc độ, độ phản xạ, màu sắc, nhóm, hướng dọc hoặc ngang và v.v.

  AI bình thường hóa dữ liệu trực quan, nghĩa là nó phân loại và gắn thẻ các đối tượng và mô hình mà nó quan sát được, xây dựng các định nghĩa được tinh chỉnh liên tục về hành vi bình thường hoặc trung bình cho các đối tượng quan sát khác nhau. Sau vài tuần học theo cách này, nó có thể nhận ra khi mọi thứ phá vỡ mô hình. Khi nó quan sát thấy sự bất thường như vậy, nó sẽ gửi một cảnh báo. Ví dụ, việc lái xe trên đường phố là bình thường. Một chiếc xe nhìn thấy lái xe lên vỉa hè sẽ là một sự bất thường. Nếu một sân có hàng rào thường trống vào ban đêm, thì một người đi vào khu vực đó sẽ là một sự bất thường.