ما هو مشروع EGM Gözcü؟ كيف يعمل نظام الذكاء الاصطناعي والتعرف على الوجه؟
ما هو مشروع EGM Gözcü، وكيف يعمل، وما هي الأغراض التي يُستخدم من أجلها؟ نستعرض كاميرات التعرف على الوجه التابعة للمديرية العامة للأمن (EGM) للكشف عن الأشخاص المطلوبين، وتحليل الصور المدعوم بالذكاء الاصطناعي، ومقارنة قواعد البيانات، وأنظمة التنبيه التلقائية. نشرح تطور المشروع من المصادر الرسمية، وتطبيقاته لعام 2026، وقيوده الفنية، وأبعاد أمن البيانات الشخصية.
تُستخدم أنظمة كاميرات المراقبة كعنصر مهم لأمن المدن منذ سنوات عديدة. ولكن مع تطور تقنيات الذكاء الاصطناعي ومعالجة الصور، تجاوزت وظيفة الكاميرات مجرد تسجيل الصور.
في الوقت الحاضر، تستطيع بعض أنظمة المراقبة بالفيديو الذكية اكتشاف أجسام معينة أو وجوه بشرية في لقطات الكاميرا، ومقارنة البيانات المستحصلة مع سجلات مرجعية محددة، وإرسال تنبيهات تلقائية إلى الوحدات الأمنية عند وجود احتمال للتطابق.
في تركيا، أحد تطبيقات هذه التكنولوجيا في مجال الأمن العام هو مشروع Gözcü، الذي يُنفذ ضمن المديرية العامة للأمن (EGM).
يهدف مشروع Gözcü إلى المساهمة في تحديد الأشخاص المطلوبين، وإبلاغ الوحدات الأمنية، وتنفيذ أنشطة إنفاذ القانون بشكل أكثر فعالية، وذلك بالاستفادة من تقنيات اكتشاف الوجه والتعرف عليه.
يشمل المشروع، المدرج في خطط العمل الرسمية لوزارة الداخلية، تركيب كاميرات اكتشاف الوجه في مختلف الأماكن العامة وتطوير البنية التحتية للتحليل ذات الصلة.
وتشير التطبيقات التي تناولتها الصحافة في عام 2026 إلى أن الكاميرات المستخدمة ضمن نطاق مشروع Gözcü للمتابعة تدعم عمل فرق الأمن من خلال إصدار تنبيهات تلقائية تتعلق بالأشخاص المطلوبين.
إذًا، ما هو مشروع EGM Gözcü، وكيف يعمل، وفي أي المجالات يُستخدم، وكيف تساهم أنظمة التعرف على الوجه المدعومة بالذكاء الاصطناعي في الوحدات الأمنية؟
ما هو مشروع EGM Gözcü؟
مشروع Gözcü هو مشروع تقني أمني مرتبط بتقنيات التعرف على الوجه وتحليل الصور وأنظمة المعلومات ذات الصلة التي تستخدمها المديرية العامة للأمن لدعم أنشطتها في مكافحة الجريمة والمجرمين.
وفقًا للمعلومات المعلنة للجمهور، يهدف المشروع إلى مقارنة صور الوجوه الملتقطة بواسطة الكاميرات الموضوعة في نقاط مناسبة مع الصور المرجعية في قاعدة بيانات الشرطة، وإرسال إشعارات إلى فرق الأمن في حال وجود تطابقات محتملة.
يختلف هذا النهج عن أنظمة الدوائر التلفزيونية المغلقة (CCTV) التقليدية.
فبينما يمكن لكاميرا المراقبة القياسية عرض وتسجيل منطقة معينة، يمكن لنظام مزود ببنية تحتية للتعرف على الوجه، في ظل الظروف الفنية والقانونية المناسبة، مقارنة ملامح وجوه الأشخاص في الصورة مع السجلات المرجعية.
الهدف الأساسي لمشروع Gözcü هو دعم جهود إنفاذ القانون للكشف عن الأشخاص المطلوبين من خلال تحليل لقطات الكاميرا.
ومع ذلك، فإن التطابق الذي ينتجه النظام تلقائيًا لا يعني أن هوية الشخص قد تم تحديدها بشكل قاطع أو أنه يمكن اتخاذ إجراء قانوني مباشر بحقه. من المهم أن يتم تقييم الإشعارات من قبل أفراد الأمن المعنيين.
كيف يعمل مشروع Gözcü؟
يمكن تقييم النهج التشغيلي العام لأنظمة التعرف على الوجه المستخدمة في مشروع Gözcü من خلال أمثلة التطبيقات المعلنة للجمهور.
في خبر لوكالة الأناضول بتاريخ 12 مايو 2026 من أرضروم، تم الإعلان عن أن كاميرات التعرف على الوجه تقارن الصور الفورية مع صور الأشخاص المطلوبين في قاعدة بيانات الشرطة، وترسل إشعارات تلقائية لفرق الأمن في حالة التطابق.
بناءً على هذه المعلومات، يمكن تلخيص سير عمل النظام المعلن للجمهور على النحو التالي:
1. الحصول على صورة الكاميرا
تلتقط كاميرات المراقبة الموضوعة في نقاط محددة الصور ضمن مجال رؤيتها.
في أنظمة اكتشاف الوجه، تعد جودة الصورة وموقع الكاميرا وزاوية عرض الوجه وظروف الإضاءة عوامل مهمة.
2. اكتشاف الوجه البشري
يحاول برنامج معالجة الصور تحديد المنطقة التي يوجد فيها وجه بشري ضمن الصورة الملتقطة.
تُعرف هذه العملية تقنيًا باسم اكتشاف الوجه (Face Detection).
اكتشاف الوجه ليس نفس عملية تحديد هوية الشخص.
3. تحليل ملامح الوجه
في تقنيات التعرف على الوجه العامة، تُستخرج ميزات رقمية يمكن استخدامها للمقارنة من صورة الوجه المكتشفة.
يمكن مقارنة هذه الميزات مع الميزات الموجودة في الصور المرجعية باستخدام خوارزميات مناسبة.
ومع ذلك، لا يمكن التحقق من البنية المعمارية الدقيقة ونوع النموذج ومعايير المطابقة للخوارزمية المستخدمة في مشروع Gözcü بالتفصيل من المصادر المتاحة للجمهور.
4. المقارنة مع قاعدة البيانات المرجعية
تذكر تطبيقات عام 2026 المعلنة للجمهور أن صور الكاميرا تُقارن مع صور الأشخاص المطلوبين الموجودة في قاعدة بيانات الشرطة.
الهدف هنا هو تحديد تطابقات الصور التي قد تكون مرتبطة بالأشخاص المطلوبين.
لا تتوفر تفاصيل كافية في المصادر المتاحة للجمهور حول النطاق الكامل لقاعدة البيانات المستخدمة، وسياسة التخزين الخاصة بها، وجميع اتصالاتها الفنية.
5. إنشاء تنبيه تلقائي
يمكن للنظام إرسال تنبيه إلى الوحدات الأمنية المعنية عند استيفاء شروط التطابق المحددة.
يساعد التنبيه الفرق الميدانية على تقييم التطابق المشتبه به.
6. تقييم الوحدات الأمنية
بعد الإشعار، تقوم فرق الأمن بتقييم المعلومات ذات الصلة والظروف الميدانية وإجراء الفحوصات اللازمة.
مهمة نظام التعرف على الوجه هي دعم تقييم أفراد إنفاذ القانون. لا ينبغي اعتبار نتيجة التطابق التي تنتجها الخوارزمية بمفردها تحديدًا قاطعًا للهوية.
يشرح سير العمل هذا مبادئ التعرف البيومتري العامة جنبًا إلى جنب مع معلومات التطبيق المعلنة للجمهور. إنه ليس مخططًا تقنيًا نهائيًا للبنية الداخلية غير المعلنة لنظام Gözcü.
متى بدأ مشروع Gözcü؟ وماذا يوجد في المصادر الرسمية؟
يمكن تتبع تطور مشروع Gözcü من خلال تقارير الأنشطة للمديرية العامة للأمن وخطط العمل لوزارة الداخلية.
2022–2023: وحدات البرمجيات والتحليل
يشير تقرير الأنشطة الإدارية للمديرية العامة للأمن لعام 2023 إلى أنه تم تفعيل وحدات مختلفة ضمن نطاق مشروع مركز التحليل.
يذكر التقرير أنه في عام 2022، تم إضافة وحدات Kartal Göz وAPI-PNR وTren إلى مشروع Gözcü.
بالإضافة إلى ذلك، توجد معلومات تتعلق بوحدات المستشفى والحافلات، وفي عام 2023، وحدات تغيير المركبات والقائمة السوداء؛ ويُعلن أن العدد الإجمالي للوحدات في مشروع مركز التحليل قد وصل إلى 25.
ومع ذلك، لا ينبغي تفسير الـ 25 وحدة المذكورة في التقرير على أنها عدد الوحدات التابعة لنظام التعرف على الوجه Gözcü فقط. يشير هذا العدد إلى إجمالي مشروع مركز التحليل الأوسع.
2024: هدف التوسع في محطات الحافلات والمطارات
تتضمن خطة عمل وزارة الداخلية لعام 2024 أهدافًا ملموسة لتوسيع مشروع Gözcü.
توضح الخطة أنه في إطار دراسات التعرف على الوجه التي تُجرى بالتعاون مع رئاسة الصناعات الدفاعية، يهدف المشروع إلى استخدام كاميرات اكتشاف الوجه في ما مجموعه 33 محطة حافلات ومطار واحد.
تتضمن الوثيقة أمثلة مثل محطة حافلات إسطنبول إيسنلر، ومحطة حافلات مرسين، ومحطة حافلات أنطاليا، بالإضافة إلى مناطق المطارات.
يهدف هذا العمل إلى تطوير بنية تحتية لاكتشاف الوجه عند نقاط دخول المركبات ونقاط عبور الركاب المشاة.
هناك تمييز مهم هنا: الرقم المذكور في الوثيقة، وهو 33 محطة حافلات ومطار واحد، هو هدف التوسع لعام 2024. ولا يثبت بمفرده أن جميع النقاط قد تم إنشاؤها في نفس التاريخ أو أن جميعها نشطة حاليًا.
2026: التطبيقات الميدانية
تشير التقارير الإخبارية التي نُشرت في أرضروم وموغلا عام 2026 إلى أن مشروع Gözcü يُستخدم لإنشاء تنبيهات تلقائية بخصوص الأشخاص المطلوبين.
على وجه الخصوص، أفيد بأن مديرية أمن ولاية أرضروم تقوم بأعمال للكشف عن الأشخاص المطلوبين عبر كاميرات التعرف على الوجه ضمن نطاق مشروع Gözcü للمتابعة.
تدعم هذه الأخبار أن المشروع ليس مجرد عمل في مرحلة التخطيط، بل له استخدام تشغيلي في أماكن محددة.
في أي المجالات يُستخدم مشروع Gözcü؟
تشير الخطط الرسمية والتقارير الميدانية المنشورة إلى أن المشروع يركز بشكل خاص على نقاط أمن عامة محددة.
محطات الحافلات ونقاط عبور الركاب
محطات الحافلات هي مرافق نقل يدخل ويخرج منها عدد كبير من الأشخاص.
في خطة عمل 2024، كان الهدف استخدام كاميرات اكتشاف الوجه عند نقاط عبور المركبات والمشاة في محطات الحافلات.
مناطق عبور المطارات
تضمنت الخطط الرسمية أيضًا تطبيقات اكتشاف الوجه في المطارات.
ومع ذلك، لا يمكن تعميم أن نفس النظام مثبت في كل مطار أو أن جميع الركاب يتم التعامل معهم بنفس التطبيق.
نقاط الكاميرات المحددة في المدن
في عام 2026، تم الإعلان للجمهور عن استخدام كاميرات التعرف على الوجه في نقاط مختلفة بالمدينة ضمن نطاق مشروع Gözcü للمتابعة في أرضروم.
تطبيقات أمنية أخرى
تهدف وحدات التحليل المطورة ضمن المشروع إلى مساعدة الوحدات الأمنية في تقييم مصادر البيانات المختلفة.
ومع ذلك، لا ينبغي وضع افتراضات حول القدرات التقنية الدقيقة للوحدات غير المعلنة أو نطاق تطبيقها في جميع المدن.
ما الفرق بين مشروع Gözcü ونظام KGYS؟
يشير نظام إدارة أمن المدينة (KGYS) إلى بنية تحتية أوسع للعرض والتسجيل والمراقبة والإدارة تُستخدم لأمن المدن.
أما Gözcü، فيبرز بوظائف التحليل مثل التعرف على الوجه والكشف عن الأشخاص المطلوبين، وفقًا للمعلومات المعلنة للجمهور.
| المقارنة | KGYS | مشروع Gözcü |
|---|---|---|
| التركيز الأساسي | عرض وإدارة الأمن على مستوى المدينة | الكشف عن الأشخاص المطلوبين وعمليات التحليل ذات الصلة |
| استخدام الكاميرا | بنية تحتية واسعة للمراقبة بالفيديو | تطبيقات كاميرا مناسبة لاكتشاف الوجه والتعرف عليه |
| تحليل البيانات | تحليلات أمنية مختلفة مرتبطة بالنظام | وظائف مقارنة الوجه والتنبيه التلقائي المعلنة للجمهور |
| الغرض التشغيلي | مراقبة الأحداث ودعم أنشطة إنفاذ القانون | دعم العمليات الميدانية بإشعارات التطابق المشتبه به |
| النطاق الفني | منصة أمن مدن متعددة المكونات | وحدات تحليل محددة وتكاملات ذات صلة |
توضح المقارنة الوظائف العامة المدعومة من المصادر المتاحة للجمهور. وهي ليست مخطط تكامل رسمي يحدد جميع البرامج والأجهزة واتصالات البيانات لكلا النظامين.
يجب التحقق من نقاط التكامل الفني وواجهات البيانات بين KGYS وGözcü بشكل خاص للمشروع.
ما الفرق بين مشروع Gözcü والدوائر التلفزيونية المغلقة التقليدية؟
تُستخدم أنظمة الدوائر التلفزيونية المغلقة (CCTV) القياسية بشكل أساسي لأغراض العرض والتسجيل.
أما أنظمة التعرف على الوجه، فيمكنها تمكين استخدام الصورة في عمليات مقارنة بيومترية محددة.
الدوائر التلفزيونية المغلقة التقليدية (CCTV)
تُنشئ صورًا.
يمكن أن توفر مراقبة حية.
يمكن أن تُنشئ تسجيلات.
تدعم مراجعة الحوادث من قبل المشغل.
الدوائر التلفزيونية المغلقة الذكية المدعومة بالتعرف على الوجه
يمكنها اكتشاف الوجوه داخل الصورة.
يمكنها استخراج ميزات الوجه المناسبة.
يمكنها إجراء مقارنات مع الصور المرجعية.
يمكنها إنشاء إشعارات تلقائية في ظل ظروف محددة.
يمكنها تسهيل مراجعة المشغل للتطابقات المحتملة.
ومع ذلك، ليست كل كاميرا IP لديها ميزة التعرف على الوجه.
وبالمثل، فإن وجود ميزة اكتشاف الأشخاص أو اكتشاف الوجه في الكاميرا لا يعني أن الجهاز يمكنه إجراء التعرف التلقائي على الهوية.
ما الفرق بين اكتشاف الوجه والتعرف على الوجه؟
غالبًا ما يتم الخلط بين هذين المفهومين في قطاع الأمن.
اكتشاف الوجه (Face Detection): يحاول تحديد ما إذا كان هناك وجه بشري في الصورة وموقعه.
التعرف على الوجه (Face Recognition): يحاول تقييم ما إذا كانت صورة الوجه تعود لنفس الشخص من خلال مقارنتها بصور مرجعية محددة.
التحقق من الوجه (Face Verification): يقيم ما إذا كانت هوية شخص معين المعلنة تتطابق مع صورة وجهه، عادةً من خلال مقارنة فردية.
تحديد الوجه (Face Identification): يبحث عن التطابقات المحتملة لوجه ما في قاعدة البيانات، عادةً بين سجلات متعددة.
تطبيقات مقارنة الأشخاص المطلوبين المعلنة للجمهور في مشروع Gözcü مرتبطة بنهج تحديد الوجه.
ومع ذلك، لا يمكن التحقق من خوارزميات المطابقة الدقيقة وقيم الأداء التي يستخدمها النظام من الوثائق العامة.
لماذا يُعد اختيار الكاميرا مهمًا في أنظمة التعرف على الوجه المدعومة بالذكاء الاصطناعي؟
لا يعتمد أداء أنظمة التعرف على الوجه على خوارزمية البرنامج وحدها.
جودة الصورة الملتقطة من الكاميرا مهمة أيضًا.
زاوية الكاميرا
تؤثر زاوية الوجه بالنسبة للكاميرا على تفاصيل الوجه التي يمكن التقاطها.
قد لا يتم التقاط بعض الميزات المميزة بشكل كافٍ في الوجوه التي تُعرض من زاوية عالية جدًا أو جانبية جدًا.
الإضاءة
يمكن أن تؤدي الإضاءة غير الكافية والإضاءة الخلفية والتعرض المفرط للضوء إلى تقليل جودة صورة الوجه.
العدسة والمسافة المستهدفة
تؤثر عدسة الكاميرا والمسافة المستهدفة على مساحة البكسل التي يشغلها الوجه في الصورة.
ومع ذلك، لا يمكن القول إن قيمة PPM معينة وحدها تضمن دقة التعرف على الوجه.
ضبابية الحركة
يمكن أن تؤدي أوقات التعرض غير المناسبة إلى ضبابية في صور وجوه الأشخاص الذين يمشون أو يتحركون بسرعة.
تركيب الكاميرا وصيانتها
يمكن أن تؤثر التغييرات في مجال رؤية الكاميرا أو تلوث العدسة أو تدهور الإعدادات البصرية على جودة الصورة.
لا ينبغي تحديد أداء التعرف على الوجه بمجرد النظر إلى دقة الكاميرا.
يجب تقييم ظروف التقاط الصورة والخوارزمية المستخدمة والاختبارات الميدانية الحقيقية معًا.
ما مدى دقة عمل التعرف على الوجه في مشروع Gözcü؟
لم أتمكن من التحقق من نتائج اختبارات دقة مستقلة وشاملة لنظام التعرف على الوجه المستخدم في مشروع Gözcü من المصادر المتاحة للجمهور.
لذلك، ليس من الصحيح إعطاء نسبة مئوية محددة للنظام.
بشكل عام، هناك مؤشرات أداء أساسية يجب تقييمها في تقنيات التعرف على الوجه.
تطابق إيجابي خاطئ
قد يعتبر النظام شخصين مختلفين مرتبطين بنفس الشخص.
تُسمى هذه الحالة تطابقًا إيجابيًا خاطئًا.
تطابق سلبي خاطئ
قد يفشل النظام في مطابقة نفس الشخص الذي لديه سجلات مرجعية.
هذه حالة تطابق سلبي خاطئ.
جودة الصورة وقيم العتبة
يمكن أن تؤثر جودة صورة الوجه وعتبات القرار المستخدمة للمطابقة على معدلات الخطأ.
يمكن أن يؤدي تغيير العتبة إلى نتائج مختلفة بين الإنذارات الكاذبة والتطابقات الفائتة.
يقوم المعهد الوطني الأمريكي للمعايير والتكنولوجيا (NIST) بتقييم خوارزميات التعرف على الوجه ضمن دراسات تقييم تقنية التعرف على الوجه.
تُظهر أبحاث NIST أن معدلات نجاح الخوارزميات يمكن أن تختلف فيما يتعلق بجودة الصورة ونوع التطبيق والمتغيرات الديموغرافية.
ومع ذلك، لا يمكن استخدام نتائج الاختبارات التي أجراها NIST على خوارزميات من مصنعين مختلفين كأداء مباشر ومقاس لمشروع Gözcü.
لا ينبغي أن يحل التطابق المدعوم بالذكاء الاصطناعي للوجه، بمفرده، محل التحقق النهائي من الهوية أو التقييم المستقل لإنفاذ القانون.
كيف ينبغي تقييم مشروع Gözcü من حيث البيانات الشخصية والخصوصية؟
تُعد أنظمة التعرف على الوجه من أكثر تطبيقات تقنيات الأمن العام حساسية.
وذلك لأن البيانات البيومترية التي تُعالج لغرض تحديد هوية شخص بشكل فريد، تندرج ضمن البيانات الشخصية ذات الطبيعة الخاصة بموجب القانون رقم 6698 بشأن حماية البيانات الشخصية (KVKK).
ومع ذلك، قد تخضع إجراءات معالجة البيانات المتعلقة بالأمن العام وأنشطة إنفاذ القانون لتنظيمات قانونية مختلفة عن تطبيقات التعرف على الوجه التجارية القياسية.
المادة 28 من قانون حماية البيانات الشخصية (KVKK)
تنظم المادة 28 من القانون رقم 6698 الاستثناءات المتعلقة بمعالجة البيانات الشخصية في الأنشطة الوقائية والحمائية والاستخباراتية التي تقوم بها المؤسسات العامة المخولة بموجب القانون لأغراض محددة مثل الأمن العام والنظام العام.
ومع ذلك، فإن قيام مؤسسة ما بالعمل في مجال الأمن العام لا يعني أن جميع أنشطة معالجة البيانات تندرج تحت هذا الاستثناء دون قيد أو شرط.
يجب تقييم الغرض من المعالجة، والسلطة القانونية ذات الصلة، وطبيعة التطبيق، والضمانات القانونية الأخرى بشكل منفصل.
الأمن التقني وقابلية التدقيق
في الأنظمة التي تستخدم تحليل الصور البيومترية، تُعد النقاط التالية مهمة:
أن يتمكن الأشخاص المخولون فقط من الوصول إلى البيانات.
تسجيل عمليات الوصول والاستعلامات حسب الاقتضاء.
إدارة مخاطر التطابقات الخاطئة.
حماية سلامة البيانات وأمن الاتصالات.
تحديد سياسات الاحتفاظ بالبيانات وتدميرها بما يتوافق مع التشريعات ذات الصلة.
دعم نتائج التطابق التلقائي بتقييم بشري.
الحفاظ على الغرض من استخدام النظام وحدود الصلاحية.
لا ينبغي إصدار تصريحات قاطعة حول فترات الاحتفاظ بالبيانات غير المعلنة لمشروع Gözcü، وجميع صلاحيات الاستعلام، والبنية الأمنية الداخلية.
ما أهمية مشروع Gözcü بالنسبة للأمن العام؟
الوظيفة الأساسية المعلنة لمشروع Gözcü هي تقديم تحليل الصور لتحديد الأشخاص المطلوبين كدعم تشغيلي لفرق الأمن.
يمكن لهذا النهج، في ظل ظروف معينة، أن:
يقلل من الحاجة إلى مراجعة المشغل لعدد كبير من الصور بشكل فردي.
يساعد في اكتشاف التطابقات المحتملة بشكل أسرع.
يدعم تبادل المعلومات بين الوحدات الأمنية.
يُنشئ تنبيهات بشأن رؤية الأشخاص المطلوبين في نقاط كاميرا محددة.
يساهم في التقييمات الميدانية لفرق الأمن.
ومع ذلك، فإن تحقيق هذه المزايا على نطاق حقيقي يعتمد على دقة النظام، وإدارة الإنذارات الكاذبة، والإجراءات التشغيلية، والإشراف البشري الفعال.
قيمة الذكاء الاصطناعي في تطبيقات الأمن العام ليست مجرد توليد قرارات تلقائية، بل هي توفير معلومات موثوقة للموظفين المعنيين في الوقت المناسب.
ما هي التطبيقات المتعلقة بمشروع Gözcü التي أُعلنت في عام 2026؟
في عام 2026، تناولت الصحافة أمثلة ميدانية تتعلق بمشروع Gözcü للمتابعة في ولايات مختلفة.
الكشف عن الأشخاص المطلوبين بالتعرف على الوجه في أرضروم
في خبر لوكالة الأناضول بتاريخ 12 مايو 2026، أفيد بأنه تم الكشف عن شخص مطلوب بواسطة كاميرات التعرف على الوجه المستخدمة ضمن نطاق مشروع Gözcü للمتابعة في أرضروم، وتم القبض عليه نتيجة لعمل فرق الأمن.
وأوضح الخبر أن النظام يقارن صور الكاميرا الفورية مع الصور المرجعية في قاعدة بيانات الشرطة، ويرسل إشعارات تلقائية عند وجود تطابق.
وفي خبر آخر نُشر في أرضروم في مايو 2026، تم الإبلاغ أيضًا عن القبض على مشتبه به في جريمة قتل كان مطلوبًا منذ 10 سنوات، بعد عمليات نُفذت بناءً على تنبيهات صادرة عن كاميرات التعرف على الوجه.
التطبيق في مرماريس بموغلا
في أخبار فبراير 2026، أفيد بأنه بعد تلقي تنبيه بشأن شخص مطلوب من كاميرا مستخدمة ضمن مشروع Gözcü في مرماريس، قامت فرق الشرطة بعمل ميداني وتم القبض على شخص صدر بحقه أمر توقيف.
تُظهر هذه الأمثلة كيف يمكن استخدام أنظمة التعرف على الوجه في أنشطة إنفاذ القانون.
ومع ذلك، فإن أخبار القبض الفردية لا تُظهر معدل دقة النظام في جميع مجالات الاستخدام أو العدد الإجمالي للتركيبات في جميع أنحاء تركيا.
أسئلة متكررة حول مشروع Gözcü
ما هو مشروع EGM Gözcü؟
مشروع Gözcü هو مشروع أمني تستفيد فيه المديرية العامة للأمن من تقنيات اكتشاف الوجه والتعرف عليه وتحليل الصور ذات الصلة لدعم أنشطتها في مكافحة الجريمة والمجرمين.
هل يستخدم مشروع Gözcü الذكاء الاصطناعي؟
يستخدم المشروع تقنيات للتعرف على الوجه وتحليل الصور. يمكن تنفيذ هذه التقنيات بشكل عام باستخدام أساليب الذكاء الاصطناعي والتعلم الآلي. ومع ذلك، لم يتم الكشف عن البنية التقنية لجميع الخوارزميات المستخدمة للجمهور.
ما هو الغرض من مشروع Gözcü؟
وفقًا لخطط العمل الرسمية، فإن الغرض الأساسي هو تطوير قدرة التحليل والكشف التي تحتاجها الوحدات الأمنية في مكافحة الجريمة والمجرمين.
كيف تتعرف كاميرات Gözcü على الأشخاص؟
في التطبيقات المعلنة للجمهور، تُقارن صور الوجوه الفورية مع صور الأشخاص المطلوبين في قاعدة بيانات الشرطة؛ وفي حالة وجود تطابق محتمل، يُرسل تنبيه تلقائي إلى فرق الأمن المعنية.
في أي الولايات يُستخدم مشروع Gözcü؟
توجد أمثلة على الاستخدام التشغيلي التي تناولتها الصحافة في أرضروم وموغلا عام 2026. كما تضمنت خطة عمل وزارة الداخلية لعام 2024 أهدافًا للتوسع في محطات الحافلات ومطار واحد. لا يمكن تحديد قائمة كاملة بجميع نقاط التركيب النشطة من هذه المصادر.
ما هو معدل دقة التعرف على الوجه في مشروع Gözcü؟
لا يوجد معدل دقة على مستوى النظام تم التحقق منه بشكل مستقل في المصادر المتاحة للجمهور. لذلك، ليس من الصحيح إعطاء نسبة مئوية محددة.
هل Gözcü وKGYS نفس النظام؟
ليسا نفس المفهوم. يشير KGYS إلى بنية تحتية أوسع لعرض وإدارة أمن المدن. أما Gözcü، فيبرز بوظائف التعرف على الوجه والتحليل ذات الصلة. يجب تقييم نطاق التكامل التقني بشكل خاص للمشروع.
هل يمكن لأنظمة التعرف على الوجه أن تطابق شخصًا خاطئًا؟
نعم. بشكل عام، يمكن أن تحدث تطابقات إيجابية خاطئة وسلبية خاطئة في خوارزميات التعرف على الوجه. لذلك، من المهم تقييم الإشعارات التلقائية من خلال الفحوصات اللازمة.
هل اكتمل مشروع Gözcü على مستوى تركيا؟
تؤكد الوثائق العامة التي تم فحصها أهداف التوسع والتطبيقات التشغيلية في بعض الولايات. ومع ذلك، لم يتم التحقق من جرد رسمي حديث وشامل يوضح اكتمال التركيبات على مستوى البلاد.
الخلاصة: مشروع Gözcü أحد تطبيقات تحليل الفيديو الذكي في الأمن العام
يُعد مشروع EGM Gözcü أحد المشاريع التي تُظهر كيف يمكن تحويل أنظمة كاميرات المراقبة التقليدية إلى تطبيقات أمنية أكثر شمولاً باستخدام تحليل الصور المدعوم بالذكاء الاصطناعي وتقنيات التعرف على الوجه.
توضح خطط عمل وزارة الداخلية الأهداف المتعلقة بتطوير المشروع وتوسيع نطاقه ليشمل مجالات مختلفة. وتُظهر التقارير الميدانية المنشورة في عام 2026 الاستخدام التشغيلي للنظام للكشف عن الأشخاص المطلوبين.
ومع ذلك، لا يمكن قياس نجاح مثل هذه التقنيات بعدد الكاميرات فقط أو بمدى تطور الخوارزميات.
تُعد جودة الصورة، ودقة التعرف الفعلية، وإدارة التطابقات الخاطئة، ومعالجة البيانات الآمنة، وتقييم الموظفين المخولين، جميعها عوامل مهمة معًا.
القيمة الأساسية لأنظمة التعرف على الوجه المدعومة بالذكاء الاصطناعي في الأمن العام ليست في استبدال القرار البشري بشكل لا محدود؛ بل هي في توفير معلومات سريعة وقابلة للتقييم للوحدات الأمنية.
يُعد مشروع Gözcü أحد الأمثلة المهمة في تركيا على تحول أنظمة الدوائر التلفزيونية المغلقة من بنى تحتية تسجل الصور فقط إلى أنظمة تحلل الصور وتوفر معلومات لأنشطة الأمن.
المصادر
جمهورية تركيا وزارة الداخلية – خطة عمل 2024، مشروع Gözcü وأهداف توسيع التعرف على الوجه
المديرية العامة للأمن – تقرير الأنشطة الإدارية لعام 2023، مركز التحليل ووحدات Gözcü
وكالة الأناضول – الكشف عن شخص مطلوب في أرضروم بكاميرات التعرف على الوجه، 12 مايو 2026
خبرلر / وكالة إخلاص للأنباء – القبض على شخص مطلوب في مرماريس ضمن مشروع Gözcü، 19 فبراير 2026
المعهد الوطني الأمريكي للمعايير والتكنولوجيا (NIST) – تقييم تقنية التعرف على الوجه، تحديد 1
المعهد الوطني الأمريكي للمعايير والتكنولوجيا (NIST) – التأثيرات الديموغرافية في التعرف على الوجه
هيئة حماية البيانات الشخصية – الأمن العام والمادة 28 من القانون رقم 6698