Yanlış Alarmlar Derin Öğrenme Teknolojisiyle Nasıl Azaltılır?
Derin Öğrenme Nasıl Çalışır? Yanlış alarmlar nasıl azaltılır?
Son iki yılda yapay zeka teknolojisi, konuşma tanıma, bilgisayar görme, sesli çeviri ve daha pek çok alanda başarılı oldu. Yüz doğrulama ve görüntü sınıflandırma alanlarında insan yeteneklerini bile aşarak, güvenlik sektörü için video gözetimi alanında son derece önemli bir hale geldi.
Derin öğrenme kavramı, insan beyninin çalışma biçiminden esin kaynağı alır. Beyin sinir ağı, birbirine bağlı milyarlarca nörondan oluşur ve derin öğrenme teknolojisi de bu yapıyı taklit eder. Çok katmanlı ağ yapısı, çeşitli sınıflandırmalara göre bilgi toplayabilir ve bunlara karşılık gelen eylemleri gerçekleştirebilir.
Hayvan ve insan ayrımını yapabilen gelişmiş insan ve nesne tanıma teknolojisi, güvenlik sistemleri için en önemli ve işlevsel gelişmelerden biri. Polis ve itfaiye istatistiklerine göre yanlış alarmlar, toplam alarm sayısının %94’ünü oluşturuyor ve kimi dönemlerde bu sayı %99’ları bulabiliyor. Gelişmiş algılama özellikleri ile yanlış alarm sayısı çok ciddi oranda düşürülerek, operasyonların verimliliği artırılabiliyor.
Derin Öğrenme Nasıl Çalışır?
Derin öğrenme bir çok açıdan diğer algoritmalardan farklılık gösterir. Geleneksel algoritmaların yetersiz kaldığı çoğu durumda, derin öğrenme kapsamlı çözümler sunabilir.Derin öğrenme için algoritma modeli geleneksel algoritmalara göre çok daha derin bir yapıya sahiptir ve insan öğrenme sürecine çok benzeyen, katmanlı özellik özetleme işlemini içerir. Her tabaka farklı önem seviyesine sahiptir ve görüntülerin "bileşenleri" hakkında ne öğrendiğini yansıtır. Katman seviyesi yükseldikçe bileşenler daha da belirginleşir. Tıpkı insan beyni gibi, derin öğrenmede orijinal bir sinyal, katmanlar yoluyla aktarılır. Daha sonra, nesneyi algılayabilmeye yönelik genel bir soyutlamadan, kısmi bir anlayışa ulaşılır.
Derin öğrenme süreci manuel müdahale gerektirmez, ancak özelliklerin açığa çıkarılması için bir bilgisayar gereklidir. Bu şekilde, açıklamanın zor veya imkansız olan soyut özellikler de dahil olmak üzere, mümkün olduğunca çok sayıda hedefi işleyebilir. Ne kadar fazla özellik varsa, tanıma ve sınıflandırma o kadar doğru olur. Derin öğrenme algoritmalarının sağladığı en önemli fayda insan kalıplarını tanıma doğruluğu, güçlü anti-parazit yetenekleri ve binlerce özelliği sınıflandırma ve tanıma becerisine sahip olmasıdır.
Mevcut sistemlerin karşılaştığı zorluklar
Konvansiyonel gözetim sistemleri çoğunlukla daha fazla analiz yapılmaksızın hareketli hedefleri tespit eder. Akıllı IP kameralar bile bir şekildeki tekil noktaları tek tek haritalayabilir. Bu durum bazı alın veya yanak gibi bazı özelliklerin kalibre edilmesini zorlaştırarak doğruluğu azaltır.Örneğin çevre güvenliği için diğer teknolojiler daha kapsamlı güvenlik sağlamak için kullanılabilir. Ancak tüm teknolojiler bazı dezavantajlara sahiptir. Kızılötesi dedektörlerde hayvanlardan kaynaklanan yanlış alarm oranı yüksektir. Elektronik çitler ise güvenlik açısından tehlikeli ve bazı bölgelerde sınırlı olmakla birlikte, aynı zamanda pahalı ve karmaşık da olabilir.
Hayvanlar, yapraklar veya hatta ışık gibi nesneler sıklıkla yanlış alarmlara neden olur. Bu nedenle insanın fiziki olarak tanımlanması, sistem işlevlerinin doğruluğunu geliştirir. Yanlış alarm sıklığı, ve her bir alarmın araştırılması için harcanan zaman, son kullanıcılar için verimliliği etkileyen önemli bir sorundur.
Diğer kullanımlar
Deep Learning – derin öğrenme teknolojisinin değeri, geleneksel güvenlikten daha fazlasını sunar. Örneğin, bireylerin hareket kalıplarını izlemek, gelecekte potansiyel bir tehdit olup olamayacağını ön görmeyi sağlayabilir. Sistem belirli bir mesafeden sanal çizgiler ya da belirli bir alanda on saniyeden fazla kalınması gibi çeşitli senaryolar için uyarlanabilir. Kişi belirtilen değerleri ihlal ederse, alarm tetiklenebilir. Daha sonra birey izlenerek, mevcut kalıbın tanımlanması için elde edilen verileri davranış veritabanıyla karşılaştırılabilir.DeepinMind Teknolojisi
Hikvision Derin Öğrenme çözümleri üç seviyede sunuluyor. DeepinView kamera, bir alarm tetiklendiğinde hedef izleme, derecelendirme ve hedef yakalama yapabiliyor. DeepinMind NVR kullanan 'geleneksel' IP kamera sistemi ise normal NVR ile karşılaştırıldığında, hedefler aranırken zamandan tasarruf eden akıllı arama yapabilme özelliğine sahip. DeepinView kamera ve DeepinMind NVR beraber kullanıldığında ise kameralardan gelen bilgiler analiz için NVR'ye gönderiliyor ve böylece kayıt ve yanlış alarm filtrelemesini hızlandırılıyor.