SECURITY REPORT CYPRUS 13

Ανίχνευση Ομοιότητας 39 | Summer Edition 2024 SECURITY REPORT Cyprus Όταν πρόκειται να επιλέξουμε τις τεχνολογίες αναγνώρισης προσώπου ή πινακίδων κυκλοφορίας, θα πρέπει να εξετάσουμε προσεκτικά το σενάριο χρήσης. 1 Η αναγνώριση προσώπου, που βασίζεται στη βαθιά μάθηση, εξάγει μοναδικά χαρακτηριστικά από μια εικόνα προσώπου, τα κωδικοποιεί και στη συνέχεια, τα συγκρίνει με εικόνες που έχουν προστεθεί στη λίστα παρακολούθησης. 2 Εκεί που η αναγνώριση προσώπου ή η αναγνώριση πινακίδων κυκλοφορίας δεν μπορεί να αποτελέσει επιλογή, λόγω του τρόπου ρύθμισης των καμερών ή των κανονισμών του απορρήτου, οι χειριστές μπορούν να χρησιμοποιήσουν τη λειτουργία ανίχνευσης ομοιότητας. 3 ενός προσώπου σε έναν σταθμό τρένου ή η αναγνώριση του αριθμού μίας πινακίδας στην είσοδο ή την έξοδο ενός χώρου στάθ- μευσης. Σε σενάρια περιορισμένης αναγνώρισης παίζουν ρόλο οι ακόλουθοι παράγοντες: • Μια εξειδικευμένη κάμερα χρησιμοποιείται συνήθως για έναν και μόνο σκοπό και τοποθετείται με συγκεκριμένο τρόπο. • Η κάμερα βρίσκεται σε ένα ελεγχόμενο (περιορισμένο) περιβάλλον, όπου οι συμπεριφορές του αντικειμένου είναι κάπως προβλέψιμες, όπως ένα όχημα που επιβραδύνει ή σταματά σε μια είσοδο ή έξοδο ενός χώρου στάθμευσης ή ένα άτομο που περνά μέσα από μια πύλη. • Οι συνθήκες σκηνής (όπως ο φωτισμός) είναι ελεγχόμενες και οι βέλτιστες. Άλλες λύσεις αναγνώρισης προσώπου και LPR έχουν κατασκευαστεί για να αναγνωρίζουν και να εντοπίζουν ένα άτομο υπό δύσκολες συνθήκες. Δύσκολες συνθήκες μπορεί να είναι τα ακραία καιρικά φαινόμενα, ο ελάχιστος έως μηδαμινός φωτισμός, ένας χώρος όπου εισέρχονται και εξέρχονται καθημερινά χιλιάδες άτομα, αυ- τοκινητόδρομοι κ.λπ. Με άλλα λόγια, η έγκαιρη ανίχνευση πραγ- ματοποιείται ανάλογα με τους στόχους που έχουμε θέσει και τους περιορισμούς που μπορεί να υπάρχουν σε μία τοποθεσία. Έτσι, σε «δύσκολα» σενάρια βιντεοεπιτήρησης θα χρειαστούμε μία λύση ανάλυσης βίντεο που θα έχει σχεδιαστεί ακριβώς για να ξεπερνά τις προκλήσεις που αναφέραμε παραπάνω. Ανίχνευση ή εμφάνιση ομοιότητας - Μία εναλλακτική τεχνολογία αναγνώρισης: Όπως αναφέραμε παραπάνω, οι λύσεις αναγνώρισης προσώπου και LPR ενισχύουν το έργο των αρχών, καθώς αποτελούν ένα ευφυές εργαλείο για την αντιμετώπιση της εγκληματικότητας. Ωστόσο, όταν τα πρόσωπα ή οι πινακίδες κυκλοφορίας δεν μπορούν να αναγνωριστούν «ξεκάθαρα» με τη χρήση των εν λόγω τεχνολογιών, η λεγόμενη ομοιότητα εμφάνισης αποτελεί μια σημαντική προσθήκη που βοηθά το έργο των αρχών και γενικότερα των χειριστών. Επιπλέον, το απόρρητο ή οι νομικοί περιορισμοί ενδέχεται να απα- γορεύουν τη χρήση αναγνώρισης προσώπου ή το LPR, καθιστώντας την ομοιότητα εμφάνισης ως τον μόνο τρόπο για την αποτελεσματική αναγνώριση ενός ατόμου ή οχήματος στο βίντεο. Η ομοιότητα εμφάνισης βοηθά στον εντοπισμό των αντικειμένων που μας ενδιαφέρουν (με βάση προκαθορισμένα χαρακτηριστικά αντικειμένων, όπως το φύλο, καπέλα, χρώματα ρούχων κ.λπ.). Μπορεί επίσης να βασίζεται στο μοντέλο του Deep Neural Network, δηλαδή στο υποσύνολο των μεθόδων μηχανικής μάθησης που βασίζονται σε τεχνητά νευρωνικά δίκτυα, που είναι παρόμοιο με την αναγνώριση προσώπου. Εκεί που η αναγνώριση προσώπου ή η αναγνώριση πινακίδων κυ- κλοφορίας δεν μπορεί να αποτελέσει επιλογή, λόγω του τρόπου ρύθμισης των καμερών ή των κανονισμών του απορρήτου, οι χει- ριστές μπορούν να χρησιμοποιήσουν τα κριτήρια αναζήτησης που αναφέρονται παραπάνω, όπως το φύλο και το χρώμα των ρούχων και στη συνέχεια να προχωρήσουν σε σύγκριση. Σε τέτοιες περιπτώσεις, μια μηχανή αντιστοίχισης ομοιότητας που βασίζεται σε αλγόριθμους βαθιάς μάθησης, θα είναι εξίσου αποτελεσματική για την εύρεση συγκεκριμένων προσώπων και οχημάτων στο βίντεο. Μπορεί το φιλτράρισμα ομοιότητας να μην συγκρίνεται με αυτό των παραδοσιακών λύσεων αναγνώρισης που ξέρουμε, ωστόσο είναι βέβαιο πως θα μειώσει τον χρόνο απόκρισης και θα επιτρέψει με τον έναν ή τον άλλο τρόπο στους χειριστές να εντοπίζουν τελικώς τους επιθυμητούς στόχους. Οι δυνατότητες αναγνώρισης αποτελούν σημαντικό μέρος της ανάλυσης βίντεο και οι οργανισμοί που αναζητούν μια τέτοια λύση πρέπει να λαμβάνουν σοβαρά υπόψη τις ανάγκες και τους περιορισμούς σχετικά με τις εν λόγω τεχνολογίες. Υπάρχουν ολο- κληρωμένες, επεκτάσιμες και αρκετά ισχυρές λύσεις που προσφέρουν τα βέλτιστα αποτελέσματα σε κάθε περίπτωση. Υπάρχουν όμως και ορισμένες λύσεις ανάλυσης βίντεο που ανταποκρίνονται με ευελιξία στις ανάγκες της αναγνώρισης – η οποία διέπεται από τους περιορισμούς που θεσπίζει κάθε χώρα – και επιτρέπουν στους χειριστές να πάρουν τα μέγιστα από τη ροή του βίντεο με υπευθυνότητα. n