×

Video Analiz CCTV 'nin Geleceği mi?



Video Analiz CCTV 'nin Geleceği mi? 

Aral Ekrem Uzun 
 


Neden Video Analize İhtiyaç Duyarız?

Yüksek güvenlikli bir tesisin çok tecrübeli güvenlik amiri, kurulumu yapan firmaya videowall ekranlarının ortasına bir haber kanalının canlı yayınının verilmesini istediğinde herkes çok şaşırmıştı. Güvenlik kameralarının canlı olarak izlenmesi için görevlendirilen personel neden televizyon yayını izleyebilecekti? Yaşlı kurt şöyle cevapladı, orada televizyon yayını olmazsa çok kısa bir süre sonra izlemeyi bırakırlar ancak televizyona bakarken belki yandaki kamera görüntülerine de gözleri kayar ve bir olay yakalayabilirler. 

 

Bu olaydan yıllar sonra ABD’deki bir araştırmada iki veya daha fazla monitörün 12 dakika sürekli olarak izlenmesi durumunda güvenlik personelinin ekranda olan aktivitenin %45’ini kaçırdığı, 22 dakika sonra ise bu oranın %95’e çıktığı tespit edildi. Ben de güvenlik odasını izleyen kameraların kayıtları hızla ileri sarıldığında, CCTV operatörlerinin gün boyu izleme performanslarına bir çok defa şahit oldum. Her insan gibi onların da başlarını sabit bir açıda belirli bir süre tuttuklarında boyunları ağrıyor; telefona bakma, haberleri okuma, su içme, yemek yeme, ailesini arama, mesai arkadaşı ile sohbet etme gibi insani ihtiyaçları için gözlerini veya dikkatini ekrandan ayırması gerekiyordu. Özetle insanın fiziksel sınırları sebebi ile canlı video görüntülerinin incelenmesi ve bu videolardan sağlanan büyük verinin analizi yapılarak sağlıklı ve doğru aksiyon alınması mümkün olmuyordu. 

İşte bu noktada video analiz teknolojisi insanlık için kurtarıcı oldu. Video analitikler, CCTV sisteminde görüntüler izlenir ve kaydedilirken üretilen video içeriğinin bilgisayarla işlenmesi ve otomatik analizinin yapılmasını sağlar. Görüntüler canlı olarak izlenirken yazılım, izlenen ortamdaki ilgisiz aktiviteleri önemsemeden insan ve objelerin davranış ve özelliklerini tanımlar ve kullanıcının daha doğru kararlar almasını sağlar. Bu sebeplerden dolayı son yıllarda hızla gelişen yapay zeka ve derin öğrenme teknolojilerinin de katkısıyla video analiz teknolojisi yalnızca güvenlik değil bir çok farklı sektörde ilgi çekmekte ve her geçen gün daha fazla kullanılmaktadır. 

Küresel video analiz pazarı 2019’da 4,1 milyar dolar büyüklüğe ulaşmış olup, 2027’de 21,7 milyar dolara ulaşacağı öngörülmektedir. Bu da yılda ortalama %22,7‘lik bir hızla büyüyeceği anlamına geliyor. Dolayısı ile güvenlik sektörü profesyonellerinin video analizin ne olduğunu, sınırlarını ve donanım gereksinimlerini daha iyi anlamak ve anlatabilmek durumundadır. 

Video Analiz Nedir? Nasıl Çalışır?

Video analiz; tehditleri, şüpheli olayları ya da gerçek zamanlı davranışları algılamak ve tanımlamak için video görüntülerini sayısal olarak analiz eden sinyal işleme sistemidir.

Video içerik analizi iki farklı şekilde yapılabilir: gerçek zamanlı olarak belirli olayların sistemi alarm oluşturacak şekilde tetiklemesi ya da kayıt sonrası adli amaçlı analiz yapmak, aranan bir aktiviteyi ya da alarm görüntüsünü bulmak için gelişmiş arama şeklinde.

Analiz edilen veriler çeşitli video kaynaklarından gelebilir. En yaygın olanları CCTV kameraları, trafik kameraları ve çevrimiçi video akışlarıdır. Uygun protokolü (ör. RTSP: gerçek zamanlı akış protokolü veya HTTP) kullanan herhangi bir video kaynağı video analiz sistemlerine entegre edilebilir.

Öncelikle olayların meydana gelebileceği alanı net olarak görebilen bir görüş açısına sahip olunmalıdır. Veri işleme gücü yeterliyse ne kadar çok veri olursa video analiz o kadar başarılı olacaktır. 

Video analiz yazılımları merkezi sunucular üzerinde merkezi olarak çalıştırılabilir veya uç eleman olan kameralarda, kameraların üzerinde bulunan işlemcilerle gerçekleştirilebilir. 

Analiz kameralar üzerinde yapıldığında merkez sunucularda işlenecek veri azalacaktır. Analiz merkezi sunucularda yapıldığı takdirde kamera sayısı arttıkça ihtiyaç olan işlemci gücü ve bant genişliği aşırı miktarda artabilir. Yazılım sunucuya yalnızca şüpheli olaylarda veri gönderilecek şekilde konfigüre edilirse ağ trafiği ve depolama alanı ihtiyacı azalacaktır. 

Sektörde video analizi merkezi sunucularda gerçekleştiren ürünleri mi, kamera üzerinde gerçekleştiren ürünleri mi tercih etmeliyiz sorusu sıkça sorulmaktadır. Burada her iki tip sistem de seçilebilir ancak yatırım kararı alınmadan önce sistemin denenmesinde fayda olacaktır. Şu unutulmamalıdır ki video analiz başarısı birçok parametreye bağlıdır ve hangi tipi seçerseniz seçin mutlaka karar vermeden önce kullanacağınız kamera ve yazılım demo talep edilerek test edilmelidir. Demo sırasında sistemin başarısını gerçek zamanlı görüntü ve olaylarla test ederek ihtiyacınız olacak donanım özelliklerini belirleyebilecek, yapacağınız yatırım sonucunda elde edeceğiniz faydayı değerlendirebileceksiniz. 

Video Analiz Çeşitleri

Tüm video analizler benzer şekilde kullanılır, aranılan olayın parametreleri ayarlanır, alarm durumu için uyarı şekli belirlenir. Böylece kriterlerimize uygun olay gerçekleştiğinde yazılım size alarm verir. 
 
Günümüzde en yaygın kullanılan video analizlerden bazıları aşağıda listelenmiştir: 

• Sanal hat geçiş tespiti: Belirlenmiş sanal çizgiyi geçen nesne tespit edilir. Nesnenin sanal çizgiyi geçiş yönü de belirlenebilir. 
 


• Hareket algılama: Hareket tüm sahne içerisinde ya da belirlenmiş bir sanal bölgede tespit edilebilir. 
 

• Bırakılan obje tespiti: Belirlenen sanal alanda beliren ve önceden belirlenen süreden uzun süre burada kalan obje tespit edilir.
 
 
 
• Alınan obje tespiti: Belirlenen sanal bölgeden kaybolan, önceden belirlenen süreden uzun süre kaybolan nesne tespit edilir. 

 
 

• Kamera sabotaj alarmı: Kameranın izlediği sahnede ani değişimleri tespit eder. Kameranın açısının değiştirilmesi, görüşünün engellenmesi, spreyle boyanması, fokusunun belirgin bir şekilde bozulması bu alarmı tetikler. 
 


• Yüz algılama: İnsan yüzünün temel özelliklerini tanıyarak insan yüzünü algılar.
 
 

•    Düşme algılama: Belirlenen alanda bir insan düştüğünde alarm oluşturulur. Ayrıca bu analiz adli amaçlı olarak davalarda, geçmiş kayıtlara bakarak bir kişinin neden düştüğünü tespit ederken de düşme anını bulmak ve soruşturmayı hızlandırmak için kullanılabilir. 
 

•    Aşırı Hız Tespiti: Bir kişi ya da vasıta kameranın görüş açısında önceden tanımlanmış hızdan daha hızlı hareket ederse alarm oluşturularak takip altına alınabilir, cezai işlem uygulanabilir. 
 

• Yüz tanıma alarmı: Kolluk güçleri saldırganları hızla belirlemede ve gerçek zamanlı uyarı oluşturmada yüz tanıma teknolojisi tarafından onaylanan daha önceden kayıt altına alınmış dijital resimleri kullanır. Veri tabanındaki resimlerle canlı video akışlarındaki yüz verileri anlık olarak karşılaştırılır ve kimlik tespiti yapılarak aranan şahıslar için alarm oluşturulur.
 
 

•İş Zekası Analizleri: İnsan sayma, ısı haritası, sıra uzunluğu tespiti gibi analizlerle müşteri davranışını ve deneyimini geliştirmekte kullanılır. 
  

AI (Yapay Zeka) ve Deep Learning (Derin Öğrenme) Teknolojilerinin Video Analizde Kullanımı

Bir sorunu çözmek için grafik işleme birimi (GPU) üzerinde paralel olarak çalışan sinir ağının birbirine bağlı işlem elemanları, insan beynini ve onun milyarlarca birbirine bağlı nöronunu taklit etmek için tasarlanmıştır. Derin öğrenme olarak bilinen yapay zekanın bu yönü, eski sistemlere göre çok daha üstün performans sağlayan geleceğin CCTV sistemlerinin temelini atmaktadır.

Bu yöntem video gözetim sistemlerinin etkinliğini dönüştürmeye başladı bile. Geçmişte bilgisayarlar video analitik algoritmaları kullanılarak programlanıyordu. Buna karşılık, derin öğrenme sistemleri “eğitilmiştir”. Bir kediyi tanımlamak istiyorsanız, sistemin daha küçük bileşenlere ayırdığı ve ortak noktaları aradığı çok sayıda kedi görüntüsünü sisteme yüklersiniz.  Daha sonra örnekler arasındaki ortak özellikleri sistem “öğrenir”.

Eğitimi en üst düzeye çıkarmak için, bir sisteme ne kadar çok veri sunulursa, o kadar rafine hale gelir.  Yani sistem o kadar çok "öğrenir". Derin öğrenme sistemleri, birçok veri örneğine maruz kalarak kalıpları ayırt eder ve genellemeye başlar.

Bir bilgisayar programcısı, bir bilgisayara bir arabanın neye benzediğini söylemek için aylar harcayabilirken, bir sinir ağı birçok örneğe maruz kalarak "öğrenebilir"; ek bir programlama gerektirmez. Ancak bir sinir ağını eğitmek de zaman alır; tamamlanması saatler veya günler alabilir. Eğitim ayrıca yoğun hesaplamalar gerektirir. 

 

Bununla birlikte, bir sinir ağı bir kez eğitildikten sonra örneğin yeni bir görüntünün kedi olup olmadığına karar vermek için kullanılabilir. Bu karar hesaplama açısından daha az yoğundur, bu da eğitimli derin öğrenme sistemlerinin ağ video kaydedicileri (NVR'lar) gibi cihazlarda ve hatta ağ ucundaki video kameralarda kullanılabilmesini sağlar.

Derin öğrenme, insanüstü örüntü tanıma doğruluğu sağlayabilir, gereksiz bilgileri eleyebilir ve binlerce özelliği sınıflandırıp tanıyabilir. Bu nitelikler, onu özellikle video analitik uygulamaları için faydalı kılar.

Derin öğrenme sahnenin arka planına bağlılık gibi eski video analizlerdeki sınırlamaları ortadan kaldırabilir. Derin öğrenme, aynı zamanda, ince ayrıntıları ayırt etmede insanlardan daha ustadır. Video analiz, derin öğrenme yeteneği ile çok daha karmaşık ve doğrulukla çalışır. Eskiden hedefleri belirlemek için kullanılan programlanmış yaklaşımlardan daha doğru sonuçlar verir.

AI, her zamankinden daha fazla video gözetiminin olduğu bir çağdaş günümüzün çözümüdür. Günümüzde güvenlik operatörlerinin takip edemeyeceği kadar çok sayıda kamera ve çok fazla kayıtlı video çekiliyor. Yazının başında da bahsettiğim gibi insanların dikkat süreleri kısadır. AI sıkılmayan bir teknolojidir ve insanlardan daha fazla video verisini analiz edebilir. Sistemler en önemli olayları öne getirmek ve kullanıcıların dikkatine yönelik iç görü sunmak için tasarlanmıştır. İnsanlara en iyi yaptıkları şeyi yapmaları için gerekli zamanı ve enerjiyi sağlar: kritik kararlar almak.

Başlıktaki sorumuzun cevabına gelecek olursak; ben CCTV sistemlerinin en önemli bileşenlerinin video analiz haline geldiği ve bu analizlerde yapay zeka ve derin öğrenme teknolojilerinin gelecekte öne çıkacağı kanaatindeyim. Yani video analiz CCTV’nin geleceği olması bir yana, bugünü de olmuştur. 

Eskiden CCTV sistemlerinden beklentimiz zar zor tespit edilebilen bir eşkal iken; günümüzde bir hastanede yere düşen hastaları, bir fabrikada baret takmayan personelleri, bir kent meydanında aranan bir suçluyu, bir mağazada en çok rağbet gören ürünleri bize bildirmesini bekliyoruz. Artan beklentiler ve çoğalan kullanım alanları daha fazla işlemci gücü, daha akıllı yazılım ve donanımlar ve yapay zekâ teknolojilerinin kullanımını zorunlu kılıyor. Her konuda olduğu gibi burada da optimizasyon gerekli. Video analize ayırılacak bütçeyi belirlerken aşırıya kaçmamak ve kullanılmayacak video analizlere gereksiz lisans ücretleri ve donanım maliyetleri ödememek gerekli. Bunun için ihtiyaçları iyi belirlemek, teknolojinin geldiği seviyeyi iyi tanımak ve çalışır sistem demolarını karşılaştırarak doğru karar vermek gerekiyor. 


Kaynakça:
1-https://tryolabs.com/resources/video-analytics-guide/
2-https://www.alliedmarketresearch.com/video-analytics-market
3-https://www.xenonstack.com/blog/ai-based-video-analytics/
4-https://www.sourcesecurity.com/insights/basics-artificial-intelligence-deep-learning-physical-security-sb.1548833876.html
5-https://www.sourcesecurity.com/insights/artificial-intelligence-enable-deep-learning-video-analytics-sb.1549877546.html





 
Paylaş:
E-BÜLTEN KAYIT
Güncel makalelerimizden haberdar olmak için e-bültene kayıt olun!
Sosyal Medyada Bizi Takip Edin!
E-Bülten Kayıt