کاربرد هوش مصنوعی لبه ای در سامانه های دوربین مداربسته برای تشخیص رخدادهای امنیتی و کاهش هشدارهای اشتباه

گسترش روز افزون سامانه های دوربین مدار بسته در محیط های امنیتی نیاز به پردازش هوشمند و بلادرنگ تصاویر را بیش از پیش آشکار ساخته است. رویکردهای سنتی مبتنی بر پردازش ابری با چالش هایی نظیر تاخیر در انتقال داده، مصرف پهنای باند بالا و نگرانی های حریم خصوصی مواجه اند. هوش مصنوعی لبه ای (Edge AI) به عنوان راهکاری نوین پردازش داده را مستقیما بر روی دستگاه دوربین یا در نزدیکی منبع داده انجام می دهد و از این طریق تاخیر را به حداقل رسانده و امنیت داده را افزایش می دهد. این مقاله به بررسی مروری کاربرد هوش مصنوعی لبه ای در سامانه های دوربین مداربسته با تمرکز بر دو حوزه اصلی می پردازد: تشخیص رخدادهای امنیتی و کاهش هشدارهای اشتباه. مطالعات اخیر نشان می دهند که به کارگیری مدل های سبک وزن یادگیری عمیق نظیر YOLOV۸ و شبکه های عصبی کانولوشنی بهینه شده بر روی سخت افزارهای لبه امکان تشخیص رخداد در زمان واقعی را با دقت بالا فراهم می سازد. همچنین استفاده از روش های یادگیری زمینه محور و تحلیل رفتاری نرخ هشدارهای کاذب را به میزان قابل توجهی کاهش می دهد. در این مقاله معماری های رایج Edge AI، الگوریتم های تشخیص ناهنجاری، چالش های پیاده سازی و مقایسه روش های موجود مورد بحث قرار می گیرند.

کلیدواژه ها:

هوش مصنوعی لبه ای ، دوربین مدار بسته ، تشخیص رخداد امنیتی ، کاهش هشدار اشتباه ، یادگیری عمیق