توسعه پردازش لبه در دوربینهای مدار بسته جهت تحلیل هوشمند تصاویر با رویکرد حفظ حریم خصوصی

گسترش دوربین های مداربسته در شهرهای هوشمند، مراکز درمانی، محیط های صنعتی، سامانه های حمل و نقل عمومی، مراکز آموزشی و زیرساخت های حیاتی ماهیت نظارت تصویری را دگرگون کرده است. دوربین هایی که در گذشته بیشتر برای ثبت و بازبینی وقایع به کار می رفتند، امروز با کمک بینایی ماشین، یادگیری عمیق و پردازش لبه به اجزایی فعال در فرایند تشخیص، تحلیل و هشداردهی تبدیل شده اند. با این حال معماری رایج مبتنی بر ارسال مداوم ویدئوی خام به سرور مرکزی یا فضای ابری مشکلاتی مانند تاخیر پردازشی، مصرف بالای پهنای باند، هزینه ذخیره سازی، افزایش سطح حمله سایبری و نقض حریم خصوصی افراد را ایجاد می کند. این مقاله با رویکردی تحلیلی-توسعه ای، نقش پردازش لبه را در دوربین های مداربسته هوشمند با تاکید بر حفظ حریم خصوصی بررسی می کند. مسئله اصلی مقاله آن است که نسل آینده سامانه های نظارت تصویری نباید فقط دقیق تر ببیند بلکه باید مسئولانه تر ببیند. به بیان دیگر، تشخیص رخداد باید با حداقل پردازش داده های شناسایی پذیر انجام شود. بر اساس مطالعات جدید، حفظ حریم خصوصی در تحلیل ویدئو تنها به تار کردن چهره محدود نیست بلکه باید در سطح داده خام، ویژگی های استخراج شده، مدل یادگیری ماشین، ارتباطات شبکه ای و سیاست های دسترسی انسانی بررسی شود. در این مقاله ابتدا معماری های ابری، لبه ای و Cloud-Edge-Terminal بررسی می شوند و سپس روش هایی مانند ناشناس سازی بلادرنگ، استخراج ویژگی های غیرقابل بازسازی، یادگیری فدرال و حریم خصوصی تفاضلی تحلیل می گردند. در ادامه چارچوبی پیشنهادی با عنوان «دوقلوی حریم خصوصی رویداد محور» ارائه می شود. در این چارچوب سامانه به جای ذخیره و ارسال تصویر کامل افراد، از هر رخداد یک نمایش انتزاعی حداقلی و تصمیم پذیر تولید می کند؛ نمایشی که برای واکنش عملیاتی کافی است اما برای شناسایی مستقیم افراد تا حد امکان ناکافی خواهد بود. این رویکرد می تواند در محیط هایی مانند بیمارستان های هوشمند، مدارس، مراکز سالمندان، مترو، فرودگاه ها، کارخانه های حساس و شهرهای هوشمند کاربرد ویژه داشته باشد.

کلیدواژه ها:

پردازش لبه ، دوربین مداربسته ، تحلیل هوشمند تصویر ، حفظ حریم خصوصی ، Edge AI