تغيرات المشهد
أسيجة جديدة، لافتات، مركبات، رفوف، أي شيء يغيّر ما هو داخل الإطار يمكن أن يغيّر سلوك الكاشف، خاصةً عند حدود المناطق.
تتدهور تحليلات الموردين بصمت. تتغير المشاهد، وتتغير الإضاءة، وتتغير الأزياء. وبدون تدقيق دوري للدقة وحلقة لإعادة التدريب والضبط، يتحول نظام كاميرات الذكاء الاصطناعي إلى مولد للإنذارات الكاذبة. نحن ندير تلك الحلقة.
إن النموذج الذي شُحن مع كاميرا الذكاء الاصطناعي الخاصة بك قد دُرّب على مجموعة بيانات قد تشبه أو لا تشبه موقعك. وحتى عندما تشبهه، فإن المشاهد تنحرف. سياج إنشاءات جديد يلقي بظل. عباءات صيفية ومعاطف شتوية تغيّر توزيع الصور الظلية. أزياء جديدة، رفوف جديدة، أسطول مختلف من شاحنات التوصيل. نماذج كشف الكائنات المدرّبة مسبقاً (عادةً من عائلة YOLO/SSD/Faster-RCNN المضبوطة على COCO ومجموعة بيانات أمنية) تذكر عادةً [email protected] في نطاق 0.5–0.8 على شرائح المعيار، وأما ما تفعله فعلياً على مشهدك الفعلي فهو مسألة تجريبية، وليس ادعاء كتيب دعائي.
يظهر الانحراف بطريقتين: ترتفع الإيجابيات الكاذبة (تزداد ضوضاء المشغلين)، وتُفقد الأحداث الحقيقية (ينخفض معدل الإيجابيات الصحيحة). ولا يُعلن أي منهما. الطريقة الوحيدة لرصده هي القياس.

العينات. على فترات متفق عليها (أو وفق جدول عقد الصيانة)، نسحب عينة طبقية من الاكتشافات لكل كاميرا ولكل تحليل، عادةً 200–500 حدث لكل كاميرا، متوازنة عبر أوقات اليوم وأنواع الأحداث. ثم نصنفها يدوياً إلى صحيحة/كاذبة وفق التعريف التشغيلي.
المقاييس. نحسب الدقة والاسترجاع ومصفوفة الالتباس لكل فئة. ونقارن مع التدقيق السابق ومع خط أساس التشغيل. ونُعلِم أي كاميرا أو تحليل انحرف بأكثر من نحو 10 نقاط مئوية.
ضبط العتبة والمنطقة. الاستجابة الأولى للانحراف هي عادةً تعديل العتبة والمنطقة، وليست إعادة التدريب. نرفع حد الثقة، نضيق مضلع المنطقة، نعدّل مدة المكوث، نغيّر الجدول. ثم نعيد القياس.
إعادة التدريب أو استبدال النموذج. حيثما يدعم المورد ذلك، نضبط نموذج الكاميرا أو الخادم بعينات خاصة بالموقع. وحيث لا يدعمه، نقيّم تحليلات بديلة (جانب الخادم، مفتوحة المصدر، أو من مورد مختلف) على العينة المصنفة نفسها.

أسيجة جديدة، لافتات، مركبات، رفوف، أي شيء يغيّر ما هو داخل الإطار يمكن أن يغيّر سلوك الكاشف، خاصةً عند حدود المناطق.
زوايا الشمس الموسمية، إضاءات جديدة، إطفاء الأشعة تحت الحمراء، وهج من زجاج جديد، كلها تغيّر توزيع الإدخال واستجابة النموذج.
تحديثات الأزياء، ألوان جديدة لمعدات الوقاية، أساطيل مركبات جديدة، تغيّر توزيع الفئات الذي يراه النموذج مقارنة بما دُرب عليه.
إعادة تموضع العدسة، تراكم الأوساخ، فشل مرشح قطع الأشعة تحت الحمراء، انحراف تعويض التعرض، تغيرات صغيرة في الكاميرا قد تسبب تغيرات كبيرة في الكشف.
تُتفق الفترة لكل موقع. تستفيد المواقع عالية الحركة (محاور النقل، التجزئة المزدحمة) من فحوصات أكثر تكراراً، بينما يمكن للمواقع منخفضة الحركة (ساحات التخزين) إجراء التدقيق بوتيرة أقل دون مخاطر انحراف كبيرة.
ليس بالضرورة، ولا نوصي بذلك افتراضياً. حيثما يدعم التحليل الضبط الدقيق في الموقع، نستخدم عينات محلية تبقى داخل الموقع. وحيث تكون إعادة التدريب على سحابة المورد هي الخيار الوحيد، نوثّق تدفق البيانات وآثار قانون حماية البيانات الإماراتي قبل أن تغادر أي لقطات الموقع.
عندئذٍ يكون التدقيق هو أيضاً خط الأساس. نصنف عينة، ونحسب المقاييس، ونستخدم تلك الأرقام مرجعاً للتدقيقات المقبلة. ليس مثالياً، لكنه قابل للاسترداد.
نعم، نقدّم دليل تصنيف واستعلامات سحب العينات. يمكن لفرق التشغيل إجراء تدقيق ذاتي خفيف (50–100 حدث لكل كاميرا) بين التدقيقات الأعمق التي تجريها إمارتك.
يحدث ذلك. أحياناً تكون الإجابة الصحيحة تغيير الكاميرا (العدسة، الموضع، الموديل) أو المشهد (الإضاءة، موضع اللافتات) أو التحليل (مورد مختلف، خيار جانب الخادم). نوثّق المفاضلة والتكلفة في تقرير التدقيق.
معاينة موقع مجانية في أبوظبي والعين والظفرة. عرض سعر مكتوب ومفصّل، مكامل معتمد من ADMCC.
احصل على معاينة مجانية وعرض سعر بلا التزام من متخصصي الأمن المعتمدين من ADMCC في أبوظبي.
تحدث مع مهندسي إمارتك — نرد في يوم العمل نفسه في أبوظبي والعين. كاميرات مراقبة، أمن، تكنولوجيا معلومات، صوتيات ومباني ذكية.
الاثنين–السبت 8 صباحاً–7:00 مساءً · [email protected] · منذ 2018 · معتمدون من ADMCC لأنظمة الأمن