دوربین مداربسته تشخیص چهره؛ تفاوت Face Detection، Face Capture و Face Recognition
با پیشرفت فناوری تحلیل تصویر، سیستمهای نظارت تصویری علاوه بر ثبت و نمایش تصاویر، قابلیتهای پیشرفتهتری مانند تشخیص انسان، ثبت چهره و شناسایی افراد را نیز ارائه میکنند. این امکانات در بعضی ساختمانهای اداری، سازمانها، مراکز تجاری و ورودیهای کنترلشده کاربرد دارند.
با این حال، تمام دوربینهایی که از قابلیت تشخیص چهره برخوردار هستند، امکان شناسایی هویت افراد را ندارند. بعضی دوربینها فقط چهرههای قابل مشاهده را در تصویر پیدا میکنند و بعضی دیگر میتوانند تصاویر چهره را با یک بانک اطلاعاتی مقایسه کنند.
این تفاوت هنگام خرید تجهیزات اهمیت زیادی دارد؛ زیرا ممکن است کاربر دوربینی را با عنوان تشخیص چهره تهیه کند، اما پس از نصب متوجه شود محصول فقط قابلیت ثبت چهره دارد و برای مقایسه و شناسایی افراد به دستگاه ضبط یا نرمافزار دیگری نیاز است.
در این مقاله، تفاوت Face Detection، Face Capture و Face Recognition، نحوه عملکرد سیستم، تجهیزات موردنیاز، عوامل مؤثر بر دقت و نکات مهم طراحی و نصب را بررسی میکنیم.
سیستم تشخیص چهره به انتخاب دوربین، محل نصب و تجهیزات پردازش متناسب با پروژه نیاز دارد.
دوربین مداربسته تشخیص چهره چیست؟
دوربین مداربسته تشخیص چهره به دوربین یا سامانه نظارتی گفته میشود که میتواند چهره انسان را در تصاویر شناسایی و اطلاعات مربوط به آن را برای پردازش بیشتر استخراج کند.
بسته به نوع محصول، این پردازش ممکن است فقط به شناسایی محل چهره در تصویر محدود باشد یا شامل مقایسه ویژگیهای چهره با تصاویر مرجع و ارائه نتیجه تطبیق نیز شود.
در یک سیستم کامل شناسایی چهره، معمولاً مراحل زیر انجام میشوند:
- دوربین تصویر افراد حاضر در محیط را دریافت میکند.
- الگوریتم، چهرههای قابل مشاهده را در تصویر تشخیص میدهد.
- تصویر چهره استخراج و از نظر کیفیت بررسی میشود.
- الگوریتم ویژگیهای قابل استفاده برای مقایسه را استخراج میکند.
- ویژگیهای استخراجشده با اطلاعات ثبتشده در بانک چهره مقایسه میشوند.
- در صورت عبور نتیجه از آستانه تعریفشده، یک تطبیق احتمالی اعلام میشود.
- سیستم میتواند بر اساس تنظیمات، هشدار یا رویداد مشخصی ایجاد کند.
نکته مهم این است که نتیجه تطبیق الگوریتمی لزوماً به معنی تأیید قطعی هویت فرد نیست. کیفیت تصویر، شرایط محیط، تنظیمات سیستم و میزان شباهت چهرهها میتوانند بر نتیجه تأثیر بگذارند.
تفاوت Face Detection، Face Capture و Face Recognition چیست؟
یکی از مهمترین نکات در خرید دوربین تشخیص چهره، شناخت تفاوت اصطلاحات فنی است. این سه قابلیت به هم مرتبط هستند، اما وظیفه یکسانی ندارند.
۱. Face Detection؛ تشخیص حضور چهره
Face Detection یا تشخیص چهره به معنی شناسایی محل چهره انسان در تصویر است. در این مرحله، سیستم مشخص میکند که در کدام بخش تصویر یک یا چند چهره وجود دارد.
برای مثال، اگر فردی وارد محدوده دوربین شود، سیستم میتواند وجود چهره او را تشخیص دهد و ناحیه مربوط به چهره را در تصویر مشخص کند.
این قابلیت بهتنهایی هویت فرد را مشخص نمیکند و نمیگوید چهره شناساییشده متعلق به کدام شخص است.
۲. Face Capture؛ ثبت و استخراج تصویر چهره
Face Capture مرحلهای است که در آن سیستم از چهره شناساییشده، یک تصویر یا داده قابل پردازش استخراج میکند. این اطلاعات ممکن است برای ذخیرهسازی، جستجو، ثبت رویداد یا پردازش بعدی استفاده شوند.
در بعضی دستگاههای ضبط، امکان ذخیره تصاویر استخراجشده از چهره وجود دارد تا مدیر سیستم بتواند چهرههای ثبتشده را در رویدادهای مختلف بررسی کند.
با این حال، استخراج تصویر چهره به معنی شناسایی هویت آن شخص نیست. ممکن است یک NVR بتواند چهرهها را ثبت و ذخیره کند، اما قابلیت مقایسه آنها با بانک اطلاعاتی را نداشته باشد.
۳. Face Recognition؛ شناسایی و مقایسه چهره
Face Recognition مرحلهای پیشرفتهتر است که در آن سیستم ویژگیهای چهره را استخراج کرده و آنها را با نمونههای مرجع ذخیرهشده مقایسه میکند.
برای مثال، در یک ساختمان اداری ممکن است تصاویر مرجع افراد مجاز در سامانه ثبت شوند. سپس تصاویر چهرههای دریافتشده از ورودی با بانک اطلاعاتی مقایسه شوند تا تطبیق احتمالی مشخص شود.
این قابلیت میتواند برای جستجوی افراد ثبتشده، مدیریت رویدادها و بعضی کاربردهای کنترل دسترسی مورد استفاده قرار بگیرد؛ البته هر کاربرد به تجهیزات، نرمافزار و طراحی متناسب نیاز دارد.
| قابلیت |
وظیفه اصلی |
آیا هویت فرد مشخص میشود؟ |
| Face Detection |
تشخیص محل چهره در تصویر |
خیر |
| Face Capture |
استخراج و ثبت تصویر چهره |
خیر |
| Face Recognition |
مقایسه چهره با نمونههای مرجع |
تطبیق احتمالی ارائه میشود؛ نه تأیید قطعی |
در راهنمای برخی دستگاههای NVR هایکویژن نیز Face Capture و Face Picture Comparison بهعنوان دو قابلیت جداگانه معرفی شدهاند. این تفکیک نشان میدهد که صرفاً پشتیبانی از ثبت چهره به معنی پشتیبانی از مقایسه و شناسایی آن نیست.
تشخیص و مقایسه چهره میتواند در دوربین، دستگاه ضبط یا سامانه پردازش تصویر انجام شود.
تفاوت سیستم تشخیص چهره با سیستم تشخیص انسان چیست؟
تشخیص انسان و تشخیص چهره دو قابلیت متفاوت هستند. در سیستم تشخیص انسان، هدف اصلی شناسایی حضور یا حرکت یک فرد در تصویر است. این سیستم معمولاً به دنبال تشخیص نوع هدف است، نه شناسایی هویت او.
در مقابل، سیستم تشخیص چهره روی ویژگیهای قابل مشاهده صورت تمرکز دارد و در صورت پشتیبانی از Face Recognition میتواند چهره را با نمونههای مرجع مقایسه کند.
| ویژگی |
تشخیص انسان |
شناسایی چهره |
| هدف تحلیل |
تشخیص حضور انسان |
مقایسه ویژگیهای چهره |
| نیاز به بانک چهره |
معمولاً ندارد |
برای شناسایی افراد ثبتشده لازم است |
| شناسایی هویت |
خیر |
تطبیق احتمالی با نمونه مرجع |
| حساسیت به زاویه صورت |
معمولاً کمتر |
بیشتر و وابسته به الگوریتم |
| کاربرد رایج |
هشدار ورود افراد و تشخیص حرکت |
مقایسه چهره و جستجوی افراد ثبتشده |
برای مثال، اگر فردی با کلاه یا ماسک از مقابل دوربین عبور کند، سیستم تشخیص انسان ممکن است همچنان حضور او را تشخیص دهد؛ اما شناسایی چهره ممکن است به دلیل پوشیده شدن ویژگیهای صورت با محدودیت مواجه شود.
برای آشنایی با قابلیت تشخیص انسان و خودرو، مقاله راهنمای انتخاب دوربین مداربسته و مطالب مرتبط با تحلیل تصویر و انتخاب تجهیزات نظارتی را نیز بررسی کنید.
شناسایی چهره یکبهیک و یکبهچند چه تفاوتی دارند؟
سیستمهای شناسایی چهره میتوانند با دو روش اصلی، مقایسه را انجام دهند. شناخت تفاوت این دو روش برای انتخاب تجهیزات و تعیین کاربرد پروژه ضروری است.
تطبیق یکبهیک (1:1 Verification)
در این روش، چهره ثبتشده با یک نمونه مرجع مشخص مقایسه میشود تا مشخص شود آیا این دو نمونه به یک شخص تعلق دارند یا خیر.
برای مثال، فرد در یک سامانه ابتدا شناسه خود را وارد میکند و سپس چهره او با تصویر ثبتشده در پرونده همان شناسه مقایسه میشود.
در این حالت، سیستم قرار نیست همه افراد موجود در بانک اطلاعاتی را جستجو کند؛ بلکه فقط تطبیق با یک هویت مشخص انجام میشود.
جستجوی یکبهچند (1:N Identification)
در روش یکبهچند، چهره دریافتشده با چندین نمونه موجود در یک بانک اطلاعاتی مقایسه میشود تا نزدیکترین تطبیق احتمالی پیدا شود.
برای مثال، اگر چهرهای وارد سامانه شود، سیستم میتواند آن را با فهرست چهرههای ثبتشده مقایسه کند و نتیجه را بر اساس آستانه شباهت نمایش دهد.
هرچه تعداد تصاویر مرجع، کیفیت نمونهها و پیچیدگی الگوریتم بیشتر باشد، منابع پردازشی و مدیریت اطلاعات اهمیت بیشتری پیدا میکنند.
دوربین تشخیص چهره چگونه افراد را شناسایی میکند؟
در یک سامانه شناسایی چهره، پردازش تصویر معمولاً شامل چند مرحله است. جزئیات الگوریتم در محصولات مختلف متفاوت است، اما ساختار عمومی را میتوان به شکل زیر توضیح داد.
مرحله اول: دریافت تصویر
دوربین تصویر محیط را دریافت میکند. کیفیت تصویر، نورپردازی، وضوح و زاویه قرارگیری صورت از عوامل مهم این مرحله هستند.
مرحله دوم: تشخیص چهره
الگوریتم، محدودهای از تصویر را که شامل چهره است مشخص میکند. اگر صورت بسیار کوچک، تار یا پوشیده باشد، ممکن است تشخیص آن با مشکل مواجه شود.
مرحله سوم: استخراج ویژگیهای چهره
سامانه از تصویر چهره، ویژگیهای عددی قابل پردازش استخراج میکند. این اطلاعات معمولاً بهصورت یک الگوی زیستی یا Template برای مقایسه مورد استفاده قرار میگیرند.
مرحله چهارم: مقایسه با اطلاعات مرجع
ویژگیهای استخراجشده با نمونههای موجود در بانک اطلاعاتی مقایسه میشوند. سپس سامانه بر اساس الگوریتم و آستانه تنظیمشده، یک امتیاز شباهت یا نتیجه تطبیق ارائه میکند.
مرحله پنجم: ایجاد رویداد یا هشدار
در صورت برقرار بودن شرایط تعیینشده، سیستم میتواند نتیجه را در نرمافزار مدیریت تصویر نمایش دهد یا یک رویداد ایجاد کند. نحوه واکنش به نتیجه باید بر اساس سطح اطمینان، نیاز پروژه و بررسی انسانی تعریف شود.
کیفیت تصویر ورودی نقش مهمی در نتیجه پردازش و مقایسه چهره دارد.
تشخیص چهره در دوربین انجام میشود یا دستگاه NVR؟
محل انجام پردازش یکی از موارد مهم هنگام خرید سیستم است. در معماریهای مختلف، تحلیل تصویر ممکن است در خود دوربین، دستگاه ضبط یا یک سرور و نرمافزار مدیریت تصویر انجام شود.
۱. پردازش داخل دوربین (Edge Analytics)
در برخی دوربینها، قابلیت تحلیل چهره در داخل دستگاه انجام میشود. دوربین تصویر را دریافت و چهره را پردازش میکند و اطلاعات مربوط به رویداد را به دستگاه ضبط یا نرمافزار ارسال میکند.
مزیت این ساختار، کاهش وابستگی به پردازش متمرکز برای بعضی عملیات است؛ با این حال، تعداد چهرههای قابل پردازش، سرعت تحلیل و ظرفیت بانک اطلاعاتی به مدل و امکانات دوربین بستگی دارند.
۲. پردازش در دستگاه NVR
در این ساختار، دوربین تصویر را به دستگاه ضبط ارسال میکند و پردازش شناسایی چهره در NVR انجام میشود.
این روش در بعضی دستگاههای ضبط هوشمند وجود دارد، اما لازم است مشخص شود که NVR از چه تعداد کانال تحلیل چهره، چه ظرفیت پردازشی و چه امکاناتی برای بانک اطلاعاتی پشتیبانی میکند.
همچنین باید بین پشتیبانی دستگاه از Face Capture و Face Picture Comparison تفاوت قائل شد. ممکن است یک دستگاه فقط چهرهها را استخراج و ثبت کند، در حالی که دستگاه دیگری امکان مقایسه آنها با بانک تصاویر مرجع را نیز داشته باشد.
۳. پردازش در سرور یا نرمافزار VMS
در پروژههای بزرگتر، ممکن است تصاویر دوربینها به یک سرور یا نرمافزار مدیریت و تحلیل تصویر ارسال شوند. در این ساختار، پردازش میتواند بهصورت متمرکز انجام شود و مدیریت بانک اطلاعاتی و رویدادها نیز در یک بستر نرمافزاری قرار بگیرد.
این روش برای پروژههایی که تعداد دوربینها و حجم اطلاعات بیشتری دارند، قابل بررسی است؛ اما به زیرساخت شبکه، ظرفیت پردازشی و طراحی نرمافزار متناسب نیاز دارد.
| محل پردازش |
ویژگی |
ملاحظات |
| داخل دوربین |
تحلیل در همان دستگاه |
ظرفیت و تعداد کانال وابسته به مدل |
| دستگاه NVR |
پردازش متمرکز در دستگاه ضبط |
نیازمند پشتیبانی الگوریتم و کانالهای تحلیل |
| سرور یا VMS |
مدیریت و تحلیل متمرکز |
نیازمند منابع پردازشی و شبکه مناسب |
برای انتخاب درست معماری سیستم، بهتر است تعداد دوربینها، نوع تحلیل و نحوه نگهداری تصاویر پیش از خرید مشخص شوند. مقاله راهنمای انتخاب دستگاه ضبط NVR و طراحی سیستم نظارت تصویری سازمانی اطلاعات تکمیلی ارائه میدهند.
چه عواملی بر دقت تشخیص چهره تأثیر میگذارند؟
یکی از اشتباهات رایج در خرید سیستمهای تشخیص چهره، تصور عملکرد یکسان آنها در تمام شرایط محیطی است. در حالی که کیفیت نتیجه به مجموعهای از عوامل فنی و محیطی وابسته است.
۱. رزولوشن و کیفیت واقعی تصویر چهره
رزولوشن دوربین باید بهگونهای انتخاب شود که صورت افراد در فاصله موردنظر، جزئیات کافی برای پردازش داشته باشد.
دوربین ۴ مگاپیکسل الزاماً در تمام شرایط برای تشخیص چهره مناسب نیست. اگر فرد در فاصله زیاد قرار داشته باشد، صورت بخش کوچکی از تصویر را اشغال میکند و جزئیات لازم ممکن است از بین بروند.
در پروژههای تخصصی، باید اندازه چهره در تصویر و فاصله میان دو چشم بررسی شود. مقدار مناسب این شاخص به الگوریتم و شرایط واقعی سیستم وابسته است و بهتر است از سازنده نرمافزار یا مجری تخصصی پروژه دریافت شود.
۲. زاویه قرارگیری دوربین
برای مقایسه چهره، مشاهده صورت از زاویه نزدیک به روبهرو معمولاً شرایط مناسبتری ایجاد میکند. اگر دوربین از ارتفاع بسیار زیاد یا از زاویه جانبی نصب شود، ممکن است بخش مهمی از ویژگیهای صورت در تصویر دیده نشود.
به همین دلیل، زاویه نصب دوربین تشخیص چهره ممکن است با دوربینهای عمومی نظارت تصویری متفاوت باشد.
۳. نورپردازی محیط
نور کم، نور شدید از پشت سر، سایه روی صورت و اختلاف زیاد روشنایی بخشهای مختلف تصویر میتوانند کیفیت استخراج چهره را کاهش دهند.
برای محیطهای دارای تغییرات نور، استفاده از دوربینی با عملکرد مناسب WDR و طراحی نورپردازی متعادل میتواند کمککننده باشد.
۴. حرکت افراد و سرعت عبور
اگر افراد با سرعت زیاد از مقابل دوربین عبور کنند، ممکن است تصویر چهره تار شود یا تعداد فریمهای مناسب برای پردازش کافی نباشد.
در ورودیهای پرتردد باید سرعت حرکت افراد، تعداد افراد همزمان و فاصله آنها از دوربین در نظر گرفته شود.
۵. پوشیده بودن صورت
ماسک، عینک، کلاه، پوششهای مختلف و سایر موانع میتوانند بخشی از ویژگیهای صورت را پنهان کنند. میزان تأثیر این موارد به نوع الگوریتم و شرایط تصویربرداری وابسته است.
۶. تعداد چهرههای همزمان
در محیطهای شلوغ، چندین چهره ممکن است در یک فریم حضور داشته باشند. در این حالت، ظرفیت پردازش سامانه، کیفیت تصویر و میزان پوشیدگی چهرهها در عملکرد نهایی تأثیر دارند.
به همین دلیل، ظرفیت پردازش باید بر اساس تعداد دوربینها و حجم واقعی تردد طراحی شود؛ نه فقط بر اساس عبارت Face Recognition درجشده روی محصول.
محل نصب، زاویه دید و شرایط نوری باید پیش از انتخاب نهایی دوربین بررسی شوند.
دوربین تشخیص چهره در چه مکانهایی کاربرد دارد؟
ساختمانهای اداری و سازمانی
در ساختمانهای اداری ممکن است مدیریت ورود و خروج افراد یا جستجوی رویدادهای تصویری اهمیت داشته باشد. سیستم تشخیص چهره میتواند در کنار زیرساخت نظارتی و در صورت طراحی مناسب، بخشی از سامانه مدیریت دسترسی باشد.
البته شناسایی چهره و اجازه ورود دو عملکرد متفاوت هستند. برای کنترل واقعی درِ ورودی باید تجهیزات Access Control، کنترلر، قفل و نرمافزار دسترسی نیز با سامانه هماهنگ باشند.
برای آشنایی با طراحی سیستمهای این محیط، صفحه نصب دوربین مداربسته در ساختمان اداری و سیستم کنترل تردد و دسترسی در مازندران را مطالعه کنید.
فروشگاهها و مراکز تجاری
در بعضی مراکز تجاری، امکان جستجوی رویدادهای تصویری یا مدیریت ورود افراد اهمیت دارد. اگر هدف فقط شمارش یا تشخیص حضور افراد باشد، ممکن است سیستم تشخیص انسان کافی باشد و نیازی به شناسایی هویت وجود نداشته باشد.
در صورت نیاز واقعی به شناسایی چهره، باید ضرورت استفاده از دادههای زیستی، شرایط تصویربرداری و نحوه مدیریت اطلاعات بررسی شوند.
مقاله نصب دوربین مداربسته برای فروشگاه میتواند برای شناخت نیازهای عمومی نظارت تصویری در واحدهای تجاری مفید باشد.
بانکها و مراکز مالی
در بعضی پروژههای بانکی، سیستمهای نظارتی پیشرفته برای بررسی ورود افراد، جستجوی رویدادها یا یکپارچهسازی با زیرساخت امنیتی استفاده میشوند.
با این حال، تصمیمگیری درباره شناسایی چهره باید با نیاز واقعی مجموعه، سطح امنیت، الزامات داخلی و ملاحظات حریم خصوصی هماهنگ باشد.
برای آشنایی با نیازهای نظارتی این محیطها، صفحه نصب دوربین مداربسته در بانک را ببینید.
بیمارستانها و مراکز درمانی
در مراکز درمانی، ممکن است مدیریت دسترسی به بعضی بخشها اهمیت داشته باشد. اما این محیطها از نظر حریم خصوصی حساس هستند و نباید بدون ضرورت مشخص، از شناسایی چهره در تمام فضاها استفاده شود.
در بسیاری از نقاط، سیستمهای کنترل دسترسی معمولی یا نظارت تصویری بدون شناسایی هویت میتوانند نیاز پروژه را برطرف کنند.
برای طراحی زیرساخت نظارتی این مجموعهها، صفحه نصب دوربین مداربسته در بیمارستان قابل استفاده است.
مدارس و مراکز آموزشی
در مراکز آموزشی، مدیریت ورود و خروج و حفاظت از بخشهای مختلف ساختمان اهمیت دارد. اما استفاده از فناوری شناسایی چهره، بهخصوص در مورد کودکان و دانشآموزان، به بررسی دقیقتر ضرورت، حریم خصوصی و الزامات قانونی نیاز دارد.
در بسیاری از پروژهها میتوان با دوربینهای نظارتی معمولی و سامانه کنترل دسترسی متناسب، نیازهای اصلی امنیتی را پوشش داد.
برای شناخت نیازهای این محیطها، مقاله نصب دوربین مداربسته در مدارس را مطالعه کنید.
نوع کاربری ساختمان باید در انتخاب و طراحی قابلیتهای نظارت تصویری مشخص باشد.
تفاوت دوربین تشخیص چهره با دستگاه کنترل تردد تشخیص چهره
گاهی دوربین مداربسته تشخیص چهره با دستگاه حضور و غیاب یا کنترل تردد تشخیص چهره اشتباه گرفته میشود. این دو محصول ممکن است از فناوریهای مشابه استفاده کنند، اما هدف و ساختار اجرایی آنها متفاوت است.
دوربین مداربسته تشخیص چهره
هدف اصلی این سیستم دریافت تصویر، استخراج چهره، مقایسه احتمالی و ثبت رویدادهای تصویری است. معمولاً مدیریت تصاویر و رخدادها از طریق دستگاه ضبط یا نرمافزار VMS انجام میشود.
دستگاه کنترل تردد تشخیص چهره
این دستگاه برای احراز هویت و مدیریت مجوز ورود و خروج طراحی میشود. پس از مقایسه چهره با اطلاعات ثبتشده، دستگاه میتواند بر اساس مجوز تعریفشده فرمانی را برای باز شدن قفل یا ثبت تردد صادر کند.
در این ساختار، علاوه بر الگوریتم شناسایی چهره، کنترلر، قفل برقی، منبع تغذیه، خروج اضطراری و سایر تجهیزات مرتبط با درگاه نیز اهمیت دارند.
| ویژگی |
دوربین تشخیص چهره |
دستگاه کنترل تردد |
| هدف اصلی |
نظارت و بررسی رویدادهای تصویری |
مدیریت ورود و خروج |
| ثبت تصویر |
بخش اصلی عملکرد سیستم |
ممکن است وجود داشته باشد یا نداشته باشد |
| مقایسه چهره |
در مدلها و سامانههای سازگار |
یکی از قابلیتهای اصلی |
| کنترل قفل و در |
نیازمند تجهیزات و یکپارچهسازی جداگانه |
معمولاً جزئی از ساختار سیستم |
| ضبط و بازپخش تصویر |
از طریق دوربین و دستگاه ضبط |
بسته به مدل، ممکن است محدود باشد |
در بعضی ساختمانها میتوان این دو سامانه را به یکدیگر متصل کرد تا هم تصاویر نظارتی ثبت شوند و هم دسترسی افراد مجاز مدیریت شود. برای طراحی چنین ساختاری، صفحه طراحی سیستم مداربسته برای ساختمانهای تجاری و مسکونی و طراحی سیستم نظارت تصویری سازمانی میتوانند مفید باشند.
نقش ONVIF در انتقال دادههای تشخیص چهره
در سیستمهای IP، استاندارد ONVIF میتواند برای تبادل برخی اطلاعات تحلیل تصویر میان تجهیزات و نرمافزارهای سازگار مورد استفاده قرار بگیرد.
برای نمونه، Profile M قابلیتهایی برای انتقال متادیتا و رویدادهای مرتبط با تحلیل تصویر دارد. در این پروفایل، اطلاعات مرتبط با چهره انسان و رویدادهای Face Recognition نیز در رابطهای مشخص تعریف شدهاند.
اما باید توجه داشت که پشتیبانی از ONVIF Profile M بهتنهایی تضمین نمیکند که تمام قابلیتهای شناسایی هویت دوربین در هر NVR یا نرمافزار دیگری قابل استفاده باشد. مدل دقیق دستگاه، نسخه نرمافزار، پروفایلهای مشترک و نوع متادیتای پشتیبانیشده باید بررسی شوند.
برای پروژههایی که چند برند مختلف در آنها استفاده میشود، بهتر است انتقال تصویر و رویدادهای هوشمند بهصورت آزمایشی بررسی شوند. صفحه طراحی زیرساخت شبکه دوربین مداربسته و زیرساخت شبکه سازمانی برای طراحی این بخش راهنمای تکمیلی هستند.
امنیت بانک اطلاعاتی چهره و حریم خصوصی
اطلاعات مربوط به چهره افراد از دادههای حساس محسوب میشوند و استفاده از آنها در سامانههای شناسایی باید با دقت بیشتری نسبت به ضبط معمولی تصاویر انجام شود.
در سیستم Face Recognition ممکن است نمونههای مرجع، الگوهای زیستی استخراجشده، اطلاعات هویتی و نتایج مقایسه ذخیره شوند. به همین دلیل، امنیت این اطلاعات و محدود کردن دسترسی به آنها اهمیت زیادی دارد.
اصول مهم در مدیریت اطلاعات چهره
- تعیین هدف مشخص: قبل از اجرای سیستم مشخص شود چرا شناسایی چهره ضروری است و چه مسئلهای را حل میکند.
- محدود کردن اطلاعات: فقط اطلاعات موردنیاز برای هدف تعریفشده جمعآوری و نگهداری شوند.
- مدیریت دسترسی: دسترسی به بانک اطلاعاتی چهره فقط در اختیار کاربران مجاز باشد.
- حفاظت از اطلاعات: تنظیمات امنیتی، رمزگذاری و کنترل دسترسی برای محافظت از دادهها در نظر گرفته شوند.
- مدت نگهداری مشخص: نگهداری اطلاعات و تصاویر باید متناسب با ضرورت پروژه باشد.
- اطلاعرسانی مناسب: افراد باید از وجود سامانه و هدف استفاده از آن مطلع شوند.
- بازبینی نتایج: نتایج تطبیق مهم پیش از اقدام عملی توسط فرد مسئول بررسی شوند.
همچنین نباید نتیجه تطبیق الگوریتم را بدون بررسی انسانی مبنای تصمیمهای مهمی مانند محروم کردن افراد از خدمات یا متهم کردن آنها قرار داد. خطای تطبیق ممکن است هم به شکل تطبیق اشتباه و هم به شکل تشخیص ندادن فرد واقعی رخ دهد.
راهنماهای نهادهای حفاظت از داده مانند ICO و OAIC نیز بر ضرورت، تناسب، ارزیابی ریسک، کیفیت دادهها و شفافیت در استفاده از فناوری تشخیص چهره تأکید دارند. این راهنماها قوانین ایران محسوب نمیشوند؛ برای اجرای پروژه باید الزامات و مقررات قابل اعمال در محل نصب بهصورت جداگانه بررسی شوند.
حفاظت از اطلاعات و کنترل دسترسی به سیستم، بخشی از طراحی سامانه شناسایی چهره است.
هنگام خرید دوربین مداربسته تشخیص چهره چه نکاتی را بررسی کنیم؟
در زمان خرید، بهتر است مشخص شود که محصول دقیقاً کدامیک از قابلیتهای Face Detection، Face Capture یا Face Recognition را ارائه میدهد. نام تبلیغاتی محصول بهتنهایی برای تصمیمگیری کافی نیست.
۱. نوع قابلیت تشخیص و شناسایی
بررسی کنید دوربین فقط چهره را تشخیص میدهد یا امکان مقایسه با بانک اطلاعاتی نیز دارد. اگر مقایسه در دستگاه ضبط یا سرور انجام میشود، مشخصات آن بخش نیز باید بررسی شود.
۲. ظرفیت پردازش و تعداد کانالها
اگر چند دوربین بهصورت همزمان چهره استخراج میکنند، دستگاه ضبط یا سرور باید توان پردازشی کافی داشته باشد. تعداد کانالهای Face Capture و Face Recognition را جداگانه بررسی کنید.
۳. کیفیت تصویر و فاصله نصب
دوربین باید بتواند صورت افراد را با جزئیات کافی در فاصله موردنظر ثبت کند. لنز، رزولوشن، زاویه دید، نرخ فریم و کیفیت تصویر در شب از موارد مهم هستند.
۴. کیفیت نورپردازی
اگر نور محیط کم باشد یا نور شدید از پشت سر به دوربین بتابد، کیفیت تصویر چهره ممکن است کاهش پیدا کند. در این شرایط باید از قابلیتهای مناسب WDR و راهکار نورپردازی متناسب با محیط استفاده شود.
۵. ظرفیت بانک اطلاعاتی
بررسی کنید سامانه چند نمونه چهره را میتواند ذخیره و مدیریت کند. همچنین تعداد کاربران، امکان گروهبندی، جستجو و نحوه تهیه نسخه پشتیبان باید مشخص شوند.
۶. امکانات دستگاه ضبط و نرمافزار
اگر قصد دارید تصاویر و رویدادهای چهره را در NVR یا VMS مدیریت کنید، سازگاری کامل دوربین و نرمافزار را بررسی کنید. فقط نمایش تصویر زنده برای تأیید عملکرد سیستم کافی نیست.
۷. امنیت و مدیریت کاربران
وجود امکاناتی مانند تعریف سطح دسترسی، گزارش فعالیت کاربران، محافظت از بانک اطلاعاتی و بهروزرسانی امنیتی در پروژههای شناسایی چهره اهمیت زیادی دارد.
مراحل طراحی و اجرای سیستم تشخیص چهره
برای رسیدن به نتیجه مناسب، بهتر است پروژه با بررسی نیاز واقعی و شرایط محیط آغاز شود.
- تعیین کاربرد: مشخص کنید هدف صرفاً ثبت چهره است یا شناسایی افراد ثبتشده در بانک اطلاعاتی.
- بررسی محل: نقاط ورود و خروج، فاصله افراد از دوربین و شرایط نور مشخص شوند.
- انتخاب دوربین: مدل مناسب از نظر رزولوشن، لنز، نور کم و قابلیت تحلیل انتخاب شود.
- انتخاب محل پردازش: مشخص شود تحلیل در دوربین، NVR یا سرور انجام خواهد شد.
- بررسی شبکه: پهنای باند و ارتباط میان دوربینها، دستگاه ضبط و سرور طراحی شود.
- تعریف بانک اطلاعاتی: روش مجاز ثبت اطلاعات مرجع و مدیریت کاربران مشخص شود.
- تنظیم آستانه تطبیق: مقدار مناسب بر اساس تستهای واقعی و نیاز پروژه تعیین شود.
- آزمایش عملکرد: دقت سیستم در شرایط نور، زاویه و تردد واقعی بررسی شود.
- تعریف فرآیند بازبینی: نحوه بررسی هشدارها و تصمیمگیری انسانی مشخص شود.
- تحویل و نگهداری: دسترسیها، روش نگهداری اطلاعات و برنامه سرویس دورهای مستند شوند.
برای اجرای اصولی شبکه و تجهیزات نظارتی، صفحه مراحل نصب دوربین مداربسته و مقاله چکلیست نگهداری سیستم دوربین مداربسته را مطالعه کنید.
قبل از راهاندازی نهایی، عملکرد دوربین، شبکه و سامانه پردازش باید در محیط واقعی آزمایش شود.
اشتباهات رایج هنگام خرید و اجرای سیستم تشخیص چهره
- یکسان دانستن تشخیص انسان با شناسایی هویت افراد.
- تصور اینکه هر دوربین Face Capture قابلیت Face Recognition نیز دارد.
- انتخاب دوربین فقط بر اساس تعداد مگاپیکسل.
- نصب دوربین از زاویه نامناسب برای مشاهده چهره.
- نادیده گرفتن تغییرات نور محیط.
- در نظر نگرفتن فاصله و اندازه چهره در تصویر.
- خرید NVR بدون بررسی ظرفیت پردازش تشخیص چهره.
- فرض سازگاری کامل قابلیتهای هوشمند میان برندهای مختلف.
- اعتماد کامل به هر نتیجه تطبیق بدون بررسی انسانی.
- نگهداری غیرضروری اطلاعات چهره یا اعطای دسترسی گسترده به کاربران.
سؤالات متداول درباره دوربین مداربسته تشخیص چهره
آیا تمام دوربینهای دارای Face Detection میتوانند افراد را شناسایی کنند؟
خیر. Face Detection فقط محل چهره را در تصویر تشخیص میدهد. برای شناسایی افراد، قابلیت Face Recognition و سازوکار مقایسه با نمونههای مرجع موردنیاز است.
آیا دستگاه NVR معمولی قابلیت تشخیص چهره دارد؟
همه NVRها چنین قابلیتی ندارند. بعضی دستگاهها فقط ضبط تصویر انجام میدهند و برخی مدلهای هوشمند از قابلیت ثبت چهره یا مقایسه آن با بانک اطلاعاتی پشتیبانی میکنند. تعداد کانالها و ظرفیت پردازش نیز باید بررسی شود.
آیا برای شناسایی چهره حتماً به دوربین 4K نیاز داریم؟
خیر. رزولوشن موردنیاز به فاصله، لنز، اندازه چهره در تصویر، نرخ فریم و الگوریتم وابسته است. یک دوربین با رزولوشن بالا نیز اگر از زاویه یا فاصله نامناسب نصب شود، ممکن است برای شناسایی چهره مناسب نباشد.
آیا دوربین تشخیص چهره میتواند افراد دارای ماسک را شناسایی کند؟
این موضوع به الگوریتم، میزان پوشیدگی صورت، کیفیت تصویر و شرایط محیطی بستگی دارد. پوشاندن بخشهایی از چهره ممکن است احتمال تشخیص درست را کاهش دهد و هیچ نتیجهای نباید بدون آزمایش معتبر فرض شود.
آیا میتوان دوربین یک برند را به دستگاه ضبط برند دیگر متصل کرد؟
در صورت سازگاری استانداردهای ارتباطی، پروفایلها و قابلیتهای موردنیاز ممکن است این کار امکانپذیر باشد. اما دریافت تصویر لزوماً به معنی انتقال کامل اطلاعات تشخیص چهره نیست.
آیا Face Recognition جایگزین سیستم کنترل تردد است؟
خیر. شناسایی چهره میتواند بخشی از سامانه کنترل تردد باشد، اما برای مدیریت مجوز ورود و خروج به کنترلر، قفل، منبع تغذیه و نرمافزار دسترسی نیز نیاز است.
آیا میتوان بانک اطلاعاتی چهره را در NVR ذخیره کرد؟
در بعضی دستگاههای سازگار، امکان ذخیره و مدیریت بانک اطلاعاتی چهره وجود دارد. ظرفیت بانک، تعداد چهرهها و قابلیتهای مقایسه باید بر اساس مدل NVR بررسی شوند.
آیا سیستم تشخیص چهره همیشه نتیجه صحیح ارائه میدهد؟
خیر. کیفیت تصویر، نور، زاویه، پوشیدگی صورت، الگوریتم و آستانه تطبیق بر نتیجه اثر میگذارند. نتیجه تطبیق باید متناسب با حساسیت کاربرد، بررسی و تأیید شود.
جمعبندی؛ انتخاب دوربین تشخیص چهره بر اساس نیاز واقعی پروژه
دوربین مداربسته تشخیص چهره میتواند در پروژههایی که ثبت، جستجو یا مقایسه چهره اهمیت دارد، کاربرد داشته باشد؛ اما پیش از خرید باید تفاوت Face Detection، Face Capture و Face Recognition مشخص شود.
همچنین باید محل انجام پردازش، ظرفیت دستگاه ضبط یا سرور، کیفیت تصویر، نورپردازی، زاویه نصب و روش مدیریت بانک اطلاعاتی بررسی شوند. صرف وجود عبارت هوش مصنوعی یا تشخیص چهره در مشخصات محصول، تضمینکننده شناسایی دقیق افراد نیست.
در نهایت، استفاده از این فناوری باید متناسب با ضرورت پروژه، با رعایت حریم خصوصی و مدیریت ایمن اطلاعات انجام شود. در بسیاری از محیطها، تشخیص حضور انسان یا استفاده از سیستم کنترل دسترسی معمولی میتواند نیاز پروژه را با پیچیدگی و جمعآوری داده کمتر برطرف کند.
برای آشنایی با تجهیزات نظارت تصویری و زیرساخت شبکه و بررسی راهکارهای متناسب با پروژههای ساختمانی، اداری و تجاری در مازندران، میتوانید به وبسایت ویناشبکه مراجعه کنید.
ویناشبکه | معرفی مجموعهتجهیزات نظارتی، شبکه و خدمات فنی
برای آشنایی با حوزههای کاری و راههای ارتباطی مجموعه ویناشبکه، صفحه معرفی را مشاهده کنید.
مشاهده رزومه ویناشبکه