کاربرد هوش مصنوعی لبه‌ای در سامانه‌های دوربین مداربسته برای تشخیص رخدادهای امنیتی و کاهش هشدارهای اشتباه

کاربرد هوش مصنوعی لبه‌ای در سامانه‌های دوربین مداربسته برای تشخیص رخدادهای امنیتی و کاهش هشدارهای اشتباه

علیرضا سلیمانی1 مصطفی عبدالهیان دهکردی2

1) دانشجوی کارشناسی مهندسی کامپیوتر، دانشگاه ملی و مهارت شهرکرد، چهارمحال و بختیاری، ایران
2) گروه مهندسی کامپیوتر، دانشگاه ملی مهارت، تهران، ایران

کد IOI مقاله : AAHD-ABHGZB
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    چكيده گسترش روزافزون سامانه‌های دوربین مداربسته در محیط‌های امنیتی، نیاز به پردازش هوشمند و بلادرنگ تصاویر را بیش از پیش آشکار ساخته است. رویکردهای سنتی مبتنی بر پردازش ابری، با چالش‌هایی نظیر تأخیر در انتقال داده، مصرف پهنای باند بالا و نگرانی‌های حریم خصوصی مواجه‌اند. هوش مصنوعی لبه‌ای (Edge AI) به‌عنوان راهکاری نوین، پردازش داده را مستقیماً بر روی دستگاه دوربین یا در نزدیکی منبع داده انجام می‌دهد و از این طریق تأخیر را به حداقل رسانده و امنیت داده را افزایش می‌دهد. این مقاله به بررسی مروری کاربرد هوش مصنوعی لبه‌ای در سامانه‌های دوربین مداربسته با تمرکز بر دو حوزه اصلی می‌پردازد: تشخیص رخدادهای امنیتی و کاهش هشدارهای اشتباه. مطالعات اخیر نشان می‌دهند که به‌کارگیری مدل‌های سبک‌وزن یادگیری عمیق نظیر YOLOv8 و شبکه‌های عصبی کانولوشنی بهینه‌شده بر روی سخت‌افزارهای لبه، امکان تشخیص رخداد در زمان واقعی را با دقت بالا فراهم می‌سازد. همچنین، استفاده از روش‌های یادگیری زمینه‌محور و تحلیل رفتاری، نرخ هشدارهای کاذب را به میزان قابل توجهی کاهش می‌دهد. در این مقاله، معماری‌های رایج Edge AI، الگوریتم‌های تشخیص ناهنجاری، چالش‌های پیاده‌سازی و مقایسه روش‌های موجود مورد بحث قرار می‌گیرند.

کلمات کلیدی : واژه‌هاي كليدي هوش مصنوعی لبه‌ای دوربین مداربسته تشخیص رخداد امنیتی کاهش هشدار اشتباه یادگیری عمیق