
سیر تا پیاز الگوریتم IVS داهوا
کالبدشکافی تکنولوژی تحلیل رفتار و الگوریتمهای IVS داهوا؛ از تئوری یادگیری عمیق تا پیادهسازی عملیاتی
1. مقدمه انفجاری و معماری مسئله: پارادایم شیفت از نظارت منفعل به پیشگیری فعال
صنعت سیستمهای حفاظت تصویری دههها درگیر پارادوکس «ضبط و تأسف» بوده است. در معماریهای سنتی، دوربینهای امنیتی صرفاً نقش چشمهای الکترونیکی بیتفکری را ایفا میکردند که صدها گیگابایت داده پیکسلی خام تولید و به هارددیسکهای ذخیرهساز سرازیر میکردند. اپراتورهای اتاق کنترل پس از وقوع سرقت، خرابکاری یا نقض حریم امنیتی، ساعتها به بازبینی کسالتبار فریمهای ثبتشده مینشستند. این رویکرد انفعالی (Reactive Surveillance)، هیچگونه ارزش پیشگیرانهای در زمان واقعی (Real-time) ایجاد نمیکرد.
بزرگترین معضل سامانههای آشکارساز حرکت مبتنی بر تغییرات پیکسل (VMD: Video Motion Detection)، تولید هشدارهای کاذب (False Alarms) فاجعهبار بود. تغییر زاویه تابش خورشید، بازتاب نور چراغ خودروها، باد شدید میان شاخوبرگ درختان، بارندگی و تردد جانوران کوچک، هزاران هشدار دروغین را روانه ایستگاههای مانیتورینگ میکردند. نتیجه این وضعیت پدیدهای به نام «خستگی هشدار» (Alarm Fatigue) بود؛ جایی که حراست برای رهایی از آلارمهای بیوقفه، بیزر سیستم را خاموش یا اعلانات را نادیده میگرفت.
تحلیل رفتار در داهوابر بستر سیستم ویدیویی هوشمند داهوا (IVS: Intelligent Video System)، نقطه عطف عبور از نظارت منفعل به سمت «پیشگیری فعال» (Proactive Security) است. کمپانی Dahua Technologyبا پیادهسازی الگوریتمهای یادگیری ماشین و شبکههای عصبی کانوولوشنی (CNN)، موفق شد آمار فالس آلارمها را در سناریوهای استاندارد به میزان خیرهکننده بیش از 98 درصد کاهش دهد. این جهش فناورانه به این معناست که سامانههای هوشمند نظارتی تهران داهوا نه تنها متوجه رخدادن یک واقعه میشوند، بلکه بر اساس فیزیک، جهت، آهنگ تغییر مکان و زمان حضور سوژهها، «نیت رفتاری» را پیشبینی و پردازش میکنند.
2. کالبدشکافی هوش مصنوعی داهوا: واکاوی لایههای CNN و تمایز معماری WizSense با WizMind
موتور محرک تحلیل رفتار در داهوا متکی بر پردازشگرهای عصبی اختصاصی (NPU) و خط لوله پردازشی (Inference Pipeline) شبکههای عصبی عمیق است. داهوا در این فرآیند از شبکههای بهینهشده مبتنی بر معماریهای پیشرفته ResNet و MobileNet بهره میگیرد که بهینهسازی اختصاصی برای پردازش تنسورها در لبه شبکه (Edge Inference) دارند.
استخراج بردار حرکت (Motion Vector) و فیلتراسیون نویزهای محیطی
بر خلاف روشهای مرسوم محاسبه تفاضل فریمها (Frame Differencing)، داهوا جریان تصویر را به لایههای کانوولوشنال عمیق هدایت میکند. در لایههای ابتدایی (Low-level Feature Layers)، گرادیانهای نور، کنارهها، تکسچرها و جهتگیری لبهها کشف میشوند. سپس در لایههای میانی، بردار حرکت اشیا بر پایه جریان نوری متراکم (Dense Optical Flow) محاسبه میگردد.
وجه تمایز الگوریتم داهوا در لایه استخراج ویژگیهای ریختشناختی (Morphological Feature Extraction) رخ میدهد. سیستم، هندسه فیزیکی و امضای زیستی اهداف متحرک را استخراج میکند:
- نسبت ابعاد کادر محاطی (Aspect Ratio of Bounding Box) انسان در مقایسه با حیوانات چهارپا و پرندگان.
- مرکز ثقل نوسانی و کینماتیک گام برداشتن انسان (Human Biomechanical Kinematics).
- صلابت ساختاری بدنه وسایل نقلیه و عدم تغییر شکل در اثر باد و سایه.
به این ترتیب، نویزهایی نظیر انعکاس باران، موج آب در استخرها، حرکت شاخهها یا گذر گربه از فنسها در همان لایههای اولیه به عنوان الگوهای نویزی غیر بیومتریک پسزده میشوند (Non-target suppression).
طبقهبندی هوشمند سوژهها (Human / Vehicle Target Classification) و SMD 4.0
قلب تپنده تحلیل رفتار در سیستمهای داهوا، فاز ردهبندی دقیق سوژههاست. فناوری SMD 4.0 (Smart Motion Detection) قادر است اهداف انسانی و وسایل نقلیه موتوری و غیر موتوری را حتی با وجود انسداد جزئی (Occlusion) تا سقف 80 درصد، با ضریب اطمینان بالای 99٪ تفکیک کند. این ردهبندی به اپراتور اجازه میدهد تا در تنظیمات رویداد (Rule Configuration)، قواعد تحلیلی را منحصراً مقید به انسان یا خودرو کند.
تقابل معماری سختافزاری: WizSense در برابر WizMind
مهندسان طراح پروژه باید تفاوت بنیادین در قابلیتهای محاسباتی این دو سری را درک کنند:
- معماری WizSense: مبتنی بر چیپستهای NPU با مقیاس اقتصادی (عموماً بین 0.5 تا 1.5 TOPS). این خانواده روی دوربینهای سری 3 و 5 نسل پایه سوار است و وظایفی نظیر SMD 4.0، یک تا دو قانون همزمان IVS (نظیر Tripwire یا Intrusion با تمایز انسان و ماشین) و حفاظت پیرامونی سبک را پشتیبانی میکند.
- معماری WizMind: مجهز به چیپهای چند هستهای اختصاصی (بین 4 تا بیش از 16 TOPS پردازش هوش مصنوعی در لبه شبکه). پردازش در WizMind فراتر از ردهبندی ساده است؛ این تراشهها قادر به اجرای استخراج متادیتا (استخراج سن، جنسیت، عینک، کلاه، ماسک، رنگ لباس)، الگوریتمهای چگالی جمعیت، تحلیل سرعتهای غیرعادی، تحلیل همزمان رفتارهای چندوجهی، و کنترل مسیرهای واگرا بر بستر دوربینهای سری 5 (IPC-HFW5xxx / IPC-HDW5xxx) و به ویژه سری 7 (IPC-HF7xxx / IPC-HFW7xxx) هستند.
3. طبقهبندی سناریوهای تحلیل رفتار در پلتفرم IVS داهوا: تحلیل ریاضی و منطق فریمها
سیستم ویدیویی هوشمند IVS داهوا، مجموعهای از توابع منطقی است که بر پایه مختصات فضای دوبعدی (نگاشتهشده از فریم تصویر سهبعدی پرسپکتیو) عمل میکنند. در ادامه، مکانیزم تحلیلی هر سناریو را بررسی میکنیم.
الف) خط فرضی (Tripwire) و منطقه نفوذ (Intrusion)
در الگوریتم Tripwire، یک بردار خطی $L$ در صفحه تصویر با جهت مجاز ($A \to B$، $B \to A$ یا دوطرفه) تعریف میشود. برخلاف تصور عامه که آلارم را به لمس پیکسلها توسط مرز بیرونی سوژه منتسب میکنند، در کد داهوا این بردار مکان مرکز ثقل زیرین (Bottom Anchor Point) کادر محاطی است که محاسبه میشود:
سیستم با حل تقاطع بردار جابجایی $\vec{V} = P_t - P_{t-1}$ با خط مرزی $L$، تعیین وضعیت میکند. در صورتی که این بردار راستای تعریفشده مجاز را نقض کرده و کلاس شیء با فیلتر مطابقت داشته باشد، سیگنال تریگر فریم با تأخیر کمتر از 100 میلیثانیه صادر میگردد. در تابع Intrusion، وضعیت ماندگاری $P_t$ در داخل چندضلعی بسته (Polygon) بررسی شده و شرط زمان حضور، امکان تمایز عبور گذرا از استقرار در منطقه ممنوعه را میدهد.
ب) تشخیص پرسه زنی (Loitering Detection)
پرسه زنی یکی از کلیدیترین توابع پیشگیرانه در مهار سرقت و خرابکاری است. این تابع بر پایه محاسبه زمان ماندگاری هدف (Dwell Time Threshold - $T_{th}$) در داخل یک ناحیه محصور عمل میکند. با رهگیری (Object Tracking) مسیر حرکتی سوژه، الگوریتم مجموع بردارهای جابجایی را ثبت میکند:
اگر سوژهای وارد محوطه پیرامونی خزانه، پارکینگ یا جلوی طلافروشی شود و در زمان فراتر از آستانه تعریفشده (مثلاً 15 ثانیه) بدون خروج یا با حرکات چرخشی درجا باقی بماند، آلارم هشدار پرسه زنی فعال میشود.
ج) تجمع افراد (People Gathering / Crowd Density)
در دوربینهای WizMind، الگوریتم Crowd Density از متدهای تخمین مبتنی بر نقشه چگالی (Density Map Estimation) بهره میبرد. در مکانهای پرتراکم که کادرهای محاطی افراد به شدت دچار همپوشانی (Overlap) میشوند، به جای شمارش سرهای تک به تک، شبکه عصبی یک نگاشت احتمالاتی از حضور افراد را به ازای هر متر مربع محاسبه میکند:
- اگر سطح اشغال جمعیت در واحد سطح ($\text{People}/m^2$) از کران معین فراتر رود، هشدار ازدحام ارسال میشود.
- این سیستم در شناسایی کانونهای درگیری، ایجاد صفهای غیرعادی در لابیهای سازمانی و سوانح فرودگاهی کارایی دارد.
د) حرکت سریع یا دویدن ناگهانی (Fast Moving / Running Detection)
این الگوریتم، ناهنجاری رفتاری را بر اساس شتاب بردار تغییر مکان اندازهگیری میکند. تغییرات سرعت بر حسب پیکسل بر ثانیه در فضای فریم کالیبرهشده (با نگاشت متری پرسپکتیو) سنجیده میشود:
در بانکها، ندامتگاهها، صرافیها و مراکز تجاری، هنگامی که فردی به جای راه رفتن عادی ناگهان اقدام به دویدن و فرار میکند، سیستم بدون نیاز به لمس هیچ خط فرضی، وضعیت فرار یا تعقیب را تشخیص داده و آلارم تریگر میکند.
هـ) تغییر مسیر ناگهانی یا حرکت خلاف جهت (Wrong-Way Detection)
در راهبندها، رمپهای خروجی پارکینگ، ورودیهای فرودگاه و خطوط تولید، حرکت باید به صورت همراستا با بردار مرجع باشد. سیستم با مقایسه ضرب داخلی بردار جابجایی هدف با بردار مجاز معین:
در صورتی که جهت حرکت بیش از زاویه تعیینشده (عموماً بیشتر از 90 درجه انحراف) مغایرت داشته باشد، واقعه نقض مسیر را فوراً هشدار میدهد.
و) اشیاء جامانده یا برداشتهشده (Abandoned / Missing Object)
تحلیل پایداری پسزمینه (Background Subtraction) توأم با شبکههای تشخیص شیء ایستا در این بخش فعال است:
- Abandoned Object: اگر شیئی جدید در کادر قرار گیرد و صاحب آن یا هر سوژه انسانی دیگر در شعاع مشخص تا مدتزمان $T$ در صحنه نباشد (مثل جا ماندن یک ساک در سالن انتظار)، هشدار امنیتی صادر میشود.
- Missing Object: در صورت کسر شدن یک سوژه ثابت (مانند یک تابلوی نقاشی در موزه یا کپسول آتشنشانی) از مدل پایدار پسزمینه، سیستم وضعیت کسری شیء را ظرف چند ثانیه اعلام میکند.
4. ماتریس مقایسه فنی: نگاشت الگوریتمهای تحلیل رفتار با سختافزارهای داهوا
| نوع رفتار تحلیلی (Behavior Rule) | پیچیدگی محاسباتی (Computational Load) | حداقل سختافزار پیشنهادی (IPC Series) | شاخص اطمینان الگوریتم (Accuracy) | خطاهای متداول ناشی از خطای زاویه نصب |
|---|---|---|---|---|
| Tripwire (خط فرضی) | پایین (Low) | WizSense Series 3 / Series 5 | 98.5٪ | رسم خط بسیار نزدیک به لبههای فریم؛ زاویه فوقالعاده باز عمودی |
| Intrusion (نفوذ به منطقه) | متوسط (Medium) | WizSense Series 3 / WizMind 5 | 97.8٪ | پرسپکتیو ناقص، خطای عدم تشخیص تماس پا با زمین |
| Loitering (پرسه زنی) | متوسط رو به بالا (Med-High) | WizMind Series 5 (e.g., IPC-HFW5442T) | 95.2٪ | انسداد مداوم دید توسط ستونها و گسست زنجیره رهگیری (ID Switch) |
| Fast Moving (دویدن ناگهانی) | بالا (High) | WizMind Series 5 / Series 7 | 93.6٪ | موشن بلر (Motion Blur) شدید ناشی از سرعت شاتر پایین دوربین در شب |
| People Gathering (تجمع) | بسیار بالا (Very High) | WizMind Series 7 (e.g., IPC-HFW7842H) | 91.5٪ | زاویه نصب کمشیب (زیر 30 درجه) که باعث همپوشانی چهرهها میشود |
| Abandoned / Missing | متوسط (Medium) | WizMind Series 5 / WizSense Series 5 | 94.0٪ | تغییرات شدید و مکرر شدت نور تابشی، ایستادن طولانیمدت افراد جلوی شیء |
5. مهندسی نصب، کالیبراسیون زاویه و پارامترهای اپتیکی برای تثبیت عملکرد الگوریتم
پیچیدهترین مدلهای هوش مصنوعی نیز در صورت عدم انطباق با اصول فیزیکی و اپتیکی با خطا مواجه میشوند. کارشناسان فنی تهران داهوا در پروژههای نظارتی، استانداردهای زیر را الزامی میدانند:
شاخص تراکم پیکسل روی هدف (PPM) و استاندارد DORI
برای عملکرد بدون نقص الگوریتمهای رفتارشناسی، رزولوشن صرفاً یک عدد تبلیغاتی است؛ آنچه اهمیت دارد چگالی پیکسل بر متر (Pixels Per Meter - PPM) است. بر اساس استاندارد EN 62676-4:
- تشخیص اولیه (Detection): حداقل 25 پیکسل بر متر (PPM)؛ تنها برای کشف حضور هدف در صحنه کفایت میکند.
- ردهبندی و پایش رفتار (Observation / Tracking): حداقل 63 پیکسل بر متر (PPM)؛ حد آستانه ضروری برای عملکرد باثبات IVS در Tripwire و Intrusion.
- تحلیل پیشرفته رفتاری و متادیتا (Recognition): حداقل 125 پیکسل بر متر (PPM)؛ برای توابع Loitering، Fast Moving و استخراج مشخصات ظاهری WizMind.
.png)
زاویه شیب (Tilt Angle) و ارتفاع نصب استاندارد
زاویه تابش لنز نسبت به سطح زمین (Depression Angle) نقشی بنیادین در پایداری نگاشت مختصات دارد:
- زاویه بهینه: بین 30 تا 45 درجه نسبت به خط افق. اگر زاویه کمتر از 15 درجه باشد (دوربین در ارتفاع پایین نصب شود)، همپوشانی اهداف در عمق رخ میدهد و مرکز ثقل سوژهها دچار تداخل محاسباتی میگردد.
- اگر زاویه بیش از 70 درجه باشد (دید مستقیم عمودی)، مدلهای کانوولوشنال انسان قادر به تشخیص پاها و تنه نبوده و کادر محاطی به یک نقطه ناپایدار تبدیل میشود.
تنظیمات پیشرفته شاتر، WDR و مادون قرمز هوشمند (Smart IR)
برای مهار نویز و خطای کادربندی در سناریوهای نوری دشوار:
- سرعت شاتر (Exposure Shutter): جهت مهار پدیده Motion Blur در عملکرد Fast Moving، سرعت شاتر حداقل باید روی $1/100$ ثانیه (در روز) و نه کمتر از $1/50$ ثانیه (در شب) قفل شود. شاترهای کندتر از $1/25$ بردار حرکت را محو و پایداری شبکه عصبی را ساقط میکنند.
- داینامیک رنج عریض (True WDR 120dB/140dB): در محیطهای با ضریب کنتراست شدید (مانند ورودی سولهها و پارکینگها)، فعالسازی WDR تفکیک لبههای سوژه را در سایهها حفظ کرده و مانع ادغام اشتباه سوژه با پسزمینه تیره میشود.
- Smart IR: جلوگیری از سفیدشدگی ناشی از اشباع پرتو مادون قرمز روی لباس یا چهره هدف، که ساختار فیچرهای ورودی به شبکه CNN را حفظ مینماید.
6. همگرایی سختافزار: توزیع بار پردازشی میان Edge Computing و Server-Side در پلتفرم داهوا
یک سیستم مانیتورینگ در مقیاس صنعتی با صدها کانال ویدیویی نمیتواند تمام بارهای سنگین هوش مصنوعی را روی یک سرور واحد بیندازد و همچنین سپردن تحلیلهای سنگین به دوربینهای با منابع تغذیه محدود لبه نیز چالشبرانگیز است. داهوا در این زمینه یک الگوی توزیعشده پایدار ارائه میکند:
1. پردازش در لبه شبکه (Edge Computing - IPC Series)
دوربینهای مداربسته تحت شبکه داهوا (سری WizSense و WizMind)، پیشپردازش فریمها، ردیابی بلادرنگ بردارهای شیء (Real-time Object Tracking)، فیلتراسیون نویز پیکسلی و تولید اولیه متادیتا را درون خود انجام میدهند. با این روش، فقط فرادادهها و کادرهای هدف همراه با استریم به رک ارسال میشوند و نیازی به پهنای باند سرسامآور نیست.
2. پردازش در سمت ذخیرهساز (Server-Side - AI NVR Series)
دستگاههای ذخیرهساز تحت شبکه داهوا سری NVR5-EI، NVR6-XI مجهز به پردازندههای گرافیکی و شتابدهندههای NPU قدرتمند، در دو سناریو وارد مدار میشوند:
- تبدیل دوربینهای سنتی فاقد هوش مصنوعی به دوربینهای مجهز به تحلیل رفتار و SMD.
- تحلیل ثانویه (Secondary Deep Analysis): اجرای تحلیلهای مقایسهای سنگین نظیر جستجوی سریع متادیتا (Quick Pick / AcuPick) که با یک کلیک، تمام رفتارهای یک سوژه مشخص با رنگ لباس یا مدل خودرو را میان دهها کانال در کسری از ثانیه پیدا میکند.
3. مدیریت یکپارچه پلتفرم با DSS Pro
در لایه نرمافزاری، سامانه مدیریت ویدیویی Dahua DSS Pro تمام رخدادهای رفتارشناسی را در یک واسط گرافیکی نقشه-محور (E-Map / GIS) تجمیع میکند. اپراتور بر اساس پروتکلهای امنیتی میتواند خروجیهای آلارم را به بلندگوهای شبکه پیجینگ (IP Horn Speakers)، سیستم اعلام سرقت، فعالسازی رلههای دربهای تردد و ارسال نوتیفیکیشن همگام با زمان واقعی متصل نماید.
7. پرسشهای متداول مهندسی پیرامون تحلیل رفتار در سیستمهای داهوا (FAQ)
تفاوت اصلی الگوریتمهای تحلیلی WizSense و WizMind در داهوا چیست؟
سری WizSense بر توابع پایه هوش مصنوعی متمرکز است که به چیپهای NPU اقتصادی مجهز شدهاند (مانند SMD 4.0 و یک تا دو کانال IVS ساده). در نقطه مقابل، سری WizMind دارای تراشههای NPU فوقپیشرفته چند هستهای است که امکان استخراج متادیتای پیشرفته ویدیویی، تحلیل رفتارهای چندوجهی، تشخیص تغییر جهت، پرسه زنی تیمی و تراکم جمعیت بالا را به صورت همزمان فراهم میسازد.
چرا تحلیل رفتار داهوا آلارمهای ناشی از حیوانات یا تکان برگ درختان را مهار میکند؟
به دلیل استفاده از شبکههای عصبی عمیق کانوولوشنی (CNN). داهوا به جای پایش تغییرات پیکسلی سطحی (Optical Flow)، ویژگیهای ریختشناسی، تناسبات ابعادی، مشخصات هندسی و الگوهای کینماتیک گام برداشتن را استخراج میکند. بدین ترتیب سوژهها در دو کلاس Human و Vehicle تفکیک شده و حرکات باد، سایهها و حیوانات فیلتر میشوند.
حداقل تراکم پیکسل (PPM) برای عملکرد پایدار توابع IVS چقدر است؟
بر اساس استاندارد بینالمللی DORI و الزامات موتور استنتاج داهوا، برای اجرای موفقیتآمیز قواعد رفتاری نظیر Tripwire و Intrusion، سوژه باید حداقل 63 پیکسل بر متر (PPM) رزولوشن افقی داشته باشد. جهت تحلیلهای با دقت بالا و متادیتا، حداقل 125 پیکسل بر متر پیشنهاد میگردد.
در سناریوهای مرزی و دیواری، Tripwire عملکرد مطمئنتری دارد یا Intrusion؟
برای فنسها و دیوارهای پیرامونی باریک، تابع Tripwire با یک بردار مستقیم، کمترین تأخیر پردازشی و بالاترین دقت تریگر را دارد. اما در صورتی که محوطه بیرونی دیوار دارای عمق است و میخواهید سوژه با راه رفتن موازی باعث تحریک نشود، قاعده Intrusion با شرط زمانی اقامت (Dwell Time) رویکرد مهندسی بهتری است.
آیا پردازش IVS باید سمت دوربین (Edge) باشد یا روی دستگاه NVR انجام شود؟
معماری هیبریدی استاندارد است: استخراج بردارهای حرکتی، شناسایی سوژهها و کادربندی در لبه شبکه توسط تراشه NPU دوربینهای IPC صورت میپذیرد تا پهنای باند حفظ شود؛ اما بازشناسی عمیقتر، جستجوی همزمان و ذخیره پایگاه داده متادیتا بر روی دستگاههای ذخیرهساز NVR هوشمند مدیریت میشود.
8. نتیجهگیری مهندسی: امنیت پایدار بر فراز نوسانات با تهران داهوا
پیادهسازی موفق سامانههای تحلیل رفتار (Behavioral Analytics) و IVS داهوا صرفاً یک اقدام نرمافزاری نیست؛ بلکه زنجیرهای همگرا از انتخاب مهندسی سختافزار (انتخاب درست میان WizSense و WizMind)، محاسبات دقیق متری اپتیک، کالیبراسیون تخصصی زاویه تابش لنز و بهرهگیری از زیرساختهای پایدار ذخیرهسازی است. تفاوت یک سامانه نظارتی پر از خطای فالس آلارم با یک سامانه پیشگیرانه هوشمند درجه یک صنعتی، در جزئیات مهندسی پیادهسازی آن نهفته است.
ما در تهران داهوا (tehrandahua.com) بر این باوریم که دسترسی به تکنولوژیهای طراز اول نظارتی دنیا نباید تحت تأثیر تلاطمها و تغییرات مقطعی قرار گیرد. تعهد اخلاقی و تخصصی ما در یک اصل خلاصه میشود: «بالاتر از نوسانات، حق مشتری را در نظر میگیریم». اگر به دنبال طراحی، مشاوره فنی، تأمین تجهیزات اصیل داهوا و پیادهسازی راهکارهای هوش مصنوعی IVS متناسب با نیازهای پروژه خود هستید، تیم فنی و مهندسی تهران داهوا آماده است تا قدرتمندترین سطح حفاظت الکترونیک را با محاسبات واقعی در اختیار شما قرار دهد.





