دوربین‌ های امنیتی هوش مصنوعی به زودی قبل از تشخیص چهره، از روی نحوه راه رفتن شما را شناسایی می‌کنند

یک سیستم جدید هوش مصنوعی با استفاده از پایش نقاط کلیدی اسکلتی، حرکت بدن را ردیابی می‌کند. هدف این فناوری، انجام فرآیند احراز هویت از مسافت‌های دور است؛ یعنی دقیقاً در نقاط کوری که اسکن چهره و اثر انگشت کارایی خود را از دست می‌دهند.

به گزارش بخش اخبار فناوری زوم تک به نقل از منبع خبر Digital Trends، دوربین‌های امنیتی از ابتدا برای نگاه کردن و تشخیص چهره‌ها ساخته شده‌اند. اما تحقیقات جدید نشان می‌دهند که آن‌ها به زودی هدف دیگری را دنبال خواهند کرد: عادات ظریف و پنهانی که در نحوه راه رفتن هر فرد وجود دارد.

مقاله‌ای که در نشریه بین‌المللی International Journal of Reasoning-based Intelligent Systems منتشر شده است، سیستمی به نام SKDMap-Net را معرفی می‌کند؛ یک سیستم تشخیص راه رفتن (Gait Recognition) که برای شناسایی افراد از روی ویدیوهای در حال حرکت طراحی شده است، حتی زمانی که دوربین دید واضحی از چهره آن‌ها ندارد. این مدل به جای تکیه بر اسکن‌های نزدیک، به بررسی نحوه حرکت بدن از یک فریم به فریم دیگر می‌پردازد.

تشخیص هویت از فواصل دور؛ کاربردی اما نگران‌کننده

این فناوری به همان اندازه که کاربردی است، می‌تواند حس ناخوشایندی نیز ایجاد کند. اگر فردی در مسافت بسیار دوری قرار داشته باشد، به پهلو چرخیده باشد یا بخشی از بدنش پنهان باشد، نحوه راه رفتن او همچنان برای احراز هویت و بررسی شناسایی وی کافی خواهد بود. این مدل هوش مصنوعی توانسته است به دقت ۹۵.۸ درصدی روی یک پایگاه داده بزرگ از الگوهای راه رفتن و دقت رتبه اول ۸۳.۷ درصدی روی یک پایگاه داده دشوارتر در دنیای واقعی دست یابد.

چرا الگوهای راه رفتن کارایی بیشتری نسبت به تشخیص چهره دارند؟

فناوری‌های تشخیص چهره، اثر انگشت و اسکن عنبیه چشم، همگی به یک سد عملی و مشترک برخورد می‌کنند؛ آن‌ها به ثبت تصویری نزدیک، واضح و دقیق نیاز دارند، که این دقیقاً همان چیزی است که بسیاری از دوربین‌های مداربسته و امنیتی به دلیل فاصله یا زاویه به آن دسترسی ندارند.

اما بررسی الگوهای حرکتی بدن فضای بیشتری را برای عملکرد سیستم فراهم می‌کند. دوربین دیگر نیازی ندارد که فرد زیر یک نورپردازی بی‌نقص و کاملاً بی‌حرکت بایستد، بلکه می‌تواند الگوهای حرکتی شکل‌گرفته بر اساس طول گام، زمان‌بندی و حرکت دست و پا را بررسی کند.

به همین دلیل است که فناوری تشخیص هویت از روی راه رفتن مدام در تحقیقات مربوط به امنیت سایبری و سیستم‌های نظارتی مطرح می‌شود. این فناوری به دوربین‌های دوربرد سیگنال هویتی دیگری می‌دهد، به ویژه زمانی که چهره فرد تار است، زاویه نامناسبی دارد یا به قدری کوچک است که نمی‌توان به آن اعتماد کرد.

هوش مصنوعی چگونه حرکات بدن را تحلیل می‌کند؟

سیستم SKDMap-Net با راه رفتن به عنوان یک طرح کلی و صاف رفتار نمی‌کند؛ چرا که فاکتورهای متعددی مانند زاویه بد دوربین می‌تواند آن طرح کلی را به سرعت مخدوش و نامشخص کند.

در عوض، این سیستم بدن را به نقاط کلیدی اسکلتی و متحرک تقسیم کرده و نحوه رفتار این نقاط را در طول زمان ردیابی می‌کند. این هوش مصنوعی بررسی می‌کند که مفاصل چگونه خم می‌شوند، با چه سرعتی می‌چرخند و این ریتم در طول راه رفتن چگونه تغییر می‌کند.

این ویژگی زمانی که دید دوربین بدتر می‌شود، بسیار کمک‌کننده است. اگر بخش پایینی بدن مسدود یا پنهان شده باشد، مدل می‌تواند به جای حدس زدن بر اساس پاهای پنهان‌شده، وزن و تمرکز بیشتری را روی حرکت بخش بالایی بدن بگذارد. در واقع، این سیستم در حال تماشا و آنالیز خودِ حرکت است، نه فقط شکل ظاهری بدن.

چالش‌ های جدی حریم خصوصی و ردیابی عمومی

نسخه بهتری از این آینده وجود دارد که در آن دوربین‌ها به جای ذخیره ویدیوهای خام، داده‌های اسکلتی را پردازش و استخراج کنند. این رویکرد می‌تواند حجم فیلم‌های قابل شناسایی را که در یک سیستم امنیتی جابه‌جا می‌شوند، به شدت کاهش دهد.

با این حال، این ویژگی نیز ایده مذکور را کاملاً بی‌خطر نمی‌کند. نحوه راه رفتن همچنان یک شاخص زیست‌سنجی رفتاری (بیومتریک) است، به این معنی که یک الگوی راه رفتن می‌تواند برای شناسایی مجدد یک فرد استفاده شود، حتی زمانی که چهره او به طور کامل حذف یا شطرنجی شده باشد.

توسعه و ارتقای سیستم‌های نظارتی دوربرد همچنین می‌تواند ردیابی حرکت شهروندان در فضاهای عمومی را بسیار آسان‌تر کند. این تکنولوژی پیش از آنکه جمله «عادی راه برو» به یک توصیه بد برای حفظ حریم خصوصی تبدیل شود، به قوانین سخت‌گیرانه‌ای در زمینه‌های ذخیره‌سازی داده‌ها، دسترسی به اطلاعات و نحوه استقرار و به‌کارگیری نیاز مبرم دارد.