نویسنده: تیم تخصصی ایران ویکچر

تشخیص چهره در دوربین مداربسته چگونه بهترین عملکرد را دارد؟

امروزه فناوری تشخیص چهره (Face Recognition) به یکی از مهم‌ترین قابلیت‌های سیستم‌های نظارت تصویری تبدیل شده است. این فناوری در سازمان‌ها، کارخانه‌ها، ادارات، بانک‌ها، مراکز تجاری، مجتمع‌های مسکونی و بسیاری از پروژه‌های امنیتی برای شناسایی افراد، کنترل تردد و افزایش امنیت مورد استفاده قرار می‌گیرد.

با این حال بسیاری از کاربران تصور می‌کنند تنها خرید یک دوربین دارای قابلیت تشخیص چهره برای دستیابی به عملکرد دقیق کافی است، در حالی که واقعیت چیز دیگری است. کیفیت عملکرد سیستم به عوامل متعددی مانند انتخاب دوربین مناسب، نحوه نصب، نور محیط، نوع لنز، تنظیمات نرم‌افزاری و کیفیت پردازش تصویر وابسته است. مقاله مرجع نیز همین عوامل را به‌عنوان مهم‌ترین مؤلفه‌های افزایش دقت معرفی می‌کند.

در این مقاله، کارشناسان ایران ویکچر مهم‌ترین نکات تخصصی برای افزایش دقت تشخیص چهره را بررسی می‌کنند.

چرا کیفیت تشخیص چهره اهمیت دارد؟

اگر سیستم تشخیص چهره نتواند افراد را به‌درستی شناسایی کند، عملاً ارزش استفاده از این قابلیت کاهش می‌یابد. خطا در تشخیص ممکن است باعث ثبت اشتباه افراد، کاهش امنیت، ایجاد آلارم‌های کاذب و حتی از دست رفتن اطلاعات مهم شود.

به همین دلیل در طراحی پروژه باید تمامی عوامل مؤثر بر کیفیت تصویر و پردازش هوش مصنوعی در نظر گرفته شوند.

۱- انتخاب دوربین مناسب

اولین و مهم‌ترین مرحله، انتخاب یک دوربین حرفه‌ای است.

ویژگی‌های مهم عبارت‌اند از:

• سنسور تصویر با کیفیت بالا
• پردازنده هوش مصنوعی قدرتمند
• رزولوشن مناسب
• قابلیت WDR واقعی
• لنز استاندارد
• عملکرد مناسب در نور کم

نکته مهم این است که صرفاً افزایش مگاپیکسل همیشه باعث افزایش دقت تشخیص چهره نمی‌شود؛ بلکه کیفیت تصویر و میزان جزئیاتی که از چهره ثبت می‌شود، نقش اصلی را ایفا می‌کند. مقاله اصلی نیز بر اهمیت تراکم پیکسلی (PPM) و تنظیمات مناسب دوربین تأکید دارد.

۲- اهمیت تراکم پیکسلی (PPM)

یکی از تخصصی‌ترین معیارها برای طراحی سیستم‌های تشخیص چهره، تراکم پیکسلی یا Pixel Per Meter (PPM) است.

در واقع آنچه اهمیت دارد، تعداد پیکسل‌هایی است که به چهره فرد اختصاص پیدا می‌کند، نه صرفاً رزولوشن کلی دوربین.

برای دستیابی به تشخیص چهره دقیق، باید تصویر چهره دارای جزئیات کافی باشد تا الگوریتم هوش مصنوعی بتواند ویژگی‌های صورت را استخراج و تحلیل کند. مقاله مرجع حداقل حدود ۲۵۰ پیکسل بر متر (PPM) را برای تشخیص استاندارد پیشنهاد می‌کند.

۳- سرعت شاتر (Shutter Speed)

یکی از مشکلات رایج در پروژه‌های نظارتی، تار شدن تصویر افراد در حال حرکت است.

اگر سرعت شاتر پایین باشد، هنگام عبور افراد، تصویر صورت دچار محوشدگی (Motion Blur) شده و سیستم تشخیص چهره با خطا مواجه می‌شود.

در محیط‌های پرتردد، استفاده از سرعت شاتر مناسب باعث ثبت تصاویر واضح‌تر و افزایش دقت الگوریتم تشخیص می‌شود. مقاله اصلی برای جلوگیری از تاری حرکت، سرعت شاتر حداقل ۱/۲۵۰ ثانیه و در محیط‌های شلوغ ۱/۵۰۰ ثانیه یا بیشتر را پیشنهاد می‌کند.

۴- نرخ فریم (FPS)

هرچه نرخ فریم بالاتر باشد، دوربین تصاویر بیشتری از حرکت افراد ثبت می‌کند و احتمال ثبت یک تصویر واضح از چهره افزایش می‌یابد.

برای پروژه‌های حرفه‌ای، استفاده از دوربین‌هایی با نرخ فریم مناسب، عملکرد سیستم تشخیص چهره را بهبود می‌بخشد. در مقاله مرجع، نرخ ۲۵ تا ۳۰ فریم بر ثانیه برای ثبت چهره پیشنهاد شده است