VLM ve kural tabanlı video analizi: farkları ve doğru seçim

Kural tabanlı video analizi nedir?

Kural tabanlı video analizi, kameralardan uyarı almanın uzun süredir kullanılan yoludur. Bir tespit modeli her karede nesneleri bulur — kişi, araç, forklift, baret — ve etraflarına kutu çizer. Bu kutuların üzerine, her kamera için birileri kural yazar: bir kişi bu çizgiyi geçerse, bir araç bu bölgeye girerse, biri bir alanda belirli süreden uzun kalırsa ya da sayılan kişi belirli bir sayıyı aşarsa alarm. Mantık kuraldadır; girdiyi tespit modeli sağlar.

• Bölge ve çizgi geçme — belirli sınıftan bir nesne bir alana girdiğinde ya da sanal bir çizgiyi geçtiğinde alarm.
• Nesne sınıfları ve eşikler — bir sınıf belirli bir güven eşiğinin üzerinde var ya da yok olduğunda alarm; örneğin baret tespit edilmeyen bir kişi.
• Bekleme süresi — bir nesne bir alanda belirli süreden uzun kaldığında alarm.
• Sayma — bir çizgiden geçen kişi ya da araçların sayılması ya da sayı bir sınırı aştığında alarm.

VLM tabanlı video analizi nedir?

Görsel-dil modeli (VLM), görüntüyü ya da videoyu dille birlikte okur. Nesneleri yalnızca kare kare etiketlemek yerine bir zaman penceresini okur ve ne olduğunu anlatabilir: kim ne yapıyor ve bu duruma uyuyor mu? Alan bilgisi — bir İSG profesyonelinin, bir muayene uzmanının ya da bir kayıp önleme denetçisinin uyduğu kurallar — modelin üzerine konfigürasyon olarak konur; böylece okuma o alanı izler. Çıktı, okunduğu klip ile birlikte sade bir dille yazılmış bir bulgudur. Daha ayrıntılı bir giriş için VLM nedir rehberimize bakabilirsiniz.

Primarch, çözümlerini görsel-dil modelleri (VLM) üzerine kurar ve bu modelleri geliştirir; bu rehberdeki VLM anlatımları kendi deneyimimizdir. Aşağıdaki karşılaştırma iki yaklaşıma da adil olmayı amaçlar: ikisinin de yeri vardır.

VLM ve kural tabanlı video analizi yan yana

1. 01

   Neyi tespit eder?

   Kural tabanlı: nesneler, konumlar, sayılar ve süreler — kural yazılabilen her şey. VLM tabanlı: bağlamıyla eylemler ve durumlar; örneğin enerjisi kesilmemiş bir makineye uzanan operatör ya da kasada müşteri yokken girilen iade.

2. 02

   Kurulum

   Kural tabanlı: bölgeler, çizgiler ve eşikler kamera kamera çizilir ve ayarlanır. VLM tabanlı: alan bilgisi, dokümantasyon ve eşiklerle bir uzman profili konfigüre edilir; sahaya özel ayar yine yapılır, ama kamera başına çizilecek şey azalır.

3. 03

   Yanlış alarmlar

   Kural tabanlı: bağlam ne olursa olsun koşul sağlandığında kural tetiklenir — park etmiş forkliftle dönen forklift bir bölge kuralına aynı görünür; olağan iş bir alarm yağmuru üretebilir. VLM tabanlı: bağlam, olağan işi riskten ayırmak üzere tasarlanmıştır; ama okumalar başka biçimlerde yanılabilir, bu yüzden bir inceleme politikası önemlidir.

4. 04

   Neyi kaçırır?

   Kural tabanlı: kimsenin kural yazmadığı her şeyi. VLM tabanlı: kameranın net göremediği her şeyi — kapanmış bir el, karanlık bir köşe, çözünürlüğe göre fazla küçük bir ayrıntı.

5. 05

   Açıklama

   Kural tabanlı: açıklama kuralın kendisidir ("3. bölgeye girildi"); izlemesi kolaydır ama ne olduğu hakkında az şey söyler. VLM tabanlı: ne olduğunu ve neden önemli olduğunu anlatan sade bir cümle, yanında kanıt klibi.

6. 06

   İşlem gücü ve maliyet

   Kural tabanlı: hafiftir; çoğu zaman kameranın kendisinde ya da küçük bir uç cihazda, çok düşük gecikmeyle çalışabilir. VLM tabanlı: daha ağırdır; daha fazla işlem gücü ister ve bir görüntü penceresini okumak tek bir kuralı kontrol etmekten uzun sürer.

7. 07

   Öngörülebilirlik ve denetim

   Kural tabanlı: deterministiktir — aynı girdi aynı alarmı verir ve bir kural kolayca denetlenir. VLM tabanlı: daha az deterministiktir; bu yüzden eşikler, kendi görüntülerinizde doğrulama ve bulguların bir kişi tarafından incelenmesi daha çok önem taşır.

8. 08

   Değişiklik olduğunda

   Kural tabanlı: yeri değişen bir kamera, yeni bir yerleşim ya da yeni bir görev, kuralların yeniden çizilmesi ve ayarlanması demektir. VLM tabanlı: okuma sahneyi izler, yeni durumlar konfigürasyon güncellenerek ele alınır — ama değişikliklerin yine gerçek görüntüde kontrol edilmesi gerekir.

Kural ne zaman yeterli, bağlam ne zaman gerekli?

Olay konum, varlık, sayı ya da süreyle tam olarak tarif edilebiliyorsa ve bağlam anlamını değiştirmiyorsa kurallar iyi bir seçimdir:

• Mesai dışı çevre güvenliği — gece çit hattını geçen herkes alarmı hak eder.
• Kişi ve araç sayma — ziyaretçi sayısı, kuyruk uzunluğu, kapıdan geçiş.
• Basit çizgi geçme — dur çizgisini geçen bir araç, kimsenin hiçbir zaman girmemesi gereken bir alana giren bir kişi.
• Düşük güçlü sahalar — yalnızca küçük bir uç cihazın bulunduğu ve hızlı, basit bir uyarının yeterli olduğu yerler.

Aynı görüntü, ne olduğuna bağlı olarak olağan iş de gerçek bir sorun da olabiliyorsa bağlam gerekir:

• Bağlamıyla KKD. Eksik ekipmanın önemli olup olmadığı bölgeye ve yapılan işe bağlıdır — yaya yolundaki bir ziyaretçi ile çalışan bir kaynakçı aynı şey değildir. Bkz. KKD uyumu.
• Forklift ve yaya ramak kala olayları. Mesafe tek başına, park etmiş bir forkliftin yanında çalışan toplayıcıyı hareket eden bir forkliftin önüne adım atandan ayırmaz; zaman içindeki yön ve hareket ayırır. Bkz. ramak kala olay tespiti.
• Kasada ödeme sonrası fiş iptali. POS kaydı bir iptal gösterir; satışın önce ödenip teslim edilip edilmediğini yalnızca görüntü gösterir. Bkz. POS raporları ve yapay zekâ ile video.
• AOI yanlış alarmları. Bir lehim bağlantısını sabit sınırlarla ölçen makine, gerçek hatalarla birlikte kabul edilebilir bağlantıları da işaretler; işareti bağlamıyla okuyan bir ikinci bakış, ikisini ayırmak üzere tasarlanmıştır. Bkz. AOI yanlış alarmları.

Kullanışlı bir test: Klibe bakan bir kişi, sorun olup olmadığına karar vermeden önce ne olduğunu bilmek zorundaysa, tek başına bir kural zorlanır. Kararı konum, varlık, sayı ya da süre veriyorsa, ihtiyacınız olan yalnızca bir kural olabilir.

İkisini birleştirmek

Seçim ya o ya bu olmak zorunda değildir. Hafif bir ilk aşama her akışı izleyip dikkat gerektiren anları ayıklayabilir; daha derin bir aşama da bu anları bağlamıyla okuyabilir. Böylece işlem gücü gereken yere odaklanır; basit bir kontrolün hızı korunurken bir kuralın yapamadığı okuma eklenir. Primarch platformu da böyle kuruludur: akış gerçek zamanlı pencerelere bölünür ve bir ön filtre, dikkat gerektiren anları platformun derin analiz katmanına taşır.

Mevcut kural tabanlı alarmlar da iyi çalıştıkları yerde kalabilir — gece bir çevre çiti, kapıda bir kişi sayacı — bağlam gerektiren sorular ise VLM tabanlı bir katmana gider.

Bir çözümde nelere bakmalı?

Hangi yaklaşımı ya da sağlayıcıyı değerlendirirseniz değerlendirin, bir video analizi yazılımı için şu sorular yerindedir:

• Mevcut kameralarınızla çalışıyor mu? Elinizdeki IP kameralara bağlanabiliyor mu ve sahada ne kadar işlem gücü gerektiriyor?
• Sorduğunuz soruya uyuyor mu? Önemsediğiniz olay konum, sayı ya da süreyle mi tarif ediliyor, yoksa eyleme ve bağlama mı bağlı?
• Yanlış alarmları açıkça ele alıyor mu? Alarmların bir kişi tarafından nasıl incelendiğini, olağan işin alarmı tetiklemesinin nasıl önlendiğini ve tekil olayların tekrar eden örüntülerden nasıl ayrıldığını sorun.
• Her bulguyu açıklıyor mu? Bulgu ne olduğunu bir kliple mi söylüyor, yoksa yalnızca hangi kuralın tetiklendiğini mi?
• Kendi görüntüleriniz üzerinde pilot yapılabiliyor mu? Demo videosu değil; sizin kameralarınız, yerleşiminiz ve vardiyalarınız — pilot başlamadan önce üzerinde anlaşılmış kriterlere göre.
• Değişikliğe uyum sağlıyor mu? Bir kameranın yeri, yerleşim ya da görev değiştiğinde ne oluyor: her kural yeniden mi çiziliyor, yoksa bir konfigürasyon mu güncelleniyor?
• Mahremiyete saygılı mı? Görüntünün tesisten çıkmadığı on-premise bir seçenek var mı, anonimleştirme uygulanıyor mu, KVKK ve GDPR gerekliliklerini karşılıyor mu?
• Sonuçlar doğru role ulaşıyor mu? Anlık uyarılar, periyodik özetler ve panolar — herkes harekete geçmesi gerekeni görür.

Primarch Vision ve Özel VLM Çözümleri nasıl yardımcı olur?

Bu bölüm ürünümüzü anlatır. Primarch Vision, her Primarch uzmanının üzerinde çalıştığı platform çekirdeğidir. Sahneyi bütünsel okur: eylemi ve bağlamı yorumlar, bulgularını doğal dille yazar ve sorgulanabilir bir hafızada saklar. Özel VLM Çözümleri, katalogda olmayan ama görülebilen problemler için sizin alan bilginizi bu çekirdeğin üzerine koyar.

• Ön filtre ve derin analiz. Akış gerçek zamanlı pencerelere bölünür; ön filtre dikkat gerektiren anları derin analiz katmanına taşır ve onlarca akış paralel izlenebilir.
• Kural çizimi değil, konfigürasyon. Uzman; alan dokümantasyonu, mevzuat ve eşiklerden oluşan bir konfigürasyonla tanımlanır. Çekirdek aynı kalır; bu yüzden yeni bir kullanım alanı sıfırdan eğitilmez, konfigüre edilir.
• Kanıt klipli, doğal dilde bulgular. Her bulgu, sahnenin insan diliyle yazılmış yorumudur ve zaman damgalı bir klip taşır; gören herkes aynı şeyi görür.
• Sorgulanabilir olay hafızası. Bulgular, doğal dille sorgulayabileceğiniz bir tesis hafızasına işlenir.
• Uyarılar, özetler ve panolar. Anlık bildirimler, periyodik özetler ve role göre panolar.
• Mevcut kameralar, sizin veriniz. Elinizdeki RTSP kameralara bağlanır; on-premise kurulumda görüntü tesisinizden çıkmaz ve KVKK uyumlu anonimleştirme tasarımın parçasıdır.

Nasıl devreye alınır?

1. 01

   Keşif

   Problemi ve başarı kriterini birlikte tanımlarız: hangi sahne, hangi karar, hangi aksiyon?

2. 02

   Konfigürasyon

   Alan bilgi tabanı, kural şablonları ve eşiklerle uzman profili oluşturulur; gerekirse hedefli ince ayar yapılır.

3. 03

   Pilot

   Sahanızdan gerçek görüntülerle doğrulama: ölçülebilir kriterlere karşı birlikte test ederiz.

4. 04

   Devreye alma

   On-premise veya cloud kurulum, ekip eğitimi ve sürekli iyileştirme döngüsü.