يمكن لكاميرات CCTV تسجيل شخص أثناء دخوله إلى منطقة محظورة، لكن السؤال الأهم في أنظمة الأمن الحديثة هو: هل يستطيع النظام أن يدرك أن “هذا الشخص موجود في مكان لا ينبغي أن يكون فيه” وأن ينبه أفراد الأمن في الوقت المناسب؟
هنا يأتي دور AI Intruder Detection أو نظام اكتشاف المتسللين بالذكاء الاصطناعي، وهي تقنية تستخدم AI Video Analytics لتحليل صور كاميرات CCTV واكتشاف الأحداث التي تتوافق مع شروط التسلل المحددة داخل مناطق المراقبة. وبعد اكتشاف الحدث، يمكن إدخاله مباشرة في مسار التنبيه والمراجعة من قبل أفراد الأمن.
ضمن ASAP أو All Smart AI Platform من Canal One، يعد Intruder Detection أحد تطبيقات AI-Based Safety & Security Detection، ويمكن أن يعمل إلى جانب قدرات أخرى مثل Smoke and Fire AI Detection وPPE Safety وFace Recognition وLicense Plate Recognition وPath Track Technology وSuspicious Object Detection لتعزيز قدرات التحليل والتنبيه في أنظمة الأمن.
القيمة الأساسية لا تكمن فقط في أن AI يستطيع “رؤية شخص”، بل في تحويل صور CCTV إلى معلومات تساعد المؤسسة على اكتشاف الأحداث التي تحتاج إلى الانتباه وإيصالها إلى الأشخاص المعنيين بسرعة أكبر.
بشكل مبسط، AI Intruder Detection هو استخدام الذكاء الاصطناعي لتحليل الصور أو الفيديو من كاميرات CCTV بهدف اكتشاف حالات التسلل وفقاً لشروط أمنية محددة مسبقاً.
الاختلاف عن CCTV التقليدي يظهر فيما يحدث بعد أن تلتقط الكاميرا الصورة.
في النظام التقليدي، تقوم الكاميرا بإرسال الفيديو إلى الشاشة وتسجيله. وإذا دخل شخص إلى منطقة محظورة، يجب على الموظف ملاحظة الحدث مباشرة على الشاشة أو الرجوع إلى التسجيل لاحقاً.
المشكلة أن المؤسسات الكبيرة قد تمتلك عشرات أو حتى مئات الكاميرات. ومن الصعب توقع أن يراقب أفراد الأمن جميع الشاشات باستمرار، كما تشير Canal One إلى أن اعتماد الأنظمة التقليدية بدرجة كبيرة على الأشخاص قد يؤدي إلى أخطاء أو تأخير.
عند إضافة AI Video Analytics، يمكن للنظام المساعدة في تحليل الأحداث وتصفيتها وفقاً للشروط المحددة، وتوجيه انتباه الموظفين إلى المواقف التي تحتاج إلى التحقق.
لذلك، لا يأتي Intruder Detection ليحل محل أفراد الأمن، بل ليضيف طبقة من الذكاء تقلل الاعتماد على المراقبة اليدوية المستمرة وحدها.
قد يوحي مصطلح “اكتشاف المتسللين” بأن AI يجب أن يقرر ما إذا كان الشخص “جيداً” أو “سيئاً”. لكن في سياق Video Analytics، السؤال الأهم هو ما إذا كان الحدث يتوافق مع الشروط الأمنية المحددة مسبقاً.
على سبيل المثال، قد ترغب المؤسسة في مراقبة منطقة سياج محيطي، أو مدخل، أو مستودع، أو منطقة حرجة Critical Area بشكل خاص. وعندما يكتشف النظام حدثاً يطابق شروط Intruder Detection، يمكن تحويل هذا الحدث إلى Alert ليتم التحقق منه.
وهذا هو الفرق بين مجرد “رؤية شخص” وبين “اكتشاف حدث يحتاج إلى الانتباه”.
يقوم AI بتحليل المعلومات المرئية، بينما يجب أن يتم تصميم منطقة المراقبة وشروط الاكتشاف وWorkflow بعد التنبيه وفقاً لبيئة التشغيل الفعلية لكل مؤسسة.
ولهذا، لا ينبغي أن يبدأ نظام Intruder Detection الفعال بالسؤال فقط: هل يستطيع AI اكتشاف شخص؟
بل بالسؤال:
“أي منطقة، وأي نوع من الأحداث، وفي أي وقت نريد من النظام أن يساعدنا على المراقبة؟”
عندما يفكر الناس في AI CCTV، غالباً ما يتخيلون مربعاً يظهر حول الشخص على الشاشة.
لكن في نظام أمني حقيقي، رسم إطار حول شخص لا يعني أن الحادث تمت معالجته.
إذا اكتشف AI متسللاً لكن التنبيه بقي فقط على Dashboard ولم تصل المعلومة إلى أحد، فإن قيمة الاكتشاف ستكون محدودة.
ولهذا يعتبر Real-Time Notification جزءاً مهماً من نهج ASAP.
توضح Canal One أن النظام يمكن أن يدعم قنوات تنبيه متعددة مثل LINE Official Account، وتطبيقات Android وiOS، والهاتف السلكي، وAPI، والرسائل المباشرة، وأضواء التحذير أو صفارات الإنذار، وأجهزة الراديو المحمولة.
ومن منظور Incident Management، لا ينبغي النظر إلى Detection وحده، بل إلى Workflow كامل:
CCTV → AI Detection → Alert → Human Decision → Response
عندما ترتبط هذه المكونات معاً، تصبح صور CCTV مفيدة ليس فقط لمعرفة “ماذا حدث؟”، بل لمساعدة فريق الأمن على إدراك أن هناك حدثاً يحتاج إلى التحقق في الوقت الحالي.
في موقع صغير يحتوي على عدد محدود من الكاميرات، قد تكون المراقبة اليدوية قابلة للإدارة.
لكن عندما تتحول البيئة إلى مصنع كبير، أو Warehouse، أو Data Center، أو Utility Site، أو Critical Infrastructure، أو مساحة خارجية ذات سياج طويل، تصبح التحديات أكثر تعقيداً.
المزيد من الكاميرات يعني المزيد من بيانات الفيديو، لكن زيادة البيانات لا تعني بالضرورة أن أفراد الأمن سيكتشفون الأحداث بشكل أسرع.
إذا تمكن النظام من تصفية الأحداث التي تتوافق مع الحالات غير الطبيعية، يمكن للمشغلين التركيز على المناطق أو الكاميرات التي تولد Alerts بدلاً من محاولة مراقبة جميع التدفقات بنفس مستوى الاهتمام طوال الوقت.
وهذا يتوافق مع نهج Canal One في استخدام التكنولوجيا لزيادة الكفاءة، وتقليل العبء الناتج عن العمليات التي تعتمد على الأشخاص، وتقليل احتمالات Human Error.
لذلك، فإن قيمة AI Intruder Detection لا تأتي من إضافة Feature أخرى إلى CCTV فقط، بل من المساعدة على التحول من Video Surveillance إلى Video Intelligence.
سؤال مهم آخر هو ما إذا كانت المؤسسة تحتاج إلى استبدال نظام CCTV بالكامل بكاميرات AI جديدة.
الإجابة هي: يمكن في بعض الحالات تطوير أنظمة CCTV الحالية باستخدام AI Video Analytics، لكن يجب أولاً تقييم ملاءمة البنية التحتية وطبيعة الاستخدام. ولا ينبغي افتراض أن كل كاميرا يمكن أن تعمل مع Intruder Detection فوراً.
يعتمد نهج ASAP من Canal One على إمكانية عمل AI مع المعدات التشغيلية الحالية، وتبدأ عملية تصميم النظام من تحليل مشكلات المستخدم واحتياجاته والبنية التحتية الموجودة، ثم تخصيص الحل بما يتناسب مع الاستخدام الفعلي.
بالنسبة إلى Intruder Detection، هذه النقطة مهمة بشكل خاص، لأن مجرد إمكانية إدخال Video Stream إلى نظام AI لا يعني أن الكاميرا تقدم صورة مناسبة لمنطقة الاكتشاف.
قد تكون الكاميرا مركبة للمراقبة العامة ولا توفر التفاصيل أو الزاوية المناسبة لكل Use Case. كما أن موقع التركيب والبيئة ومنطقة المراقبة كلها تؤثر في تصميم النظام.
لذلك، قبل استبدال جميع الكاميرات، يجب تقييم أي الكاميرات الحالية موجودة في مواقع مناسبة، وهل جودة الصورة تلائم الغرض المطلوب، وأي المناطق يجب أن تبدأ باستخدام AI أولاً.
تزداد فائدة Intruder Detection عندما لا يعمل كنظام مستقل.
تخيل مصنعاً أثناء الليل. تكتشف CCTV حركة في منطقة محددة، ويقوم AI بتحليل الحدث وإنشاء Alert، ثم يرسل النظام Notification إلى الموظفين المسؤولين.
من هذه النقطة، يمكن تصميم الخطوات التالية وفقاً لـ Security Workflow الخاص بالمؤسسة.
ضمن منظومة Canal One، يمكن لـ ASAP العمل مع عناصر أخرى مثل CCTV وIntegrated Communication System وSmart Voice Radio وSmart Drone وSmart Robot، بينما تدعم ASAP+ مفاهيم Automation مثل إرسال Drone إلى موقع الحادث.
وهذا يعني أن نظام الأمن يمكن أن يتطور إلى ما هو أبعد من مجرد إخبار AI بأن “هناك متسللاً”.
الهدف هو إنشاء Unified Security System ترتبط فيه Detection وCommunication وResponse بطريقة منظمة.
في بعض الحالات، قد يتلقى الموظفون Alert ويقومون بمراجعة فيديو إضافي قبل اتخاذ القرار. أما في المساحات الكبيرة أو المواقع صعبة الوصول، فقد يتم استخدام تقنيات أخرى لدعم عملية التحقق وفقاً للنظام الذي صممته المؤسسة.
لذلك، لا يقوم AI بالضرورة باتخاذ القرار بدلاً من الإنسان، بل يساعد على إيصال المعلومات ذات الصلة إلى صانع القرار بشكل أسرع.
عند الحديث عن Intruder Detection، تبدأ بعض المؤسسات بالسؤال: “ما نسبة دقة AI؟”
لكن تقييم النظام بناءً على رقم واحد فقط قد لا يعكس الأداء الحقيقي.
فعالية Video Analytics تعتمد على AI نفسه وعلى جودة البيانات المرئية التي يستقبلها النظام، بما في ذلك موقع الكاميرا وزاوية التصوير والبيئة المحيطة وUse Case المطلوب اكتشافه.
ولهذا، لا ينبغي افتراض أن النظام المصمم لموقع معين سيعطي النتيجة نفسها في كل البيئات من دون تقييم الموقع الفعلي.
وهذا سبب آخر يجعل Canal One تعطي أهمية لتحليل Pain Point وRequirement قبل تطبيق التكنولوجيا، وتخصيص النظام ليتوافق مع Existing Infrastructure.
بالنسبة للمؤسسات، قد لا يكون السؤال الأفضل هو:
“ما أقوى AI؟”
بل:
“هل تم تصميم هذا النظام ليناسب موقعنا، ومخاطرنا، وWorkflow الخاص بنا؟”
عندما يرصد الذكاء الاصطناعي تسللًا، ينبغي أن تصل الصور وسياق الموقع معًا إلى الفريق المسؤول عن التحقق. عند تصميم Integrated Operation Center (IOC) وفق هذا السياق، يربط المركز معلومات الحادث بالموظفين المسؤولين عبر خطوات واضحة للمراجعة وإحالة المهام.
تلعب أنظمة الأمن التقليدية دوراً مهماً في حفظ الأدلة. وبعد وقوع الحادث، يستطيع الموظفون الرجوع إلى تسجيلات CCTV لمعرفة ما حدث.
يضيف AI Intruder Detection بُعداً آخر من خلال المساعدة في اكتشاف الحدث أثناء حدوثه وإدخال هذه المعلومة في عملية التنبيه.
وهذا يعكس انتقالاً من Reactive Security الذي يركز بدرجة كبيرة على المراجعة بعد وقوع الحدث، إلى نهج أكثر Proactive يستخدم AI للمساعدة في تصفية الأحداث وتنبيه الأشخاص المعنيين في وقت أسرع.
ومع ذلك، لا يشكل AI وحده الحل الكامل.
النظام الأمني الفعلي يحتاج إلى ربط الكاميرات والبيانات والتنبيهات والأشخاص وعمليات الاستجابة بطريقة مناسبة.
وهذا يتوافق مع نهج Canal One في ربط People, Data, and Intelligent Devices من خلال تقنية Seamless وHuman-Centric، مع استخدام ASAP كمنصة لإدخال AI إلى عمليات التحليل والكشف والتنبيه.
إذاً، إذا كان السؤال هو:
“كيف يعمل نظام AI Intruder Detection؟”
فالإجابة ليست ببساطة أن AI يشاهد CCTV ويكتشف شخصاً.
بل هي عملية تحليل صور الكاميرات وفقاً لشروط أمنية محددة، واكتشاف الأحداث التي تحتاج إلى الانتباه، ثم ربط نتائج الاكتشاف بـ Alert وResponse Workflow حتى يتمكن الموظفون من معرفة الحدث والتحقق منه واتخاذ القرار بشكل أسرع.
فالنظام الأمني الأكثر ذكاءً لا ينبغي أن يقتصر على تسجيل من دخل إلى المنطقة.
بل يجب أن يساعد المؤسسة على معرفة أن هناك حدثاً يحتاج إلى الانتباه بينما لا يزال يحدث.
