غالباً ما تبدأ المؤسسات التي ترغب في إدخال الذكاء الاصطناعي إلى أنظمة الأمن لديها بالسؤال نفسه: «هل يمكن ترقية كاميرات CCTV الموجودة لدينا بالفعل باستخدام الذكاء الاصطناعي؟»
يكتسب هذا السؤال أهمية خاصة بالنسبة للمصانع والمستودعات والمباني المكتبية والمستشفيات والمنشآت الحكومية والبنية التحتية الحيوية، حيث سبق أن تم استثمار ميزانيات كبيرة في أنظمة CCTV. فاستبدال جميع الكاميرات فقط للحصول على قدرات AI قد يعني تكاليف إضافية وأعمال تركيب وتغييرات كبيرة في البنية التحتية.
الإجابة هي: يمكن في كثير من الحالات دمج كاميرات CCTV الحالية مع AI Video Analytics دون الحاجة بالضرورة إلى استبدال نظام الكاميرات بالكامل. لكن هذا لا يعني أن كل علامة تجارية وكل طراز وكل نظام قائم سيدعم AI مباشرة من دون اعتبارات تقنية.
فالعلامة التجارية للكاميرا ليست سوى جزء من الصورة. ويجب أيضاً النظر إلى خصائص الكاميرا وتدفق الفيديو Video Stream، ونظام التسجيل، والبنية التحتية للشبكة، وجودة الصورة، وموقع وزاوية الكاميرا، بالإضافة إلى AI Use Case الذي تريد المؤسسة تطبيقه.
لهذا السبب، لا يبدأ مفهوم ASAP أو All Smart AI Platform من Canal One من افتراض أن المؤسسة يجب أن تستبدل جميع أجهزتها الحالية. بل يبدأ نهج Canal One بتحليل مشكلات المستخدم واحتياجاته والبنية التحتية الموجودة، قبل تصميم وتخصيص الحل المتكامل المناسب.
قد تعطي عبارة «تحويل الكاميرا الحالية إلى كاميرا AI» انطباعاً بأنه يكفي تثبيت برنامج معين داخل الكاميرا التقليدية لتتحول فوراً إلى جهاز يعمل بالذكاء الاصطناعي.
لكن عملياً، يمكن أن يعمل AI Video Analytics من خلال إدخال الفيديو أو Video Stream القادم من كاميرات CCTV إلى بيئة معالجة بالذكاء الاصطناعي، حيث يقوم النظام بتحليل الصور وفقاً لحالات الاستخدام المحددة مسبقاً.
بمعنى آخر، ليس من الضروري أن تكون الكاميرا نفسها هي المكان الوحيد الذي تتم فيه معالجة AI.
تستمر الكاميرا في أداء وظيفتها الأساسية وهي التقاط الفيديو، بينما يقوم AI بتحليل المعلومات المرئية للمساعدة في تحديد ما إذا كان هناك حدث يستحق الانتباه. وبعد ذلك يمكن ربط نتيجة التحليل بلوحة تحكم Dashboard أو نظام تنبيه أو Workflow تشغيلي آخر.
تقدم Canal One منصة ASAP كنظام إدارة يُدخل قدرات AI إلى بيئة التشغيل الحالية لتعزيز التحليل والتصنيف واكتشاف الحالات والاتجاهات غير الطبيعية وإرسال التنبيهات.
لذلك، بدلاً من السؤال فقط: «هل هذه كاميرا AI؟» قد يكون السؤال الأكثر فائدة هو:
«هل يمكن دمج الفيديو القادم من كاميرتنا الحالية مع نظام AI الذي نحتاج إليه؟»
الإجابة الدقيقة لا ينبغي أن تكون «نعم، جميع الكاميرات» قبل تقييم النظام الحالي.
فعلى الرغم من أن AI Video Analytics يتيح فرصاً كبيرة لتطوير البنية التحتية الحالية لـ CCTV، فإن التوافق الفعلي يعتمد على البيئة التقنية التي تعمل فيها تلك الكاميرات.
قد تختلف إمكانات الاتصال والفيديو من كاميرا إلى أخرى. كما تستخدم المؤسسات تركيبات مختلفة من الكاميرات وأجهزة التسجيل والشبكات وبرامج الإدارة. وفي الوقت نفسه، قد تحتاج تطبيقات AI المختلفة إلى مستويات مختلفة من جودة الصورة وزوايا التصوير والمعلومات المرئية.
لذلك، فإن عبارة «دعم كاميرات CCTV الحالية» لا تعني أن كل كاميرا موجودة تستطيع تشغيل كل AI Use Case فوراً.
النهج الأكثر واقعية هو تقييم بيئة CCTV الحالية أولاً، ثم تحديد الكاميرات والبنية التحتية التي يمكن الاستمرار في استخدامها، والأجزاء التي قد تحتاج إلى تعديل، وتلك التي قد لا تكون مناسبة لتطبيق AI المطلوب.
ويتوافق ذلك مع نهج Canal One الذي يبدأ بتحليل احتياجات المستخدم وتخصيص النظام ليتكامل مع Existing Infrastructure، بدلاً من تطبيق حل واحد على جميع الحالات.
لا تهتم المؤسسات بإضافة AI إلى CCTV لمجرد تحويل اسم «الكاميرا التقليدية» إلى «كاميرا AI»، بل لأنها تريد أن تصبح بيانات الفيديو أكثر فائدة أثناء وقوع الأحداث.
تلعب أنظمة CCTV التقليدية دوراً مهماً في عرض الفيديو وتسجيله، لكنها قد تظل تعتمد بدرجة كبيرة على الموظفين لمراقبة الشاشات واكتشاف الحالات غير الطبيعية. وكلما زاد عدد الكاميرات، أصبحت مراقبة جميع تدفقات الفيديو بشكل مستمر أكثر صعوبة.
تشير Canal One إلى هذه المشكلة باعتبارها أحد التحديات المهمة، حيث قد تعتمد أنظمة الكشف والتسجيل والتنبيه التقليدية بشكل كبير على الموظفين، ما قد يؤدي إلى أخطاء أو تأخير. وهنا يمكن للتكنولوجيا المساعدة على رفع الكفاءة وتقليل Human Error.
مع AI Video Analytics، يمكن تحليل فيديو CCTV للمساعدة في اكتشاف الحالات المحددة مسبقاً.
ومن خلال ASAP، تقدم Canal One تطبيقات AI في مجالات Safety وSecurity، مثل Smoke and Fire AI Detection، وPPE Safety، وIntruder Detection، وFace Recognition، وLicense Plate Recognition، وPath Track Technology، وSuspicious Object Detection، وStaff Counting.
هناك نقطة مهمة أخرى يجب أخذها في الاعتبار: عمل كاميرا CCTV بشكل جيد للمراقبة التقليدية لا يعني بالضرورة أنها مناسبة تلقائياً لكل أنواع AI Analytics.
لنفترض أن المؤسسة تريد استخدام AI للتحقق من معدات الوقاية الشخصية PPE داخل المصنع. إذا كانت الكاميرا بعيدة جداً عن العاملين، أو لا تغطي منطقة العمل بالشكل المناسب، أو كانت تفاصيل الأشخاص في الصورة غير كافية، فقد لا يكون الفيديو مناسباً لهذا AI Use Case.
وينطبق المبدأ نفسه على Intruder Detection. فقد تحتاج الكاميرا التي تم تركيبها أساساً للمراقبة العامة إلى تقييم للتأكد من أن مجال رؤيتها يتوافق مع المنطقة التي تحتاج المؤسسة إلى مراقبتها ضد التسلل.
لهذا السبب، لا ينبغي أن يقتصر تقييم الكاميرا الحالية من أجل AI على سؤال:
«هل يمكن توصيلها بالنظام؟»
بل يجب أن يتبعه سؤال أكثر أهمية:
«هل يوفر الفيديو القادم من هذه الكاميرا المعلومات التي يحتاج إليها AI Use Case المطلوب؟»
ولهذا ينبغي أن يبدأ تصميم AI Security الفعال من حالة الاستخدام وبيئة التشغيل الحقيقية، وليس فقط من عدد خصائص AI المتاحة.
قد تعتقد مؤسسة لديها مئات كاميرات CCTV أن تبني AI يعني تطبيق التحليلات على كل كاميرا في الوقت نفسه.
لكن عملياً، قد تكون البداية الأكثر فاعلية هي تحديد المخاطر في كل منطقة.
قد يحتاج المدخل أو محيط المنشأة إلى Intruder Detection أو License Plate Recognition، بينما قد تعطي مناطق التشغيل الأولوية لـ PPE Safety. وقد تحتاج المناطق الحرجة إلى Smoke and Fire AI Detection أو أنواع أخرى من مراقبة الأحداث غير الطبيعية.
عندما تبدأ المؤسسة من المشكلة الفعلية Pain Point، يمكنها تطبيق AI أولاً على الكاميرات والمناطق التي يمكن أن تحقق أكبر أثر، ثم توسيع النظام وفقاً للاحتياجات التشغيلية.
ويتوافق ذلك مع تركيز Canal One على تخصيص الحلول والاستفادة من البيانات والبنية التحتية الحالية وفقاً لاحتياجات المستخدم الفعلية.
فالهدف لا ينبغي أن يكون امتلاك أكبر عدد ممكن من «كاميرات AI».
بل استخدام AI في الأماكن التي يمكن أن يساعد فيها على تقليل المخاطر، وتخفيف عبء المراقبة المستمرة، وتمكين الموظفين من ملاحظة الأحداث المهمة بشكل أسرع.
أحد الاختلافات الأساسية بين AI Video Analytics وتسجيل الفيديو التقليدي هو إمكانية ربط نتائج الكشف بعمليات التنبيه.
تخيل كاميرا حالية تراقب محيط المنشأة وتم دمجها مع Intruder Detection. عندما يكتشف AI حدثاً يطابق الشروط المحددة، لا يجب أن تنتهي العملية بمجرد ظهور إطار حول الشخص على شاشة المراقبة.
بل يمكن أن يصبح الحدث جزءاً من Workflow يقوم بتنبيه الموظفين المسؤولين للتحقق من الوضع.
تدعم ASAP مفهوم Real-Time Notification عبر قنوات مختلفة، مثل LINE Official Account، وتطبيقات Android وiOS، والهاتف السلكي، وواجهات API، والرسائل المباشرة، وأضواء التحذير أو صفارات الإنذار، وأجهزة الراديو المحمولة.
لذلك، تتجاوز قيمة AI CCTV مجرد Detection.
وتصبح أكثر أهمية عندما يكون مسار العمل مترابطاً على النحو التالي:
Detection → Alert → Human Decision → Response
وهنا تبدأ كاميرا CCTV الحالية في التحول من جهاز يسجل ما حدث إلى Sensor مهم داخل نظام أمني ذكي.
قد تكون ترقية CCTV باستخدام AI مجرد بداية لـ Smart Integration.
فالحوادث الواقعية غالباً ما تحتاج إلى معلومات تتجاوز الفيديو وحده.
على سبيل المثال، قد تكتشف CCTV وAI حدثاً غير طبيعي، بينما توفر IoT Sensors معلومات إضافية عن البيئة المحيطة. وبعد ذلك يمكن للنظام إرسال Alert إلى الموظفين المسؤولين، وفي البيئة التي تدعم Automation يمكن إدخال Drone للمساعدة في التحقق من موقع الحادث.
تقدم Canal One منصة ASAP بحيث تعمل مع تقنيات تشمل CCTV وSmart Drone وSmart Robot وIntegrated Communication System وSmart Voice Radio وAdvanced Thermal Sensor. كما تدعم ASAP+ مفاهيم Automation مثل استخدام Drone للوصول إلى موقع الحادث.
وهذا يغير طريقة التفكير في مفهوم «AI CCTV».
فالهدف النهائي ليس امتلاك أذكى كاميرا منفردة، بل إنشاء Unified Security System تستطيع فيه الكاميرات والمستشعرات وأجهزة الاتصال وأنظمة الاستجابة العمل معاً.
تقييم الكاميرات الحالية لاستخدام الذكاء الاصطناعي يشمل كيفية إدخال نتائج الكشف في أعمال المراقبة اليومية. ينبغي لنظام إدارة العمليات الذكي إدخال هذه المعلومات إلى Integrated Operation Center (IOC) وفق إجراءات المؤسسة الفعلية، مع إبقاء دور الموظفين في المراجعة واتخاذ القرار.
بالنسبة للمؤسسات التي تمتلك بالفعل بنية تحتية لـ CCTV، لا يجب أن يبدأ الانتقال إلى AI بالضرورة بعرض أسعار لمئات الكاميرات الجديدة.
قد تكون البداية الأفضل هي تقييم النظام الموجود وتحديد AI Use Case المطلوب بوضوح.
هل تحتاج المؤسسة إلى Intruder Detection؟ أم مراقبة PPE في مناطق التشغيل؟ أم Smoke and Fire Detection؟ أم تحتاج إلى أن تتحول الأحداث التي ترصدها CCTV إلى Alerts تصل إلى الموظفين المسؤولين بسرعة أكبر؟
عندما يصبح الهدف واضحاً، يمكن تقييم مدى إمكانية الاستمرار في استخدام الكاميرات والشبكة والبنية التحتية الحالية.
يركز نهج Canal One على ربط People, Data, and Intelligent Devices من خلال تقنية Seamless وHuman-Centric، مع دمج AI في Existing Infrastructure عندما يكون ذلك مناسباً، بدلاً من اعتبار التحول إلى AI عملية يجب أن تبدأ دائماً من الصفر.
لذلك، إذا كان السؤال هو:
«هل يمكن فعلاً ترقية كاميرات CCTV الحالية من مختلف العلامات التجارية باستخدام AI؟»
فالإجابة الأكثر دقة هي:
يمكن في كثير من الحالات دمج كاميرات CCTV الحالية مع AI Video Analytics دون الحاجة إلى استبدال نظام الكاميرات بالكامل، ولكن يجب أولاً تقييم Compatibility والبنية التحتية وجودة الصورة وزاوية الكاميرا وAI Use Case المطلوب.
فالهدف ليس وضع كلمة «AI» على كل كاميرا.
الهدف هو الاستفادة بشكل أفضل من البنية التحتية لـ CCTV التي استثمرت فيها المؤسسة بالفعل، وتحويل الفيديو إلى معلومات أكثر قيمة لعمليات الأمن والتشغيل.
وقبل اتخاذ قرار باستبدال نظام CCTV بالكامل، قد يكون من الأفضل طرح سؤال أبسط:
«إلى أي مدى يمكن أن تصبح الكاميرات التي نمتلكها اليوم أكثر ذكاءً؟»
