قد تكون كاميرات CCTV التي تم تركيبها منذ سنوات لا تزال تقدم جودة صورة جيدة، ويظل نظام التسجيل والبنية التحتية العامة يعملان بكفاءة. لكن عندما ترغب المؤسسة في إضافة AI Video Analytics، يظهر سؤال أساسي:
“إذا أردنا استخدام AI، فهل يجب علينا استبدال جميع الكاميرات الحالية بكاميرات AI؟”
الإجابة هي: ليس بالضرورة. ولا يجب دائماً أن تكون الخطوة الأولى هي استبدال جميع الكاميرات.
في كثير من الحالات، قد يكون النهج الأكثر عملية هو تقييم مدى إمكانية الاستفادة من نظام CCTV والبنية التحتية الحالية، ثم إضافة AI على مستوى النظام، بحيث يمكن استخدام Video Streams المناسبة من الكاميرات الحالية للتحليل واكتشاف الأحداث وربطها بعمليات التنبيه.
بالنسبة إلى Canal One، يتوافق هذا النهج مع ASAP أو All Smart AI Platform، الذي يركز على العمل مع Existing Infrastructure وتخصيص النظام وفقاً لـ Pain Points وRequirements الخاصة بكل مؤسسة.
لذلك، فإن “تحويل الكاميرات الحالية إلى AI” لا يعني بالضرورة استبدال Hardware داخل كل كاميرا.
بل يعني إضافة Intelligence إلى نظام CCTV الموجود، بحيث يمكن تحليل صور الكاميرات والاستفادة منها بما يتجاوز المراقبة المباشرة أو التسجيل للرجوع إليه لاحقاً.
قد يعطي مصطلح “AI Camera” انطباعاً بأنه إذا لم تكن قدرات AI مدمجة في الكاميرا منذ المصنع، فلن يكون من الممكن استخدام الذكاء الاصطناعي معها.
لكن في أنظمة Video Analytics، لا يشترط أن تتم معالجة AI داخل الكاميرا نفسها فقط.
السؤال الأهم هو ما إذا كان من الممكن إرسال Video Stream مناسب من نظام CCTV إلى نظام AI لتحليله.
في بيئة CCTV التقليدية، يتم عادة إرسال الفيديو إلى أنظمة Monitoring وRecording. ويستخدم الموظفون الكاميرات لمتابعة الوضع الحالي أو لمراجعة الأدلة بعد وقوع الحادث.
وعند إضافة AI Video Analytics، يمكن تحليل الفيديو نفسه وفقاً لـ Use Cases محددة.
وبدلاً من أن يجيب النظام فقط عن السؤال:
“ماذا ترى هذه الكاميرا؟”
يمكن لـ AI أن يساعد على الإجابة عن سؤال آخر:
“هل يحدث في هذه الصورة شيء يحتاج إلى الانتباه؟”
وهنا تبدأ الكاميرا الحالية في أداء دور أقرب إلى Intelligent Sensor، من دون أن تكون قدراتها الذكية مرتبطة فقط بالـ Hardware الموجود داخلها.
يمكن النظر إلى نظام CCTV على أنه تدفق للبيانات.
في البداية توجد الكاميرا التي تنتج الفيديو، وفي النظام التقليدي قد تكون الوجهة هي Monitor أو نظام Recording.
لإضافة AI، يمكن إدخال Video Stream مناسب إلى AI Analytics Layer حتى يقوم النظام بتحليل ما يحدث داخل الصور.
وبذلك يمكن أن يتطور المسار من:
CCTV → Monitoring / Recording
إلى عملية أكثر ذكاءً مثل:
Existing CCTV → Video Stream → AI Video Analytics → Detection → Alert → Human Response
التغيير الأساسي هنا لا يتمثل في تحويل كل كاميرا إلى جيل جديد من Hardware.
بل في تمكين بيانات الكاميرا من الدخول في عملية تحليل ذكية.
يوفر Canal One ASAP قدرات AI-Based Safety & Security Detection لـ Use Cases مثل Intruder Detection وSmoke and Fire AI Detection وPPE Safety وFace Recognition وLicense Plate Recognition وPath Track Technology وSuspicious Object Detection.
وهذا يعني أن دور الكاميرا الحالية يمكن أن يتوسع من مجرد “جهاز ينتج فيديو” إلى أحد مصادر Data التي يعتمد عليها نظام AI، بشرط أن تكون البنية التحتية وجودة الصورة ملائمتين للـ Use Case المطلوب.
يجب فهم عبارة “استخدام الكاميرات الحالية من دون استثمار جديد” بشكل دقيق.
ما يمكن تقليله هو الحاجة إلى إزالة واستبدال كامل CCTV Infrastructure فقط لأن المؤسسة تريد إضافة AI.
لكن إضافة AI Video Analytics لا تزال تحتاج إلى تقييم النظام وتصميم Integration والنظر في المكونات المطلوبة للمعالجة والاستخدام الفعلي.
قد تمتلك بعض المؤسسات كاميرات مناسبة بالفعل، بينما قد تعاني بعض المناطق من قيود مرتبطة بجودة الصورة أو موقع الكاميرا أو Network Infrastructure أو أجزاء أخرى من النظام.
لذلك، فإن التعبير الأدق من “لا حاجة إلى استثمار جديد” هو:
لا حاجة إلى التخلص من الاستثمار السابق والبدء من الصفر بالكامل.
وهذه نقطة مهمة خصوصاً للمؤسسات التي تمتلك أعداداً كبيرة من كاميرات CCTV، لأن استبدال كل الكاميرات قد لا يكون الخيار الأكثر كفاءة إذا كانت بعض الكاميرات الحالية لا تزال قادرة على توفير Video Data مفيدة لتحليل AI.
الإجابة هي: لا ينبغي افتراض أن كل كاميرا حالية تستطيع دعم كل AI Use Case فوراً.
إمكانية الوصول إلى Video Stream ليست سوى البداية. فالذكاء الاصطناعي يحتاج أيضاً إلى معلومات مرئية مناسبة لما يراد اكتشافه.
على سبيل المثال، قد تكون الكاميرا المركبة لتقديم صورة عامة لمساحة واسعة مناسبة لغرض معين، لكن ذلك لا يعني تلقائياً أنها مناسبة لـ Face Recognition أو License Plate Recognition.
وبالمثل، عند استخدام Intruder Detection، يجب أن يتناسب موقع الكاميرا ومجال رؤيتها مع الـ Zone المطلوب مراقبته.
أما في PPE Safety، فيجب أن توفر الصور زاوية مناسبة لتحليل الأشخاص داخل منطقة العمل.
لذلك، لا ينبغي أن يكون السؤال:
“هل تعمل هذه العلامة التجارية من الكاميرات مع AI؟”
بل:
“هل Video Stream ومجال الرؤية من هذه الكاميرا مناسبين لـ AI Use Case الذي نريد تطبيقه؟”
هذا الاختلاف البسيط في طريقة طرح السؤال يمكن أن يؤثر كثيراً في قرارات الاستثمار، لأنه يسمح للمؤسسة بتقييم كل موقع وUse Case على حدة، بدلاً من اتخاذ قرار باستبدال النظام كله دفعة واحدة.
من الأخطاء الشائعة أن يبدأ مشروع AI بالسؤال:
“كم كاميرا سنضيف إليها AI؟”
لكن السؤال الذي يجب أن يأتي أولاً هو:
ما المشكلة التي تريد المؤسسة حلها؟
إذا كانت هناك مخاطر تسلل عند Perimeter المصنع، فقد يكون الهدف هو Intruder Detection.
إذا كانت منطقة Production تحتاج إلى مراقبة استخدام معدات الحماية، فقد يكون الهدف PPE Safety.
وإذا أرادت المؤسسة مراقبة CCTV بحثاً عن الدخان والحرائق، فقد يكون Smoke and Fire AI Detection مناسباً وفقاً لطبيعة الموقع والنظام.
وعندما يصبح Use Case واضحاً، يمكن للمؤسسة العودة لتقييم الكاميرات الحالية وتحديد أي منها يوفر الفيديو المناسب لهذا الهدف.
وهذا يغير المشروع من:
“ترقية جميع الكاميرات لتحتوي على AI”
إلى:
“استخدام AI في الأماكن التي يحقق فيها قيمة حقيقية لـ Security وSafety وOperations.”
كما يسمح بترتيب الاستثمار وفقاً لـ Risks وOperational Priorities الخاصة بالمؤسسة.
حتى إذا كانت الكاميرا الحالية قادرة على إرسال الفيديو إلى نظام AI، فإن Detection وحده ليس هو الهدف النهائي.
تخيل أن AI يكتشف متسللاً بنجاح، لكن الحدث يظهر فقط على Dashboard ولا تصل المعلومة إلى الشخص المسؤول. ستظل القيمة العملية لهذا Detection محدودة.
ولهذا تعد Real-Time Alerts وNotifications مهمة.
يدعم ASAP عدة قنوات لـ Real-Time Notification، مثل Applications وAPIs وDirect Messages وStrobe Light/Siren وPortable Radio، بحيث يمكن ربط نتائج Detection بالموظفين المسؤولين وفقاً للـ Workflow المصمم.
لذلك، يجب النظر إلى ترقية CCTV بالذكاء الاصطناعي باعتبارها عملية كاملة:
Existing CCTV → AI Detection → Alert → Communication → Human Decision → Response
فالمؤسسة لا تضيف مجرد Feature إلى الكاميرا.
بل تضيف القدرة على تحويل ما تراه الكاميرا إلى جزء من Incident Workflow.
لا يجب أن تتوقف قيمة تطوير CCTV عند Video Analytics فقط.
عندما يتم ربط AI Detection بالأنظمة الأخرى، يمكن للكاميرات الحالية أن تصبح جزءاً من Unified Security System أوسع.
على سبيل المثال، يمكن إدخال الحدث الذي اكتشفته CCTV في Notification Workflow وربطه بـ Integrated Communication System أو Smart Voice Radio لإرسال المعلومات إلى الموظفين المناسبين.
كما يمكن لمنظومة Canal One العمل مع تقنيات مثل Smart Drone وSmart Robot وAdvanced Thermal Sensor، بينما توسع ASAP+ هذه القدرات من خلال Automation، بما في ذلك التحكم التلقائي في الأجهزة مثل إرسال Drone إلى موقع الحادث.
وهكذا يمكن أن يصبح الفيديو القادم من الكاميرا الحالية مجرد نقطة البداية لعملية أكبر.
فالكاميرا التي كانت تسجل فقط:
“ماذا حدث؟”
يمكن أن تتطور لتصبح Data Source تساعد على بدء Workflow يجيب عن:
“ماذا تم اكتشافه؟ من يجب أن يعرف؟ وما الذي ينبغي أن يفعله النظام بعد ذلك؟”
وهذا يمثل انتقالاً من Video Surveillance إلى Video Intelligence وIntegrated Operations.
نادراً ما تقوم المؤسسات التي تمتلك شبكات CCTV كبيرة ببناء النظام كله دفعة واحدة.
قد تأتي بعض الكاميرات من مشاريع قديمة، وقد تستخدم مبانٍ مختلفة Brands مختلفة، بينما تتم ترقية بعض المناطق في أوقات مختلفة.
إذا اضطرت المؤسسة إلى إزالة Existing Infrastructure والبدء من جديد في كل مرة تظهر فيها تقنية جديدة، فقد ترتفع تكلفة وتعقيدات التحول بشكل كبير.
وهنا تأتي أهمية Smart Integration.
بدلاً من افتراض أن جميع الأجهزة القديمة أصبحت غير صالحة، يجب أولاً تقييم ما لا يزال يعمل، وما يمكن Integrate معه، وما يحتاج إلى تحسين، وما يحتاج فعلاً إلى استبدال.
تركز Canal One على تحليل Pain Points وRequirements وExisting Infrastructure قبل تصميم وتخصيص Solution.
وهذا يسمح للمؤسسات بالنظر إلى AI كامتداد لـ Digital Infrastructure الموجودة، وليس كسبب لشراء Hardware جديد بالكامل في كل مرة ترغب فيها في إضافة قدرات جديدة.
إضافة الذكاء الاصطناعي إلى الكاميرات الحالية تبدأ بصور مناسبة ومسار واضح لإحالة الحوادث إلى فرق التشغيل. يمثل ذلك سياقًا عمليًا لتطبيق Integrated Operation Center، أي مركز ذكي متكامل لإدارة المواقف، يُصمم لربط المعلومات وتنسيق عمل المسؤولين.
لا تختفي قيمة CCTV التقليدية عند إضافة AI.
تظل Monitoring وRecording ذات أهمية كبيرة في Security & Safety.
ما يضيفه AI هو القدرة على المساعدة في تحليل المعلومات المرئية أثناء حدوث الحدث.
فبدلاً من أن تسجل الكاميرات كميات ضخمة من Video وتنتظر من الإنسان تفسيرها، يمكن لـ AI المساعدة على تصفية الأحداث التي تتوافق مع الشروط المحددة وتمرير المعلومات ذات الصلة إلى Workflow المناسبة بشكل أسرع.
وهذا هو الانتقال من Passive CCTV إلى نظام يتمتع بدرجة أكبر من Intelligence.
والأهم أن هذا التحول لا يجب أن يبدأ بالضرورة بإزالة كل الكاميرات الحالية من أماكنها.
بالنسبة إلى كثير من المؤسسات، قد تكون البداية الأنسب هي تقييم CCTV الموجودة، وتحديد Use Cases المطلوبة، ومراجعة جودة الكاميرات ومواقعها، ثم تحديد أين يجب إدخال AI داخل النظام.
لذلك، إذا كان السؤال هو:
“كيف يمكننا ترقية CCTV الحالي بالذكاء الاصطناعي من دون استبدال النظام بالكامل؟”
فالإجابة هي:
البدء باستخدام Existing CCTV كمصدر لـ Video Data، وربط Video Streams المناسبة بـ AI Video Analytics لتحليل الأحداث واكتشافها، ثم تمرير النتائج إلى Real-Time Alert وCommunication وResponse Workflows، مع تقييم الكاميرات والبنية التحتية الحالية وفقاً للـ Use Case الفعلي قبل اتخاذ قرار بشأن استبدال أي جهاز.
فالهدف ليس وضع كلمة “AI” على كل كاميرا.
بل جعل نظام CCTV الذي استثمرت فيه المؤسسة بالفعل قادراً على إنتاج Intelligence وقيمة أكبر.
لذلك، قبل أن تسأل المؤسسة:
“كم كاميرا AI جديدة يجب أن نشتري؟”
قد يكون من الأفضل أن تسأل أولاً:
“هل تستطيع الكاميرات التي نمتلكها اليوم أن تفعل أكثر مما تفعله الآن؟”
