1

Inteligența artificială în securitatea locuințelor personale

Introducere:

Am optat pentru tema Inteligența artificială în securitatea locuințelor personale

deoarece inteligența artificială este un domeniu de viitor care a luat amploare în ultimii ani, și
sunt de părere că poate creea lucruri inovatoare. De asemenea, observăm o creștere
semnificativă a utilizării tehnologiilor avansate în domeniul securității rezidențiale. Progresele
rapide în domeniul inteligenței artificiale au dus la dezvoltarea unor aplicații tot mai sofisticate.
Aceste aplicații pot fi integrate în sistemele de securitate pentru a oferi funcționalități precum
recunoașterea facială, analiza comportamentală și învățarea automată, dar noi o să ne axăm
doar pe recunoaștere facială.

Proiectul propus presupune dezvoltarea unui sistem inovator de securitate bazat pe un

model de inteligență artificială. Acest sistem are ca obiectiv principal recunoașterea facială și
îmbunătățirea securității în spații private și nu numai. Modelul de inteligență artificială va fi
dezvoltat și programat în limbajul Python, utilizând biblioteci și framework-uri AI. Acesta va
fi antrenat să recunoască fețe specifice și va opera de pe un Raspberry Pi conectat la un webcam
pentru capturarea imaginilor în timp real. În momentul în care modelul de inteligență artificială
nu recunoaște o față acesta va trimite un semnal de alarmă sub forma unui sms, screenshot,
notificare prin aplicație, etc.

Sistemele de securitate bazate pe IA pot efectua recunoașterea facială cu precizie,

permițând identificarea rapidă și precisă a persoanelor autorizate sau neautorizate. Sistemele
inteligente pot detecta activități suspecte și pot genera alerte în timp real, permițând intervenția
rapidă a proprietarilor sau a serviciilor de securitate. Prin intermediul aplicațiilor mobile și al
platformelor online, proprietarii pot avea acces la sistemul lor de securitate de la distanță,
monitorizând și controlând situația chiar și când nu sunt acasă.

Camerele cu inteligență artificială pentru recunoașterea facială sunt utilizate în diverse

scopuri, precum: prevenirea criminalității, siguranță publică, controlul accesului în clădiri și
facilități. În prevenirea criminalității recunoașterea facială poate fi utilizată în scopuri de
securitate pentru a preveni și investiga activitățile criminale. Poate ajuta la identificarea
persoanelor implicate în activități ilegale și la urmărirea mișcărilor lor. În legătură cu siguranța
publică aeroporturile, stațiile de tren și alte spații publice pot utiliza recunoașterea facială
 2

pentru a îmbunătăți măsurile de securitate și pentru a identifica potențialele amenințări. De

asemenea, recunoașterea facială poate fi folosită pentru a controla accesul la facilități
securizate. Aceasta poate include birouri, centre de date și alte zone în care accesul restricționat
este necesar.

În prezent recunoașterea facială cu ajutorul inteligenței artificiale este folosită în diverse

doemnii: Asistența medicală: viziunea computerizată este combinată cu IA pentru a susține
procedurile de gestionare a durerii și pentru a monitoriza consumul de medicamente al
pacienților.De asemenea, în fiecare an, peste 100.000.000 de oameni trec prin aeroporturile
Orly și Charles de Gaulle din Paris. Pentru a accelera procesul, aeroporturile au început să
folosească "porți inteligente", care utilizează identificare facială (RecFaces, 2023).

Contextul și importanța inteligenței artificiale într-un sistem de supraveghere

Astăzi, sistemele de supraveghere care se folosesc de inteligența artificială au devenit

tot mai răspândite în mai multe industrii. Aceste sisteme utilizează analize video avansate și
algoritmi AI pentru a oferi managerilor o perspectivă cuprinzătoare asupra securității fiecărui
locații.

Multe afaceri au demonstrat implementări de succes ale IA cu rezultate impresionante.

În sectorul retail, s-a observat o reducere a furturilor prin analiza comportamentului, în timp ce
facilitățile de producție au beneficiat de mentenanță predictivă activată de IA pentru a preveni
defecțiunile. Mai mult, integrarea IA s-a dovedit benefică în sectoarele infrastructurii
transportului și siguranței publice, unde detectarea și răspunsul la amenințări în timp real sunt
de o mare importanță.

Integrarea IA în soluțiile de supraveghere video permite o utilizare mai eficientă a

personalului de securitate, reduce alarmele false, minimizează costurile operaționale și
furnizează date valoroase pentru luarea deciziilor în materie de securitate (Olgawalton, 2023).

Apariția inteligenței artificiale în sistemele de supraveghere a fost un lucru inovator,

îmbunătățindu-le capacitățile în numeroase moduri. Una dintre progresele cele mai
semnificative este în detecția și recunoașterea obiectelor. Camerele de supraveghere care
 3

utilizează IA pot identifica și urmări acum oameni, vehicule sau elemente specifice de interes.
Această tehnologie este foarte importantă în identificarea potențialelor amenințări și
monitorizarea mișcărilor în zona de supraveghere.

Recunoașterea facială condusă de IA este o unealtă puternică pentru îmbunătățirea

controlului accesului și securității și poate identifica persoane în timp real. Această capacitate
le face cruciale în diverse aplicații, de la aeroporturi la clădiri de birouri. IA joacă, de asemenea,
un rol esențial în detectarea anomaliilor prin învățarea modelelor normale de comportament
într-o anumită zonă de supraveghere.

Algoritmii IA pot declanșa alerte când apar activități neobișnuite sau suspecte. Acest
lucru îmbunătățește detectarea amenințărilor și securitatea. O altă aplicație valoroasă a IA în
supraveghere este recunoașterea numerelor de înmatriculare. Sistemele IA pot citi și recunoaște
plăcuțele de înmatriculare de pe vehicule. Această capacitate oferă informații folositoare pentru
gestionarea traficului, aplicarea legii și controlul accesului. Analiza comportamentală a
inteligenței artificiale ajută la identificarea acțiunilor agresive sau a comportamentului
neobișnuit al persoanelor în spațiile publice. Inteligența artificială utilizează date înregistrate
precedent pentru a putea anticipa potențiale incidente prin facilitarea măsurilor proactive de
securitate.

Sistemele de supraveghere cu inteligență artificială generează alerte și notificări

automate. Acestea se bazează pe criterii predefinite, inclusiv accesul neautorizat sau
comportamentul neobișnuit. Această automatizare îmbunătățește timpul de răspuns și alertarea
personalului de securitate. Analiza video eficientă este un aspect esențial al IA în supraveghere.
Acești algoritmi pot procesa volume mari de înregistrări video rapid și precis. Acest lucru
reduce necesitatea monitorizării manuale și permite un răspuns mai rapid în cazul incidentelor.

Pentru a aborda preocupările legate de confidențialitate, IA poate estompa sau

anonimiza fețele și alte informații sensibile în fluxurile video. De asemenea, extensibilitatea
sistemelor de supraveghere bazate pe IA este demnă de remarcat. Le permite să se adapteze la
diverse aplicații. De la orașe inteligente la protecția infrastructurii, IA oferă soluții adapabile.
Îmbunătățirea preciziei IA reduce, de asemenea, alertele false, care sunt adesea generate de
factori de mediu nesemnificativi sau situații nepericuloase. Supravegherea inteligentă este, de
asemenea, posibilă prin combinarea IA și a Internet of Things (IoT). În această configurație,
dispozitivele comunică și partajează date pentru a îmbunătăți securitatea și automatizarea (An
Introduction to AI-Powered Surveillance, 2023).
 4

Prezentarea conceptului

Inteligența artificială se referă la capacitatea calculatoarelor și sistemelor de a îndeplini

sarcini care în mod tipic necesită cogniție umană. Ramurile sale ajung în fiecare aspect al vieții
și mijloacelor noastre de trai, de la detecții timpurii și tratamente mai bune pentru pacienții cu
cancer, până la noi surse de venit și operațiuni mai fluide pentru afaceri de toate formele și
dimensiunile (Karjian, 2023).
Graficul următor prezintă evoluția inteligenței artificiale, respectiv ultimele două
decenii. Datele reprezentate provin dintr-o serie de teste în care performanța umană și cea a
inteligenței artificiale au fost evaluate în cinci domenii diferite, de la recunoașterea scrisului de
mână până la înțelegerea limbajului.

În fiecare dintre cele cinci domenii, performanța inițială a sistemului de inteligență

artificială este stabilită la -100, iar performanța umană în aceste teste este folosită ca bază,
setată la zero. Aceasta înseamnă că atunci când performanța modelului trece linia zero, sistemul
de inteligență artificială a obținut mamulte puncte în testul relevant decât oamenii care au
efectuat același test.
 5

Acum 10 ani, niciun echipament nu putea oferi cu precizie recunoașterea limbajului sau
a imaginii la nivel uman. Dar, așa cum arată graficul, sistemele de inteligență artificială au
devenit constant mai capabile și acum depășesc performanța umană în teste în toate aceste
domenii.

În afara acestor teste standardizate, performanța acestor inteligențe artificiale este

variată. În unele cazuri din lumea reală, aceste sisteme încă performează mult mai prost decât
oamenii. Pe de altă parte, unele implementări ale acestor sisteme de inteligență artificială sunt
deja atât de accesibile încât sunt disponibile pe telefonul din buzunarul dumneavoastră:
recunoașterea imaginilor, iar recunoașterea vorbirii transcrie ceea ce dicteazăți (Roser, 2023).
Contextul actual al inteligenței artificiale (IA) este caracterizat de o creștere continuă a
implementărilor practice, de avansuri tehnologice rapide și de o integrare extinsă în diferite
sectoare. Inteligența artificială este utilizată într-o varietate de domenii, inclusiv sănătate,
finanțe, transport, securitate, asistență medicală, retail și multe altele. Aceasta contribuie la
optimizarea proceselor, luarea deciziilor, îmbunătățirea eficienței și oferirea de soluții
inovatoare.
Recunoașterea facială cu ajutorul inteligenței artificiale aplică capacitățile rețelelor
neurale din învățarea automată a viziunii pe calculator pentru a identifica trăsăturile faciale.
Algoritmii de viziune pe calculator sau recunoaștere de imagine sunt antrenați să distingă
anumite tipuri de imagini sau caracteristici de la altele.

Un tip specific de rețea neurală adesea folosit în recunoașterea facială este rețeaua
neurală convoluțională (CNN). Acești algoritmi utilizează matematică și date de imagine
pentru a determina conținutul unei imagini. Pe măsură ce fotografia este trecută prin trei sau
mai multe straturi, rețeaua neurală convertește imaginea în date numerice și apoi simplifică
gradual acele date. Stratul final al rețelei neurale, numit stratul complet conectat, furnizează în
cele din urmă o categorie sau o clasificare pentru imagine.

Există diverse modalități în care dezvoltatorii pot antrena un algoritm CNN. De

exemplu, ei ar putea să facă ca algoritmul să proceseze imagini cu obiecte, animale și oameni
și să permită algoritmului să clasifice singur fotografiile. Ei ar putea, de asemenea, să eticheteze
imaginile și să consolideze categorizarea corectă. Indiferent de metoda specifică de antrenare,
dezvoltatorii trec, de obicei, prin mai multe faze de testare astfel încât algoritmul să poată
clasifica mai precis imaginile pe care le procesează (Amos, 2023).

Recunoașterea facială este procesul de identificare a unei persoane dintr-o imagine sau
flux video, iar detectarea feței este procesul de identificare a unei fețe într-o imagine sau flux
 6

video. În cazul recunoașterii faciale, fața unei persoane este recunoscută și diferențiată pe baza
trăsăturilor faciale. Aceasta implică tehnici de procesare mai avansate pentru a identifica
identitatea unei persoane pe baza extragerii punctelor caracteristice și algoritmilor de
comparație, și poate fi utilizată în aplicații precum sisteme automate de prezență sau verificări
de securitate. În timp ce detectarea feței este un proces mult mai simplu și poate fi utilizată în
aplicații precum etichetarea imaginilor sau modificarea unghiului unei fotografii în funcție de
fața detectată, este pasul inițial în procesul de recunoaștere facială și reprezintă un proces mai
simplu care identifică pur și simplu o față într-o imagine sau flux video.
Prelucrarea imaginilor de către computere implică procesul de viziune pe
calculator(Computer Vision). Acesta se ocupă de o înțelegere avansată a imaginilor sau
videoclipurilor digitale. Cerința este să automatizeze sarcini pe care sistemul vizual uman le
poate realiza. Astfel, un computer ar trebui să poată recunoaște obiecte precum fața unei ființe
umane, un stâlp de iluminat sau chiar o statuie.

Calculatorul citește orice imagine într-un interval de valori cuprins între 0 și 255. Pentru
orice imagine color, există 3 culori primare - roșu, verde și albastru. Se formează o matrice
pentru fiecare culoare primară și mai târziu aceste matrice se combină pentru a furniza o valoare
de pixel pentru culorile individuale R, G și B. Fiecare element al matricilor furnizează date
despre intensitatea luminozității pixelului.
Fiecare algoritm de învățare automată primește un set de date ca intrare și învață din
datele furnizate, ceea ce înseamnă în principal să învețe algoritmul din intrările și ieșirile de
date. Algoritmul identifică modelele din date și furnizează algoritmul dorit. De exemplu, pentru
a identifica a cui față este prezentă într-o imagine dată, mai multe aspecte pot fi luate în
considerare ca modele:

• Înălțimea/lățimea feței.
• Înălțimea și lățimea pot să nu fie fiabile, deoarece imaginea ar putea fi redimensionată
pentru a avea o față sau o grilă mai mică. Cu toate acestea, chiar și după redimensionare,
ceea ce rămâne neschimbat sunt rapoartele - raportul dintre înălțimea feței și lățimea
feței nu se va schimba.
• Culoarea feței.
• Lățimea altor părți ale feței, cum ar fi buzele, nasul, etc.
Există un model implicat - fețele diferite au dimensiuni diferite. Fețele similare au
dimensiuni similare. Algoritmii de învățare automată înțelege doar numere, așa că este destul
de provocator. Această reprezentare numerică a unei "fețe" (sau a unui element în setul de
 7

antrenare) este denumită vector de caracteristici. Un vector de caracteristici cuprinde diferite

numere într-o ordine specifică (GeeksforGeeks, 2023).

Bibliografie:
1. RecFaces. (2023, June 14). What is AI facial recognition tech and how does it work?

RecFaces. https://recfaces.com/articles/ai-facial-recognition

2. Olgawalton. (2023, September 20). AI in Security and Surveillance | Arcules. Arcules.

https://arcules.com/blog/the-power-of-ai-in-video-

surveillance/#:~:text=The%20integration%20of%20AI%20into%20video%20surveill

ance%20solutions,provides%20invaluable%20data%20for%20making%20informed

%20security%20decisions.

3. An introduction to AI-Powered Surveillance. (2023, September 26). AZoAi.com.

https://www.azoai.com/article/An-Introduction-to-AI-Powered-Surveillance.aspx

4. Roser, M. (2023, November 23). The brief history of artificial intelligence: The world

has changed fast – what might be next? Our World in Data.

https://ourworldindata.org/brief-history-of-ai

5. Karjian, R. (2023, August 16). The history of artificial intelligence: Complete AI

timeline. Enterprise AI. https://www.techtarget.com/searchEnterpriseAI/tip/The-

history-of-artificial-intelligence-Complete-AI-timeline

6. Amos, Z. (2023, March 8). AI facial recognition: How does it work? dzone.com.

https://dzone.com/articles/ai-facial-recognition-how-does-it-work

7. GeeksforGeeks. (2023, June 10). Face recognition using Artificial Intelligence.

https://www.geeksforgeeks.org/face-recognition-using-artificial-intelligence/

8.