จากเทคโนโลยีราคาแพงสู่ทุกพื้นที่: วิวัฒนาการของ CCTV ในยุค AI
CCTV (Closed-Circuit Television) หรือระบบโทรทัศน์วงจรปิด เป็นเทคโนโลยีที่พัฒนาอย่างก้าวกระโดด จากระบบเฝ้าระวังราคาแพงที่ใช้ในสถานที่สำคัญ สู่กล้องวงจรปิดที่พบได้ทั่วไปในบ้าน ร้านค้า อาคารสำนักงาน โรงงาน และพื้นที่สาธารณะ — จากกล้องวงจรปิดแบบอนาล็อก สู่ระบบเฝ้าระวังอัจฉริยะที่เข้าใจสิ่งที่เกิดขึ้นในภาพ
- จากปี 1942 ที่ใช้เฝ้าติดตามจรวด V-2 สู่กล้องที่พบได้ทุกที่ — จุดเปลี่ยนคือดิจิทัล เซนเซอร์ และการบีบอัดวิดีโอ (MPEG → H.264) ที่ทำให้ระบบเล็กลง ถูกลง เข้าถึงง่ายขึ้น
- แบ่งตามการส่งสัญญาณได้ 3 ประเภท: Analog (โคแอกเชียล RG59/RG6, CVBS), HD-over-Coax (AHD/HDCVI/HDTVI) และ IP (Cat5e/Cat6, PoE, ONVIF) — แต่ละแบบมีข้อดี-ข้อจำกัดคนละด้าน
- DVR/NVR ทำให้ค้นหา-ประมวลผลวิดีโอได้ และ AI วิเคราะห์ได้ 4 ระดับ: ที่กล้อง (Edge AI), ที่เครื่องบันทึก, ที่เซิร์ฟเวอร์ในองค์กร และบน Cloud
- AI ทำได้ตั้งแต่ตรวจจับคนล้ม PPE ไฟ-ควัน ไปจนถึงค้นหาวิดีโอด้วยภาษาธรรมชาติ และ Re-ID ข้ามกล้อง — แต่ต้องคู่กับ Privacy by Design, การควบคุมสิทธิ์, ระยะเวลาเก็บข้อมูล และ PDPA
จุดเริ่มต้น: จากระบบเฝ้าระวังราคาแพงสู่ทุกพื้นที่
ระบบ CCTV มีการใช้งานมาตั้งแต่ช่วงทศวรรษ 1940 โดยหนึ่งในตัวอย่างที่เป็นที่รู้จักคือระบบที่ติดตั้งในเยอรมนีเมื่อปี 1942 เพื่อเฝ้าติดตามการทดสอบจรวด V-2 ต่อมาในช่วงทศวรรษ 1970–1980 กล้องวงจรปิดเริ่มแพร่หลายมากขึ้นในธนาคาร หน่วยงานราชการ อาคารพาณิชย์ และสถานที่ที่ต้องการควบคุมความปลอดภัย
ในยุคแรก ระบบส่วนใหญ่ใช้สัญญาณภาพแบบอนาล็อกและบันทึกลงเทปแม่เหล็ก ทำให้มีข้อจำกัดทั้งด้านคุณภาพของภาพ ความจุในการบันทึก และความสะดวกในการค้นหาภาพย้อนหลัง
จุดเปลี่ยนสำคัญเกิดจากการเปลี่ยนผ่านสู่ระบบดิจิทัล ประกอบกับความก้าวหน้าของเซนเซอร์รับภาพ การบีบอัดวิดีโอ กำลังประมวลผล และอุปกรณ์จัดเก็บข้อมูล เทคโนโลยีเหล่านี้ช่วยลดต้นทุนและทำให้ระบบเฝ้าระวังมีขนาดเล็กลง ติดตั้งง่ายขึ้น และเข้าถึงได้มากขึ้น
มาตรฐานการบีบอัดวิดีโอพัฒนาจาก MPEG-1 ซึ่งเป็นที่รู้จักจาก Video CD (VCD) ไปสู่ MPEG-2 ที่ใช้กับ DVD Video และเทคโนโลยีในตระกูล MPEG-4 รวมถึง H.264 ที่ช่วยให้การจัดเก็บและส่งวิดีโอมีประสิทธิภาพมากขึ้น
ปัจจุบัน กล้องวงจรปิดไม่ได้มีหน้าที่เพียงบันทึกเหตุการณ์ที่เกิดขึ้นอีกต่อไป แต่ยังสามารถวิเคราะห์ภาพ ตรวจจับความผิดปกติ และแปลงข้อมูลภาพให้กลายเป็นข้อมูลที่นำไปใช้ตัดสินใจได้ด้วย AI
1. เทคโนโลยีกล้องวงจรปิด 3 ประเภทหลัก
หากแบ่งตามวิธีการส่งสัญญาณภาพ กล้องวงจรปิดในปัจจุบันสามารถแบ่งออกเป็น 3 กลุ่มหลัก ได้แก่ กล้องอนาล็อกแบบดั้งเดิม กล้อง HD ที่ส่งสัญญาณผ่านสายโคแอกเชียล และกล้อง IP
1.1 กล้องอนาล็อกแบบดั้งเดิม (Traditional Analog Camera)
กล้องอนาล็อกแบบดั้งเดิมส่งสัญญาณภาพผ่านสายโคแอกเชียล เช่น RG59 หรือ RG6 โดยขึ้นอยู่กับลักษณะการติดตั้ง ส่วนระบบรุ่นเก่ามักใช้มาตรฐาน CVBS ซึ่งสัมพันธ์กับระบบภาพ PAL และ NTSC กล้องประเภทนี้ได้รับความนิยมอย่างแพร่หลายในอดีต เนื่องจากมีต้นทุนไม่สูง ติดตั้งไม่ซับซ้อน และเหมาะกับการเฝ้าระวังทั่วไป
- ราคาอุปกรณ์ค่อนข้างต่ำ
- ติดตั้งและบำรุงรักษาได้ไม่ซับซ้อน
- เหมาะสำหรับงานบันทึกภาพพื้นฐาน
- สามารถนำสายโคแอกเชียลเดิมกลับมาใช้ได้ในหลายกรณีที่ต้องการปรับปรุงระบบ
- ระบบอนาล็อกแบบดั้งเดิมให้รายละเอียดภาพต่ำกว่าระบบ HD สมัยใหม่
- คุณภาพสัญญาณอาจได้รับผลกระทบจากคุณภาพสาย การรบกวน ขั้วต่อ และวิธีติดตั้ง
- การใช้งานฟังก์ชันวิเคราะห์ภาพขั้นสูงอาจต้องใช้อุปกรณ์เพิ่มเติม
- ความเข้ากันได้ขึ้นอยู่กับมาตรฐานสัญญาณที่กล้องและเครื่องบันทึกรองรับ
กล้องประเภทนี้ยังเหมาะกับงานที่ต้องการบันทึกภาพพื้นฐานและมีงบประมาณจำกัด อย่างไรก็ตาม ไม่ควรสรุปว่ามีต้นทุนรวมต่ำที่สุดเสมอไป เพราะการอัปเกรดหรือเพิ่มความสามารถในอนาคตอาจมีค่าใช้จ่ายเพิ่มเติม
1.2 กล้อง HD ผ่านสายโคแอกเชียล (HD-over-Coax Camera)
เทคโนโลยี HD-over-coax ได้รับการพัฒนาขึ้นเพื่อแก้ข้อจำกัดด้านความละเอียดของระบบอนาล็อกแบบเดิม โดยยังคงใช้สายโคแอกเชียลเป็นสื่อกลางในการส่งสัญญาณภาพ เทคโนโลยีหลักประกอบด้วย
เทคโนโลยีส่งสัญญาณภาพความละเอียดสูงผ่านสายโคแอกเชียล
เทคโนโลยีส่งสัญญาณภาพ HD ผ่านสายโคแอกเชียลที่พัฒนาโดย Dahua
เทคโนโลยีส่งสัญญาณภาพ HD ผ่านสายโคแอกเชียลที่พัฒนาโดย Techpoint และถูกนำไปใช้โดยผู้ผลิตอุปกรณ์หลายราย
ระบบเหล่านี้รองรับภาพความละเอียดระดับ HD และ Full HD โดยผลิตภัณฑ์รุ่นใหม่บางกลุ่มรองรับความละเอียดที่สูงขึ้น นอกจากนี้ อุปกรณ์บางรุ่นยังรองรับการส่งสัญญาณเสียง สัญญาณควบคุม และไฟเลี้ยงผ่านสายโคแอกเชียล ขึ้นอยู่กับความสามารถของอุปกรณ์
- ให้รายละเอียดภาพสูงกว่าระบบอนาล็อกแบบดั้งเดิม
- สามารถนำสายโคแอกเชียลเดิมกลับมาใช้ได้ในหลายโครงการ
- ไม่จำเป็นต้องสร้างระบบเครือข่าย IP เพื่อส่งสัญญาณภาพโดยเฉพาะ
- อาจประหยัดกว่าการเปลี่ยนระบบเดิมทั้งหมดเป็นโครงข่าย IP
- ความเข้ากันได้ขึ้นอยู่กับมาตรฐานที่กล้องและเครื่องบันทึกรองรับ
- ระยะทางและความละเอียดที่ส่งได้ขึ้นอยู่กับอุปกรณ์ คุณภาพสาย และสภาพการติดตั้ง
- การวิเคราะห์ภาพขั้นสูงอาจต้องอาศัย DVR ที่รองรับหรือระบบประมวลผลภายนอก
- การขยายระบบขึ้นอยู่กับจำนวนช่องสัญญาณและขีดความสามารถของเครื่องบันทึก
ข้อควรเข้าใจคือ ระบบ HD-over-coax ไม่ได้มีข้อจำกัดด้านความละเอียดเหมือนกล้องอนาล็อกแบบดั้งเดิม และไม่ควรนำคุณสมบัติของระบบรุ่นใดรุ่นหนึ่งไปใช้แทนผลิตภัณฑ์ทุกยี่ห้อโดยไม่ตรวจสอบข้อมูลทางเทคนิค
1.3 กล้องไอพี (IP Camera: Internet Protocol Camera)
กล้อง IP เป็นระบบที่รับภาพและประมวลผลเป็นข้อมูลดิจิทัล ก่อนส่งข้อมูลภาพผ่านเครือข่าย IP โดยทั่วไปเชื่อมต่อผ่านสาย Ethernet เช่น Cat5e หรือ Cat6 หรือผ่าน Wi-Fi ในรุ่นที่รองรับ กล้องแบบใช้สายจำนวนมากรองรับเทคโนโลยี PoE (Power over Ethernet) ซึ่งสามารถส่งทั้งข้อมูลเครือข่ายและไฟเลี้ยงผ่านสาย Ethernet เส้นเดียว ช่วยลดจำนวนสายและทำให้การติดตั้งสะดวกขึ้น เนื่องจากกล้อง IP มีพื้นฐานเป็นอุปกรณ์คอมพิวเตอร์ที่เชื่อมต่อเครือข่าย จึงรองรับความสามารถที่หลากหลายกว่าการบันทึกภาพทั่วไป
- รองรับภาพความละเอียดสูง เช่น Full HD, 4K และสูงกว่านั้นในบางรุ่น
- เชื่อมต่อกับ NVR, ระบบบริหารจัดการวิดีโอ (VMS) และแพลตฟอร์มวิเคราะห์ภาพได้
- รองรับการดูภาพและบริหารจัดการจากระยะไกลผ่านเครือข่ายที่ได้รับอนุญาต
- รองรับเสียง การตรวจจับเหตุการณ์ และการวิเคราะห์ภาพขั้นสูง หากอุปกรณ์หรือซอฟต์แวร์มีความสามารถดังกล่าว
- สามารถขยายระบบผ่านโครงข่ายได้ โดยต้องคำนึงถึงแบนด์วิดท์ ไฟเลี้ยง พื้นที่จัดเก็บ และข้อจำกัดด้านซอฟต์แวร์
- ต้องวางแผนและตั้งค่าระบบเครือข่ายให้เหมาะสม
- ประสิทธิภาพขึ้นอยู่กับความพร้อมใช้งานและแบนด์วิดท์ของเครือข่าย
- ต้องให้ความสำคัญกับความปลอดภัยไซเบอร์ เช่น การยืนยันตัวตน การอัปเดตเฟิร์มแวร์ การเข้ารหัส และการควบคุมสิทธิ์
- อาจมีต้นทุนเริ่มต้นสูงกว่า หากต้องลงทุนระบบเครือข่าย อุปกรณ์จัดเก็บข้อมูล และซอฟต์แวร์วิเคราะห์ภาพเพิ่มเติม
ข้อเข้าใจผิดที่พบได้บ่อยคือ กล้อง IP ต่างยี่ห้อไม่สามารถทำงานร่วมกันได้ ในความเป็นจริง มาตรฐานอย่าง ONVIF ช่วยให้กล้องและระบบบันทึกภาพจากผู้ผลิตต่างรายสามารถทำงานร่วมกันได้ หากรองรับมาตรฐานและความสามารถที่ตรงกัน อย่างไรก็ตาม ฟังก์ชันเฉพาะของผู้ผลิต เช่น การวิเคราะห์พฤติกรรมหรือระบบ AI บางประเภท อาจไม่สามารถใช้งานข้ามยี่ห้อได้ทั้งหมด กล้อง IP จึงเหมาะกับระบบที่ต้องการภาพคุณภาพสูง การบริหารจัดการจากศูนย์กลาง การเข้าถึงระยะไกล และการเชื่อมโยงกับระบบดิจิทัลอื่น ๆ
2. กล้องประเภทอื่นและความสามารถเฉพาะทาง
นอกเหนือจากการแบ่งตามเทคโนโลยีการส่งสัญญาณแล้ว กล้องวงจรปิดยังแบ่งตามรูปแบบการทำงานและวัตถุประสงค์การใช้งานได้อีกหลายประเภท
สามารถหมุนซ้าย-ขวา ปรับมุมขึ้น-ลง และซูมภาพได้จากระยะไกล บางรุ่นรองรับการหมุนตรวจตราตามเส้นทางที่กำหนด หรือการติดตามวัตถุเคลื่อนที่โดยอัตโนมัติ ทั้งนี้ ความสามารถในการติดตามขึ้นอยู่กับรุ่นและระบบวิเคราะห์ภาพที่ใช้
ใช้การปรับระยะโฟกัสของเลนส์เพื่อขยายภาพ ทำให้สามารถมองเห็นรายละเอียดของวัตถุได้ดีขึ้นเมื่อเทียบกับการขยายภาพแบบดิจิทัลในเงื่อนไขเดียวกัน ระยะที่สามารถระบุรายละเอียดได้จริงขึ้นอยู่กับเลนส์ เซนเซอร์ แสง และขนาดของวัตถุ
ตรวจจับรังสีอินฟราเรดที่แผ่ออกจากวัตถุและแสดงความแตกต่างของอุณหภูมิปรากฏ เหมาะกับงานเฝ้าระวังในสภาพแสงน้อยหรือสภาพที่การมองเห็นด้วยกล้องทั่วไปมีข้อจำกัด รวมถึงงานตรวจสอบทางอุตสาหกรรมบางประเภท อย่างไรก็ตาม กล้อง Thermal ไม่ได้ทำงานเหมือนกล้องภาพแสงที่ตามองเห็น และความแม่นยำในการวัดอุณหภูมิขึ้นอยู่กับคุณสมบัติของอุปกรณ์และสภาพแวดล้อม
กล้องเหล่านี้สามารถมีคุณสมบัติทับซ้อนกันได้ เช่น กล้อง IP ที่เป็น PTZ มีกำลังซูมแบบ Optical หรือมีระบบ Thermal อยู่ในตัว
3. DVR และ NVR: จากการบันทึกภาพสู่การวิเคราะห์ข้อมูล
การจัดเก็บข้อมูลในรูปแบบดิจิทัลเปลี่ยนวิธีการใช้ประโยชน์จากภาพวงจรปิดอย่างมีนัยสำคัญ เพราะทำให้สามารถค้นหา ตรวจสอบ และประมวลผลวิดีโอได้สะดวกกว่าการย้อนดูเทปบันทึกภาพแบบเดิม
โดยทั่วไปใช้บันทึกภาพจากกล้องอนาล็อกหรือกล้อง HD-over-coax ที่รองรับ
โดยทั่วไปใช้บันทึกข้อมูลวิดีโอจากกล้อง IP
อุปกรณ์ทั้งสองประเภทสามารถรองรับการบันทึกตามตารางเวลา การบันทึกเมื่อเกิดการเคลื่อนไหว การเล่นภาพย้อนหลัง และการค้นหาเหตุการณ์ ทั้งนี้ขึ้นอยู่กับความสามารถของแต่ละรุ่น
เมื่อวิดีโออยู่ในรูปแบบที่ระบบคอมพิวเตอร์สามารถประมวลผลได้ การค้นหาข้อมูลก็ไม่จำเป็นต้องอาศัยการเปิดดูภาพทุกนาทีด้วยมนุษย์อีกต่อไป ระบบสามารถใช้เวลาเกิดเหตุ ข้อมูลการเคลื่อนไหว ประเภทวัตถุ และข้อมูลกำกับอื่น ๆ เพื่อช่วยจำกัดช่วงเวลาที่ต้องตรวจสอบ
ปัจจุบันการวิเคราะห์ภาพสามารถทำได้หลายระดับ ได้แก่
วิเคราะห์ภาพภายในกล้องโดยตรง ช่วยลดปริมาณข้อมูลที่ต้องส่งผ่านเครือข่ายและอาจลดเวลาตอบสนอง
ใช้ DVR หรือ NVR ที่รองรับการวิเคราะห์ภาพ หรือรับข้อมูลวิเคราะห์จากกล้อง
ใช้ทรัพยากรคอมพิวเตอร์เฉพาะทางวิเคราะห์ภาพจากกล้องจำนวนมากและรองรับงานที่ซับซ้อนขึ้น
ส่งวิดีโอหรือข้อมูลที่เกี่ยวข้องไปยังบริการภายนอกเพื่อจัดเก็บ วิเคราะห์ หรือบริหารจัดการจากส่วนกลาง โดยต้องคำนึงถึงแบนด์วิดท์ การคุ้มครองข้อมูล และความปลอดภัย
การเลือกสถาปัตยกรรมจึงต้องพิจารณาต้นทุน เวลาในการตอบสนอง แบนด์วิดท์ พื้นที่จัดเก็บ ความสามารถในการขยายระบบ และข้อกำหนดด้านความเป็นส่วนตัวร่วมกัน
กล่าวได้ว่า DVR และ NVR เป็นองค์ประกอบสำคัญที่ช่วยให้การจัดเก็บและค้นหาภาพทำได้สะดวกขึ้น แต่ความสามารถในการวิเคราะห์ภาพขั้นสูงไม่ได้เกิดจากเครื่องบันทึกเพียงอย่างเดียว หากสามารถกระจายไปทำงานที่กล้อง เซิร์ฟเวอร์ หรือระบบ Cloud ได้ตามความเหมาะสม
4. AI: จุดเปลี่ยนจากการเฝ้าดูสู่การทำความเข้าใจเหตุการณ์
AI กำลังเปลี่ยนระบบ CCTV จากเครื่องมือบันทึกภาพให้กลายเป็นระบบที่สามารถตรวจจับเหตุการณ์ คัดกรองการแจ้งเตือน และช่วยค้นหาข้อมูลจากภาพจำนวนมหาศาลได้ แทนที่เจ้าหน้าที่จะต้องเฝ้าดูภาพจากกล้องทุกตัวตลอดเวลา ระบบ AI สามารถวิเคราะห์วิดีโอแบบเรียลไทม์หรือประมวลผลย้อนหลังตามเงื่อนไขที่กำหนดได้
ความแม่นยำของแต่ละฟังก์ชันขึ้นอยู่กับโมเดล AI ตำแหน่งกล้อง สภาพแวดล้อม และลักษณะงานที่ต้องการนำไปใช้
4.1 AI ด้านพฤติกรรมและความปลอดภัย
AI สามารถตรวจจับบุคคลที่อยู่ในพื้นที่ที่กำหนดนานเกินเงื่อนไข หรือประเมินความหนาแน่นของคนในแต่ละโซน เพื่อช่วยเฝ้าระวังพื้นที่เสี่ยงและลดโอกาสเกิดปัญหาจากความแออัด อย่างไรก็ตาม การอยู่ในพื้นที่นานไม่ได้หมายความว่าบุคคลนั้นมีเจตนาร้าย และการประเมินความหนาแน่นควรผ่านการตรวจสอบก่อนนำไปใช้ตัดสินใจด้านความปลอดภัยที่สำคัญ
ระบบวิเคราะห์ภาพสามารถตรวจจับท่าทางที่สอดคล้องกับการล้ม หรือบุคคลที่นอนอยู่กับพื้นเป็นเวลานาน เพื่อช่วยเฝ้าระวังในบ้านพัก โรงพยาบาล สถานดูแลผู้สูงอายุ และพื้นที่สาธารณะ อย่างไรก็ตาม การตรวจพบเหตุการณ์ที่คล้ายการล้มไม่ได้หมายความว่าระบบสามารถวินิจฉัยอาการทางการแพทย์ได้ จึงควรมีขั้นตอนตรวจสอบและแจ้งเตือนผู้รับผิดชอบอย่างเหมาะสม
AI สามารถวิเคราะห์รูปแบบการเคลื่อนไหว ท่าทางของร่างกาย และปฏิสัมพันธ์ระหว่างบุคคล เพื่อค้นหาเหตุการณ์ที่อาจมีลักษณะคล้ายการทะเลาะวิวาทหรือการทำร้ายร่างกาย ความแม่นยำอาจได้รับผลกระทบจากสิ่งบดบัง มุมกล้อง ความหนาแน่นของฝูงชน และสภาพแสง จึงควรใช้ผลการตรวจจับเป็นสัญญาณให้ตรวจสอบเพิ่มเติม ไม่ใช่หลักฐานยืนยันการกระทำผิดโดยอัตโนมัติ
ในโรงงานและไซต์ก่อสร้าง AI สามารถช่วยตรวจสอบว่าพนักงานสวมอุปกรณ์ที่จำเป็น เช่น หมวกนิรภัยและเสื้อสะท้อนแสงหรือไม่ ระบบนี้ช่วยสนับสนุนการตรวจสอบความปลอดภัยได้อย่างต่อเนื่อง แต่ต้องอาศัยตำแหน่งกล้องที่เหมาะสม โมเดลที่ผ่านการทดสอบ และกระบวนการจัดการเมื่อผลการตรวจจับไม่ชัดเจน
4.2 AI ด้านนิติวิทยาศาสตร์และการค้นหาข้อมูล
การสืบค้นเหตุการณ์จากภาพวงจรปิดแบบเดิมอาจต้องใช้เวลาหลายชั่วโมงในการเปิดดูวิดีโอย้อนหลัง แต่ AI สามารถช่วยให้ผู้ใช้งานระบุสิ่งที่ต้องการค้นหาด้วยภาษาธรรมชาติได้ โดยระบบอาจค้นหาคลิปที่ตรงกับเงื่อนไขผ่านคุณลักษณะของภาพ ข้อมูลวัตถุ และดัชนีเหตุการณ์ที่บันทึกไว้ ทั้งนี้ ผลลัพธ์เป็นภาพที่มีแนวโน้มตรงกับคำค้น ไม่ใช่การรับประกันว่าจะพบเหตุการณ์ทั้งหมดอย่างถูกต้อง
ระบบวิเคราะห์ภาพสามารถตรวจจับวัตถุที่ถูกวางทิ้งไว้ในพื้นที่ที่กำหนด หรือแจ้งเตือนเมื่อวัตถุที่เคยอยู่ในตำแหน่งหนึ่งหายไป ความสามารถนี้นำไปใช้เฝ้าระวังกระเป๋าสัมภาระ อุปกรณ์ เครื่องมือ และทรัพย์สินสำคัญได้ แต่ต้องกำหนดเงื่อนไขให้เหมาะสมเพื่อแยกเหตุการณ์สำคัญออกจากการเปลี่ยนแปลงตามปกติ
ระบบ Re-ID (Re-identification) ใช้เปรียบเทียบลักษณะภาพเพื่อประเมินว่าบุคคลหรือยานพาหนะที่ปรากฏในกล้องต่างตัวอาจเป็นรายการเดียวกันหรือไม่ เมื่อเชื่อมโยงกับตำแหน่งกล้องและเวลาที่บันทึก ระบบสามารถสร้างเส้นทางการเคลื่อนที่ที่เป็นไปได้ของบุคคลหรือยานพาหนะในพื้นที่ที่มีการติดตั้งกล้องหลายจุด อย่างไรก็ตาม Re-ID ไม่ใช่การยืนยันตัวตนอย่างเด็ดขาด ความคล้ายคลึงของรูปลักษณ์ เสื้อผ้าที่เปลี่ยนไป สภาพแสง และคุณภาพภาพ อาจทำให้ระบบจับคู่ผิดพลาดได้
“ค้นหาภาพช่วงเวลา 14.00–15.00 น. ที่มีบุคคลสวมเสื้อสีแดงและถือกระเป๋าเป้สีดำ”
เนื่องจากการติดตามข้ามกล้องอาจเปิดเผยข้อมูลการเดินทางและพฤติกรรมส่วนบุคคล การใช้งานจึงต้องมีการควบคุมสิทธิ์ กำหนดระยะเวลาเก็บข้อมูล และปฏิบัติตามข้อกำหนดทางกฎหมายที่เกี่ยวข้อง
4.3 AI ด้านอุตสาหกรรม ธุรกิจ และสิ่งแวดล้อม
ระบบ Computer Vision สามารถตรวจจับรูปแบบภาพที่คล้ายควันหรือเปลวไฟ เพื่อแจ้งเตือนเหตุการณ์ที่อาจเกิดขึ้นในพื้นที่ขนาดใหญ่ เช่น คลังสินค้า โรงงาน และพื้นที่กลางแจ้ง ประสิทธิภาพขึ้นอยู่กับทัศนวิสัย แสง ตำแหน่งกล้อง และความสามารถของโมเดล จึงควรใช้เป็นระบบเสริม ไม่ใช่ทดแทนระบบตรวจจับและแจ้งเหตุเพลิงไหม้ที่ผ่านการรับรองในกรณีที่กฎหมายหรือมาตรฐานกำหนด
ร้านค้าและผู้บริหารอาคารสามารถใช้ AI ประเมินเส้นทางการเดิน ระยะเวลาที่คนหยุดอยู่ในพื้นที่ และความนิยมของแต่ละโซน เพื่อวางแผนการจัดวางสินค้า บริหารคิว และปรับปรุงการใช้พื้นที่ หากวัตถุประสงค์ต้องการเพียงสถิติภาพรวม องค์กรอาจเลือกใช้ข้อมูลแบบรวมและไม่ระบุตัวบุคคล เพื่อลดความเสี่ยงด้านความเป็นส่วนตัว
Computer Vision สามารถช่วยตรวจหารอยแตกร้าวที่มองเห็นได้ ความเสื่อมสภาพของพื้นผิว คราบรั่วซึม หรือความเปลี่ยนแปลงของอุปกรณ์ในอาคาร สะพาน และโรงงานอุตสาหกรรม เมื่อเก็บข้อมูลต่อเนื่อง ระบบสามารถช่วยระบุจุดที่ควรตรวจสอบเป็นพิเศษและจัดลำดับความสำคัญของการบำรุงรักษาได้ อย่างไรก็ตาม การวิเคราะห์ภาพเพียงอย่างเดียวไม่สามารถยืนยันความแข็งแรงหรือความปลอดภัยเชิงโครงสร้างได้อย่างน่าเชื่อถือในทุกกรณี งานที่เกี่ยวข้องกับความปลอดภัยจึงยังต้องอาศัยการตรวจสอบทางวิศวกรรมและวิธีทดสอบที่เหมาะสม
5. ความเป็นส่วนตัว ความมั่นคงปลอดภัย และการใช้ AI อย่างรับผิดชอบ
ยิ่งระบบกล้องวงจรปิดมีความสามารถเชิงวิเคราะห์มากขึ้นเท่าใด ก็ยิ่งต้องให้ความสำคัญกับการปกป้องข้อมูลและการควบคุมการเข้าถึงมากขึ้นเท่านั้น การติดตั้งกล้องในพื้นที่ส่วนตัวหรือพื้นที่ทำงาน และการวิเคราะห์ภาพของบุคคล ย่อมเกี่ยวข้องกับความเป็นส่วนตัวและกฎหมายคุ้มครองข้อมูลที่แต่ละประเทศหรือแต่ละเขตอำนาจศาลกำหนด
สำหรับประเทศไทย การเก็บรวบรวม ใช้ หรือเปิดเผยข้อมูลส่วนบุคคลซึ่งรวมถึงภาพหรือข้อมูลที่ระบุตัวบุคคลได้ ต้องสอดคล้องกับพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล หรือ PDPA และกฎหมายหรือประกาศที่เกี่ยวข้องอื่น ๆ
องค์กรที่นำ AI มาใช้กับระบบ CCTV จึงควรพิจารณาอย่างน้อย 6 เรื่อง ได้แก่
- การคุ้มครองข้อมูล — กำหนดวัตถุประสงค์ในการใช้ระบบ ฐานทางกฎหมาย ระยะเวลาในการจัดเก็บ และมาตรการคุ้มครองข้อมูลตามที่กฎหมายที่เกี่ยวข้องกำหนด
- การควบคุมสิทธิ์การเข้าถึง — จำกัดจำนวนผู้เข้าถึงภาพและข้อมูลวิเคราะห์ตามบทบาทหน้าที่ และตรวจสอบการใช้งานอย่างเป็นระบบ
- ความมั่นคงปลอดภัยไซเบอร์ — ปรับปรุงเฟิร์มแวร์ เปลี่ยนรหัสผ่านเริ่มต้น แยกเครือข่ายกล้องออกจากระบบงานสำคัญอื่น และปิดช่องทางเชื่อมต่อที่ไม่จำเป็น
- ความจำเป็นและสัดส่วน — เก็บภาพและข้อมูลวิเคราะห์เฉพาะเท่าที่จำเป็นต่อวัตถุประสงค์ที่กำหนด และหลีกเลี่ยงการเก็บข้อมูลมากเกินความจำเป็น
- ความโปร่งใส การตรวจสอบได้ และความรับผิดชอบ — สื่อสารให้ผู้ใช้พื้นที่รับรู้ว่ามีการติดตั้งกล้องและการวิเคราะห์ภาพ ทบทวนความแม่นยำของระบบ และกำหนดผู้รับผิดชอบในการตัดสินใจ
- การออกแบบที่คำนึงถึงความเป็นส่วนตัวตั้งแต่เริ่มต้น (Privacy by Design) — พิจารณาความจำเป็นในการระบุตัวบุคคล หากต้องการเพียงสถิติภาพรวม อาจเลือกใช้ข้อมูลที่รวมกลุ่มและไม่ระบุตัวตน
เป้าหมายคือการออกแบบระบบที่ใช้เทคโนโลยีอย่างเหมาะสม โปร่งใส ตรวจสอบได้ และเคารพสิทธิของบุคคลไปพร้อมกัน
บทสรุป: จากมองเห็น สู่การเข้าใจข้อมูล
ตลอดเวลากว่าแปดทศวรรษ ระบบ CCTV พัฒนาจากระบบเฝ้าระวังราคาแพงจำกัดการใช้เฉพาะสถานที่สำคัญ ไปสู่โครงสร้างพื้นฐานที่พบได้ในชีวิตประจำวัน การเปลี่ยนผ่านจากสัญญาณอนาล็อกสู่ระบบดิจิทัลทำให้การจัดเก็บ การค้นหา และการประมวลผลวิดีโอทำได้มีประสิทธิภาพมากขึ้น ส่วนเครือข่ายและ Cloud ก็ช่วยให้ระบบสามารถขยายและบริหารจัดการได้อย่างยืดหยุ่น
DVR และ NVR ทำให้การจัดเก็บและค้นหาวิดีโอเป็นรูปธรรมมากขึ้น ขณะที่ Computer Vision และ AI กำลังขยายบทบาทของกล้องวงจรปิด จากการบันทึกภาพย้อนหลังไปสู่การตรวจจับเหตุการณ์ การวิเคราะห์พฤติกรรม การค้นหาข้อมูล และการสนับสนุนการตัดสินใจในหลายภาคส่วน
แต่ความสามารถที่มากขึ้นก็หมายถึงความรับผิดชอบที่มากขึ้น AI สามารถทำให้การเฝ้าระวังมีประสิทธิภาพขึ้น แต่ไม่สามารถรับประกันความแม่นยำที่สมบูรณ์แบบ กำจัดความเสี่ยงด้านความมั่นคงปลอดภัยไซเบอร์ หรือตอบคำถามเรื่องความเป็นส่วนตัวและการใช้งานที่เหมาะสมได้ทั้งหมด
อนาคตของ CCTV จึงไม่ใช่แค่การมองเห็นให้มากขึ้น แต่คือการเปลี่ยนข้อมูลภาพให้กลายเป็นข้อมูลที่นำไปใช้ได้อย่างมีคุณค่า โดยที่ความปลอดภัย ความเป็นส่วนตัว และความรับผิดชอบของมนุษย์ยังอยู่ในใจกลางของการออกแบบระบบ
Supakiat L. เขียนจากงานจริงของทีมวิศวกร BKV และจะเขียนบทความใหม่ลงบอร์ดองค์ความรู้เรื่อย ๆ
กำลังวางหรืออัปเกรดระบบ CCTV อยู่หรือเปล่า?
ตั้งแต่วางระบบกล้อง Analog / HD-over-Coax / IP + PoE, เลือก DVR/NVR ให้ตรงจำนวนและความละเอียด, เตรียมเครือข่ายที่ปลอดภัย ไปจนถึงเพิ่ม AI Analytics และการทำระบบให้สอดคล้องกับ PDPA — เราตอบกลับภายในเวลาทำการ