เวลาที่ระบบส่งแจ้งเตือนถี่ทั้งที่ไม่มีคน หรือกลับไม่เตือนเมื่อมีคนเดินผ่าน ปัญหาไม่ได้แปลว่าอุปกรณ์เสียเสมอไป หลายกรณีเกิดจากความเข้าใจคลาดเคลื่อนเกี่ยวกับหลักการตรวจจับ พื้นที่ที่เลือกไว้ และระดับความไวของเหตุการณ์

Motion Detection เป็นเพียงกลไกหนึ่งที่ช่วยให้ระบบรู้ว่า “ภาพกำลังเปลี่ยนแปลง” แล้วนำเหตุการณ์นั้นไปสั่งงานต่อ เช่น เริ่มบันทึก ทำเครื่องหมายบนเส้นเวลา หรือส่งการแจ้งเตือน การตั้งค่าแต่ละส่วนจึงต้องสัมพันธ์กัน หากเปิดเฉพาะการตรวจจับแต่ไม่ได้เปิดการแจ้งเตือนในแอป ผู้ใช้อาจเห็นเหตุการณ์ย้อนหลังได้แต่ไม่ได้รับข้อความบนโทรศัพท์

ภาพที่ 1 หลักการตรวจจับเริ่มจากการสังเกตความเปลี่ยนแปลงในพื้นที่ที่กำหนด

Motion Detection แปลตรงตัวว่า “การตรวจจับการเคลื่อนไหว” ในระบบที่วิเคราะห์จากภาพ ซอฟต์แวร์จะเปรียบเทียบเฟรมก่อนหน้ากับเฟรมถัดไป เมื่อจำนวนพิกเซลที่เปลี่ยนไปมากกว่าค่าที่กำหนด ระบบจะถือว่าเกิดเหตุการณ์ขึ้น หลักการนี้ตรวจพบได้ทั้งคน รถ สัตว์ เงา กิ่งไม้ ฝน หรือแสงไฟที่กวาดผ่านภาพ

สิ่งสำคัญคือ Motion Detection แบบพื้นฐานไม่ได้รู้โดยอัตโนมัติว่าวัตถุที่เคลื่อนที่คืออะไร มันรู้เพียงว่าภาพส่วนหนึ่งเปลี่ยนไป ต่างจากระบบที่มีการจำแนกบุคคลหรือยานพาหนะ ซึ่งจะวิเคราะห์รูปร่างเพิ่มเติมก่อนตัดสินใจแจ้งเตือน

หลังตรวจพบเหตุการณ์ ระบบอาจทำงานอย่างใดอย่างหนึ่งหรือหลายอย่างพร้อมกัน ได้แก่ บันทึกวิดีโอ ทำเครื่องหมายเหตุการณ์บนเส้นเวลา ส่งสัญญาณเสียง หรือแจ้งเตือนไปยังโทรศัพท์ ฟังก์ชันเหล่านี้มักตั้งค่าแยกจากกัน จึงควรตรวจให้ครบทั้งส่วนตรวจจับ ส่วนบันทึก และส่วนแจ้งเตือน

สิ่งที่ระบบตรวจพบขึ้นอยู่กับพื้นที่ในภาพ ขนาดวัตถุ ความเร็วในการเคลื่อนที่ ระดับความไว สภาพแสง และความสามารถของรุ่นอุปกรณ์ ตัวอย่างเหตุการณ์ที่ตรวจพบได้บ่อย ได้แก่

• คนเดินผ่านประตู ทางเข้า ทางเดิน หรือบริเวณที่กำหนด
• รถเข้าออก ล้อหมุน หรือแสงไฟหน้ารถที่ส่องเข้าพื้นที่ตรวจจับ
• สัตว์เลี้ยง แมลงใกล้เลนส์ ใบไม้ หรือเงาที่เคลื่อนตามแสง
• การเปลี่ยนจากโหมดกลางวันเป็นกลางคืน แสงสะท้อนบนกระจก หรือภาพที่สว่างขึ้นอย่างรวดเร็ว

ดังนั้นคำว่า “ตรวจจับการเคลื่อนไหว” ไม่ได้หมายความว่าจะตรวจพบเฉพาะผู้บุกรุก หากต้องการแจ้งเตือนเฉพาะคน ควรเลือกใช้การจำแนกบุคคลร่วมกับการกำหนดพื้นที่ตรวจจับ และทดสอบทั้งช่วงกลางวันกับกลางคืน สำหรับการเลือกอุปกรณ์ควรเปรียบเทียบกล้อง IP Camera ที่รองรับการตรวจจับบุคคลให้เหมาะกับพื้นที่จริง

ทั้งสามเทคโนโลยีใช้คำว่า “ตรวจจับ” เหมือนกัน แต่ข้อมูลที่นำมาตัดสินใจต่างกัน การเลือกให้ตรงกับเป้าหมายช่วยลดการแจ้งเตือนที่ไม่จำเป็นและทำให้ค้นหาเหตุการณ์ได้ง่ายขึ้น

ภาพที่ 2 เปรียบเทียบหลักการวิเคราะห์ภาพ การจำแนกบุคคล และการตรวจความร้อน

AI Motion Detection เป็นชื่อที่ใช้เรียกระบบซึ่งเพิ่มการวิเคราะห์วัตถุเข้าไปหลังพบความเปลี่ยนแปลงในภาพ โดยทั่วไปจะช่วยคัดกรองเหตุการณ์ที่ไม่เกี่ยวข้องได้มากขึ้น แต่ไม่ควรคาดหวังว่าจะตัดการแจ้งเตือนผิดได้ทั้งหมด เพราะฝน แสง มุมกล้อง ระยะของวัตถุ และการบังกันของภาพยังส่งผลต่อการตัดสินใจ

หากต้องการลดเหตุการณ์จากเงา ฝน หรือสัตว์ ควรศึกษาการจำแนกบุคคลและเหตุการณ์ด้วย AIเพิ่มเติม แล้วตรวจว่ารุ่นที่ใช้อยู่รองรับการวิเคราะห์ประเภทใดจริง

เหตุการณ์ที่ผู้ใช้มองว่า “ไม่มีอะไร” อาจมีความเปลี่ยนแปลงเล็ก ๆ ในภาพที่ระบบเห็นชัดกว่าสายตา โดยเฉพาะตอนกลางคืนซึ่งตัวกล้องปรับแสงและใช้อินฟราเรด สาเหตุที่พบได้บ่อยมีดังนี้

ภาพที่ 3 แสง เงา ใบไม้ และสัตว์ขนาดเล็กอาจทำให้เกิดเหตุการณ์ที่ไม่ต้องการ

• กิ่งไม้ ใบไม้ ผ้าม่าน หรือป้ายที่ไหวอยู่ในพื้นที่ตรวจจับ
• แมลง หยดฝน ฝุ่น หรือใยแมงมุมที่อยู่ใกล้เลนส์และสะท้อนแสงอินฟราเรด
• ไฟหน้ารถ เงาของเมฆ หรือแสงจากจอที่ทำให้พื้นที่ขนาดใหญ่สว่างหรือมืดลงทันที
• พื้นผิวสะท้อน เช่น กระจก น้ำ หรือโลหะ ซึ่งทำให้แสงเปลี่ยนตำแหน่ง
• ตั้ง Sensitivity สูงเกินไป หรือเลือกพื้นที่ตรวจจับเต็มภาพโดยไม่ตัดถนน ต้นไม้ และแหล่งกำเนิดแสงออก
• สัตว์เลี้ยงหรือสัตว์ขนาดเล็กที่ผ่านใกล้อุปกรณ์

ก่อนลดความไว ควรเปิดดูคลิปเหตุการณ์จริงเพื่อหาว่าส่วนใดของภาพเปลี่ยน หากลดความไวมากเกินไปโดยไม่แก้พื้นที่ตรวจจับ ระบบอาจพลาดคนที่อยู่ไกลหรือเคลื่อนที่ช้า

การตั้งค่าที่แม่นยำควรเริ่มจากเป้าหมายของพื้นที่ ไม่ใช่เริ่มจากการปรับตัวเลขให้สูงสุด วิธีต่อไปนี้ช่วยให้หาค่าที่เหมาะสมได้เป็นลำดับ

1. ดูภาพจริงทั้งกลางวันและกลางคืน สังเกตถนน ต้นไม้ กระจก แหล่งกำเนิดแสง และบริเวณที่มีสัตว์ผ่านเป็นประจำ
2. กำหนด Detection Region ให้ครอบคลุมเฉพาะทางเข้า ประตู ทางเดิน หรือพื้นที่ที่ต้องการเฝ้าระวัง ตัดส่วนที่เคลื่อนไหวตลอดเวลาออก
3. เริ่ม Sensitivity ที่ระดับกลาง แล้วทดสอบให้คนเดินผ่านทั้งใกล้และไกล หากระบบยังเตือนจากสิ่งรบกวนจึงค่อยลดทีละระดับ
4. หากรุ่นอุปกรณ์รองรับ ให้เปิดตัวกรอง Human Detection หรือกำหนดขนาดวัตถุขั้นต่ำ เพื่อไม่ให้เหตุการณ์เล็กมากถูกส่งเป็นการแจ้งเตือน
5. ตั้ง Schedule ให้สอดคล้องกับช่วงเวลาที่ต้องการรับแจ้ง เช่น เปิดเฉพาะหลังร้านปิด หรือแยกช่วงเวลากลางวันกับกลางคืน
6. เปลี่ยนครั้งละหนึ่งค่าและเก็บผลอย่างน้อยหนึ่งรอบกลางวันกับกลางคืน เพื่อทราบว่าการปรับใดช่วยแก้ปัญหาได้จริง

หากมีฟังก์ชันเส้นข้ามเขตหรือการบุกรุกพื้นที่ ควรกำหนดทิศทางและขอบเขตให้สัมพันธ์กับเส้นทางเดินจริง ฟังก์ชันเหล่านี้มักเหมาะกับทางเข้าเฉพาะจุดมากกว่าการใช้ Motion Detection เต็มภาพ

เมื่อไม่มีการแจ้งเตือน ควรแยกก่อนว่า “ตรวจไม่พบเหตุการณ์” หรือ “ตรวจพบแต่ส่งไปยังโทรศัพท์ไม่ได้” เพราะเป็นคนละปัญหาและใช้วิธีตรวจต่างกัน หากภาพสดหายและอุปกรณ์ขึ้น Offline พร้อมกัน ควรแก้การเชื่อมต่อของอุปกรณ์ให้กลับมาออนไลน์ก่อนตรวจค่าการแจ้งเตือน

• ตรวจว่าเปิด Motion Detection ในช่องหรืออุปกรณ์ที่ต้องการแล้ว และ Schedule ครอบคลุมเวลาที่เกิดเหตุ
• ดูพื้นที่ตรวจจับว่าตัดบริเวณทางเดินออกโดยไม่ตั้งใจหรือไม่ รวมถึงตรวจ Sensitivity และขนาดวัตถุขั้นต่ำ
• ตรวจการอนุญาตแจ้งเตือนของโทรศัพท์ โหมดห้ามรบกวน สถานะเครือข่าย และบัญชีที่ผูกกับอุปกรณ์
• ตรวจว่าตั้งค่า Record, Push Notification และ Event Mark แยกครบตามวัตถุประสงค์
• ทดสอบโดยเดินผ่านในระยะจริง ไม่ควรทดสอบด้วยการโบกมือชิดเลนส์เพียงอย่างเดียว เพราะขนาดและทิศทางต่างจากการใช้งานจริง

หากเหตุการณ์เกิดขึ้นแต่ไม่แสดงบนโทรศัพท์ ให้เริ่มจากหน้า ตรวจสอบแอปที่ใช้รับการแจ้งเตือน แล้วตรวจสิทธิ์การแจ้งเตือนของระบบปฏิบัติการ

ส่วนกรณีมีแจ้งเตือนแต่ค้นคลิปย้อนหลังไม่พบ ให้ดูแนวทาง แยกตรวจปัญหาการบันทึกและการค้นภาพย้อนหลัง เพื่อไม่ให้ปรับค่าการตรวจจับผิดจุด

Motion Detection ทำหน้าที่ตรวจว่าเกิดความเปลี่ยนแปลงในภาพหรือไม่ ส่วน Motion Tracking ทำหน้าที่ติดตามวัตถุหลังจากตรวจพบแล้ว เช่น สั่งให้อุปกรณ์แบบหมุนได้เปลี่ยนมุมตามคนหรือรถ ฟังก์ชันติดตามจึงต้องอาศัยทั้งฮาร์ดแวร์ที่ขยับได้ ซอฟต์แวร์วิเคราะห์วัตถุ และพื้นที่ที่ไม่มีสิ่งกีดขวางมากเกินไป

การเปิด Motion Tracking ไม่ได้ทำให้การตรวจจับแม่นยำขึ้นเสมอ หากตั้งพื้นที่เริ่มต้นไม่เหมาะสม ระบบอาจเลือกติดตามวัตถุผิดหรือหลุดเมื่อวัตถุถูกบัง สำหรับพื้นที่คงที่อย่างประตูหรือช่องชำระเงิน การกำหนดมุมภาพและ Detection Region ที่ชัดเจนอาจให้ผลสม่ำเสมอกว่าการติดตามอัตโนมัติ

ทางเข้าบ้านหรือสำนักงาน: เลือกพื้นที่เฉพาะประตูและทางเดิน ตัดต้นไม้ ถนน และไฟหน้ารถออก หากต้องการแจ้งเตือนเฉพาะคนให้เปิด Human Detection และทดสอบระยะจริง

ภายในร้านค้า: กำหนดพื้นที่บริเวณประตู คลังสินค้า หรือเคาน์เตอร์ แยก Schedule ตามเวลาทำการเพื่อไม่ให้พนักงานสร้างเหตุการณ์ที่ไม่จำเป็นตลอดวัน

ลานจอดรถหรือพื้นที่กลางแจ้ง: หลีกเลี่ยงการเลือกท้องฟ้า ต้นไม้ และพื้นผิวสะท้อนทั้งภาพ ตั้งขนาดวัตถุให้เหมาะกับระยะ และตรวจผลในคืนที่มีฝนหรือหมอก

ทางเดินแคบ: ใช้เส้นข้ามเขตหรือทิศทางการเคลื่อนที่หากรองรับ เพราะสามารถจำกัดเหตุการณ์ได้ตรงกว่าการตรวจทุกการเปลี่ยนแปลงในภาพ

ไม่จำเป็น การตรวจจับเป็นเงื่อนไขเหตุการณ์ ส่วนรูปแบบการบันทึกเป็นอีกการตั้งค่าหนึ่ง ระบบจำนวนมากเลือกบันทึกต่อเนื่องพร้อมทำเครื่องหมายช่วงที่มีเหตุการณ์ได้ หรือเลือกบันทึกเฉพาะเหตุการณ์เพื่อประหยัดพื้นที่ก็ได้

ไม่เสมอไป ค่าที่สูงมากทำให้ระบบตอบสนองต่อแสง ฝน แมลง และการเปลี่ยนแปลงเล็กน้อย จนอาจมีแจ้งเตือนมากเกินไป ค่าที่เหมาะสมคือระดับที่ตรวจพบเหตุการณ์สำคัญได้โดยมีสิ่งรบกวนน้อยที่สุด

ไม่สามารถรับประกันได้ทั้งหมด ระบบ AI ช่วยจำแนกคนหรือยานพาหนะและลดเหตุการณ์ที่ไม่เกี่ยวข้อง แต่คุณภาพภาพ ระยะ มุม แสง ฝน และการบังกันของวัตถุยังมีผล จึงต้องกำหนดพื้นที่และทดสอบหน้างานควบคู่กัน

โดยทั่วไปการตรวจจับและการบันทึกภายในเครือข่ายอาจยังทำงานได้ หากตัวอุปกรณ์และเครื่องบันทึกมีไฟเลี้ยงและเชื่อมต่อกัน แต่การส่งแจ้งเตือนไปนอกสถานที่หรือดูผ่านโทรศัพท์ต้องพึ่งการเชื่อมต่ออินเทอร์เน็ต ทั้งนี้ขึ้นกับสถาปัตยกรรมของแต่ละรุ่น

ตอนกลางคืนภาพมีสัญญาณรบกวนมากขึ้น อุปกรณ์อาจเปลี่ยนเป็นอินฟราเรด และวัตถุเคลื่อนที่อาจเบลอ แสงจากรถหรือแมลงใกล้เลนส์จึงมีผลมากกว่ากลางวัน ควรทดสอบค่าที่ตั้งไว้ในสภาพแสงจริง ไม่ใช้ผลจากกลางวันเพียงอย่างเดียว

Motion Detection จะให้ผลดีเมื่อกำหนดเป้าหมายชัดเจนว่าอยากตรวจอะไร ที่บริเวณใด และในช่วงเวลาใด เริ่มจากเลือกพื้นที่ให้แคบพอดี ตั้งความไวระดับกลาง เปิดตัวกรองบุคคลเมื่ออุปกรณ์รองรับ แล้วตรวจผลจากเหตุการณ์จริงทั้งกลางวันและกลางคืน

หากมีการแจ้งเตือนผิด อย่ารีบปิดระบบหรือลดความไวจนต่ำที่สุด ควรดูคลิปเพื่อหาต้นเหตุและเปลี่ยนครั้งละหนึ่งค่า วิธีนี้ช่วยให้ระบบยังตรวจพบเหตุการณ์สำคัญ ขณะเดียวกันก็ลดข้อความที่ไม่จำเป็นได้อย่างเป็นเหตุเป็นผล

สำหรับเนื้อหาเชิงแก้ปัญหาและการดูแลระบบหัวข้ออื่น สามารถดูต่อได้ที่ คลังความรู้ด้านระบบรักษาความปลอดภัย โดยเลือกอ่านตามอาการและฟังก์ชันที่ใช้งานจริง