সেই কনসার্টে কি 5,000 জন ছিল নাকি 15,000? তিনজনকে জিজ্ঞেস করুন এবং আপনি তিনটি ভিন্ন উত্তর পাবেন। মানুষের জনসমাগম অনুমান নিয়মিতভাবে 50 থেকে 300% পর্যন্ত পরিবর্তিত হয়, এবং ইভেন্টগুলোর চারপাশের রাজনৈতিক স্বার্থ সঠিকতাকে আরও বেশি অবিশ্বস্ত করে তোলে।
জনসমাগম গণনা নিরাপত্তা, রাজস্ব এবং সম্মতির জন্য গুরুত্বপূর্ণ, তবুও এটি মানুষের মুখোমুখি হওয়া সবচেয়ে কঠিন গণনা সমস্যাগুলোর একটি। আমাদের মস্তিষ্ক বড় দল অনুমান করতে অসাধারণভাবে দুর্বল। AI জনসমাগম গণনা সরঞ্জামগুলো একটি ভিন্ন পদ্ধতি গ্রহণ করে: একটি ছবি বা ভিডিও ফিড প্রক্রিয়া করে এবং প্রতিবার একই সংখ্যা ফেরত দেয়। এখানে প্রযুক্তিটি কীভাবে কাজ করে এবং ইভেন্ট ম্যানেজাররা আজ কোথায় এটি ব্যবহার করছেন তা জানুন।
কেন মানুষের জনসমাগম অনুমান ব্যর্থ হয়
মানুষের মস্তিষ্ক পরিমাণ তুলনা করতে ভালো, যেমন সুপারমার্কেটে কোন লাইনটি সবচেয়ে লম্বা তা বিচার করা। কিন্তু সেগুলো গণনা করতে সত্যিই দুর্বল। জ্ঞানতাত্ত্বিক বিজ্ঞানীরা উল্লেখ করেন যে একটি দল প্রায় 4 জনের বেশি হলে, আমরা গণনা বন্ধ করি এবং অনুমান শুরু করি। জনসমাগম যত বড়, এই অনুমানগুলো তত খারাপ।
Full Fact-এর জনসমাগম গণনা বিষয়ক গবেষণায় দেখা গেছে যে অনুমানের মধ্যে বড় পার্থক্য নিয়ম, ব্যতিক্রম নয়। 2023 সালে লন্ডনের একটি মার্চে আয়োজকরা 800,000 অংশগ্রহণকারীর কথা জানিয়েছিলেন যেখানে পুলিশ অনুমান করেছিল 300,000। 2025 সালে সিডনিতে একটি সমাবেশে পুলিশের গণনা ছিল 90,000 যেখানে আয়োজকদের দাবি ছিল 300,000 পর্যন্ত। এমনকি অভিজ্ঞ পর্যবেক্ষকরাও প্রতি বর্গ মিটারে দুই এবং চারজনের মধ্যে পার্থক্য করতে কষ্ট পান, এটি এমন একটি পার্থক্য যা মোট গণনাকে দ্বিগুণ করে দেয়।
প্রচলিত অনুমান পদ্ধতি, 1960-এর দশকের জ্যাকবস পদ্ধতি, নমুনা গ্রিড বর্গে মানুষ গণনা, গড় ঘনত্ব গণনা এবং মোট এলাকা দিয়ে গুণ করা জড়িত। এটি অনুমানের চেয়ে ভালো, কিন্তু এটি এখনও জনসমাগমের সুষম বণ্টনের অনুমানের উপর নির্ভর করে যা বাস্তবে খুব কমই সত্য হয়।
AI জনসমাগম গণনা কীভাবে কাজ করে
AI জনসমাগম গণনা একটি ছবিতে পৃথক মাথা বা শরীর সনাক্ত এবং গণনা করতে কম্পিউটার ভিশন ব্যবহার করে। প্রক্রিয়াটি দুটি প্রধান পদ্ধতিতে কাজ করে।
সনাক্তকরণ-ভিত্তিক গণনা প্রতিটি ব্যক্তিকে পৃথকভাবে চিহ্নিত করে, প্রতিটি সনাক্ত করা মাথায় একটি মার্কার স্থাপন করে। এটি কয়েক হাজার পর্যন্ত জনসমাগমের জন্য ভালো কাজ করে, যেখানে পৃথক ব্যক্তিরা এখনও ছবিতে আলাদাভাবে চেনা যায়। এটি একটি গণনা এবং একটি ভিজ্যুয়াল ম্যাপ উভয়ই প্রদান করে যা দেখায় ঠিক কাকে গণনা করা হয়েছে।
ঘনত্ব অনুমান ব্যক্তিদের চিহ্নিত না করে ছবির প্রতিটি অঞ্চলে কতজন মানুষ আছে তা পূর্বানুমান করে অনেক বড় জনসমাগম পরিচালনা করে। মডেলটি একটি ঘনত্ব মানচিত্র তৈরি করে, একটি হিটম্যাপ যেখানে উজ্জ্বল এলাকাগুলো বেশি মানুষ নির্দেশ করে, এবং মোট তৈরি করতে মানগুলো যোগ করে। এই পদ্ধতি একটি ফ্রেমে কয়েক হাজার মানুষ পর্যন্ত স্কেল করতে পারে।
SmartSport-এর মতো আধুনিক সিস্টেম উভয় পদ্ধতিকে বড় ভাষা মডেলের সাথে একত্রিত করে যা কার্যকরী ব্যবস্থাপনা প্রতিবেদন তৈরি করে। বেঞ্চমার্ক পরীক্ষায়, SmartSport ক্রীড়া সুবিধায় জনসমাগমের জন্য 93.8% গণনা নির্ভুলতা অর্জন করেছে, যেখানে ডোমেন বিশেষজ্ঞরা এর AI-উত্পন্ন ব্যবস্থাপনা পরামর্শকে ব্যবহারিকতার জন্য 5.0-এর মধ্যে 4.2 রেটিং দিয়েছেন।
ইভেন্ট ম্যানেজাররা কোথায় জনসমাগম গণনা ব্যবহার করেন
অতিরিক্ত ভিড় বিশ্বজুড়ে ভেন্যুতে মারাত্মক ঘটনার কারণ হয়েছে। রিয়েল-টাইম জনসমাগম ঘনত্ব পর্যবেক্ষণ ধারণক্ষমতার সীমার কাছে আসা সেকশনগুলোকে বিপজ্জনক হওয়ার আগেই চিহ্নিত করে।
সঠিক উপস্থিতি সংখ্যা টিকেট মিলান, কনসেশন পরিকল্পনা এবং স্পনসর রিপোর্টে অবদান রাখে। 20% কম গণনা মানে পরের বছরের স্পনসরশিপ আলোচনায় 20% কম দর কষাকষির ক্ষমতা।
দোকান এবং শপিং সেন্টার ওভারহেড ক্যামেরা ব্যবহার করে প্রতি ঘণ্টায় দর্শক গণনা, অবস্থানের সময় পরিমাপ এবং ম্যানুয়াল কাউন্টার ছাড়াই প্রচারমূলক প্রভাব মূল্যায়ন করে।
রেলওয়ে স্টেশন, বিমানবন্দর এবং পাবলিক স্কোয়ার প্রবাহ পরিচালনা, স্টাফিং সমন্বয় এবং ঘনত্ব নিরাপদ থ্রেশহোল্ড অতিক্রম করলে সতর্কতা ট্রিগার করতে জনসমাগম গণনা ব্যবহার করে।
রিয়েল-টাইম বনাম ফটো-ভিত্তিক গণনা
ফটো-ভিত্তিক গণনা একটি একক ছবি থেকে কাজ করে। একটি জনসমাগমের ছবি আপলোড করুন, একটি গণনা পান। এটি পরবর্তী বিশ্লেষণের জন্য উপযোগী: গত রাতের কনসার্টে কতজন এসেছিলেন, দুপুরে চত্বরটি কতটা ভিড় ছিল, সমাবেশে কতজন এসেছিলেন।
রিয়েল-টাইম গণনা একটি ক্রমাগত ভিডিও ফিড প্রক্রিয়া করে। ভেন্যুর প্রবেশদ্বারে বা ওভারহেড গ্যান্ট্রিতে লাগানো ক্যামেরা মানুষের প্রবেশ এবং প্রস্থানের সময় গণনা করে, একটি চলমান মোট বজায় রাখে। ArenaIQ (2026)-এর মতো সিস্টেম রিয়েল-টাইম ঘনত্ব পর্যবেক্ষণকে ভবিষ্যদ্বাণীমূলক মডেলের সাথে একত্রিত করে যা স্টেডিয়ামের বিভিন্ন সেকশনে সারির উত্থান এবং স্টাফিং প্রয়োজনীয়তা পূর্বাভাস দেয়।
পছন্দ ব্যবহারের ক্ষেত্রের উপর নির্ভর করে। ইভেন্ট-পরবর্তী বিশ্লেষণ এবং বীমা দাবির জন্য ফটো-ভিত্তিক বিশ্লেষণ প্রয়োজন। নিরাপত্তা সম্মতি এবং সরাসরি কার্যক্রমের জন্য রিয়েল-টাইম ফিড প্রয়োজন।
গোপনীয়তা এবং নৈতিক বিবেচনা
জনসমাগম গণনা বৈধ গোপনীয়তার প্রশ্ন উত্থাপন করে। ভালো খবর: বেশিরভাগ গণনা সিস্টেমের ব্যক্তিদের সনাক্ত করার প্রয়োজন নেই। সনাক্তকরণ-ভিত্তিক মডেল মুখ চেনা ছাড়াই মাথা গণনা করে, এবং ঘনত্ব অনুমান সম্পূর্ণরূপে সামগ্রিক প্যাটার্নে কাজ করে।
সর্বোত্তম অনুশীলন হল ডিভাইসে বা সুরক্ষিত সার্ভারে ছবি প্রক্রিয়া করা, মূল ফুটেজের পরিবর্তে শুধুমাত্র গণনা এবং ঘনত্ব মানচিত্র রাখা, এবং অংশগ্রহণকারীদের কাছে পর্যবেক্ষণ অনুশীলন স্পষ্টভাবে জানানো। যখন গণনা নিরাপত্তার জন্য ব্যবহৃত হয়, এর পক্ষে যুক্তি সরল। যখন নজরদারি বা প্রতিবাদ নথিভুক্তির জন্য ব্যবহৃত হয়, নৈতিক হিসাব উল্লেখযোগ্যভাবে পরিবর্তন হয়।
উপসংহার
মানুষের জনসমাগম অনুমান স্বভাবতই অবিশ্বস্ত। AI জনসমাগম গণনা সামঞ্জস্যপূর্ণ, পুনরাবৃত্তিযোগ্য সংখ্যা প্রদান করে যা কে অনুমান করছে বা তারা কী উত্তর চায় তার উপর ভিত্তি করে পরিবর্তন হয় না। প্রযুক্তিটি একাডেমিক গবেষণা থেকে ব্যবহারিক সরঞ্জামে পরিণত হয়েছে যা ইভেন্ট ম্যানেজার, নিরাপত্তা দল এবং সুবিধা পরিচালকরা প্রতিদিন ব্যবহার করেন।
পরের বার যখন আপনার একটি উপস্থিতি সংখ্যা প্রয়োজন হবে, অনুমান করা বাদ দিন। একটি মাত্র আকাশ থেকে তোলা ছবি এবং একটি AI গণনা সরঞ্জাম আপনাকে প্রতিবার একটি সমর্থনযোগ্য উত্তর দেবে।