ما مدى استقرار التعرف على درجات البشرة المختلفة وأنواع الملابس (مثل المعاطف المطرية)؟

لقد رأيت كاميرات الذكاء الاصطناعي تفشل في الميدان. عامل ذو بشرة داكنة لا يتم اكتشافه. معطف مطري أصفر يسبب إنذارًا كاذبًا. هذه الإخفاقات تكلف أموالًا حقيقية وثقة حقيقية.

يعتمد استقرار التعرف على ثلاثة أشياء: النطاق الديناميكي للكاميرا، وتنوع بيانات تدريب نموذج الذكاء الاصطناعي، وقدرة الخوارزمية على استخلاص ميزات الإنسان بما يتجاوز اللون. تستخدم الأنظمة الحديثة اكتشاف نقاط الهيكل العظمي¹ والتصوير بالنطاق الديناميكي الواسع للحفاظ على دقة تزيد عن 90% عبر جميع درجات البشرة وأنواع الملابس.

استقرار التعرف على كاميرات الذكاء الاصطناعي لدرجات البشرة المختلفة وأنواع الملابس

أدناه، سأفصل كل عامل يؤثر على استقرار التعرف. سأوضح لك ما ينجح وما يفشل، وكيف نحل كل مشكلة على مستوى الأجهزة والبرامج.

هل يتضمن تدريب نموذج الذكاء الاصطناعي مجموعة بيانات متنوعة لضمان دقة عالية لجميع الأعراق؟

اعتدت أن أفترض أن جميع كاميرات الذكاء الاصطناعي تتعامل مع درجات البشرة بالتساوي. ثم اختبرت ثلاث علامات تجارية مختلفة في مستودع ذي إضاءة خافتة. اثنان منها فشلا في اكتشاف العمال ذوي البشرة الداكنة بأكثر من 30% من الوقت. غيرت تلك التجربة طريقة تقييمي لبيانات التدريب.

نعم، ولكن فقط إذا قام المصنع بدمج التنوع عن قصد في خط أنابيب التدريب. سيؤدي النموذج المدرب في الغالب على أفراد ذوي بشرة فاتحة إلى أداء أقل على درجات البشرة الداكنة بنسبة 10-20%. يجب أن تتضمن مجموعات البيانات المناسبة عينات متوازنة عبر جميع أنواع بشرة فيتزباتريك، وظروف الإضاءة، والسياقات الجغرافية.

مجموعة بيانات تدريب متنوعة لنموذج الذكاء الاصطناعي للتعرف على لون البشرة

لماذا تنوع بيانات التدريب مهم

نموذج الذكاء الاصطناعي جيد فقط بقدر البيانات التي تعلم منها. إذا كانت مجموعة التدريب تحتوي على 80% من الأفراد ذوي البشرة الفاتحة، فإن النموذج يبني خرائط ميزات داخلية متحيزة نحو قيم بكسل أفتح. عندما يواجه شخصًا ذا بشرة داكنة في إضاءة خافتة، ينخفض التباين بين الشخص والخلفية. يكافح النموذج لفصل الشخص عن المشهد.

هذه ليست مشكلة نظرية. أظهرت العديد من الدراسات الأكاديمية أن أنظمة اكتشاف الوجوه التجارية لديها معدلات خطأ أعلى على درجات البشرة الداكنة. السبب الجذري هو دائمًا نفسه: بيانات تدريب غير متوازنة.

كيف نعالج هذا

يستخدم خط أنابيب التدريب الخاص بنا نهجًا منظمًا:

عامل التدريب	النهج القياسي	نهجنا
تغطية لون البشرة	كشط عشوائي للإنترنت	أخذ عينات متوازنة عبر Fitzpatrick I-VI2
ظروف الإضاءة	معظمها في النهار	40% سيناريوهات الإضاءة المنخفضة والأشعة تحت الحمراء
التنوع الجغرافي	تحيز منطقة واحدة	بيانات من مناطق متعددة من 15+ دولة
التضخيم	دوران/قلب أساسي	تنوع اصطناعي في لون البشرة + تحولات التعرض

ما وراء اللون: الكشف المستند إلى الهيكل العظمي

هذه هي الفكرة الرئيسية. الذكاء الاصطناعي الحديث لا يعتمد على لون البشرة للكشف عن البشر. تستخرج خوارزميتنا نقاط الهيكل العظمي للجسم - الرأس والكتفين والمرفقين والركبتين. تظل هذه الميزات الهيكلية ثابتة بغض النظر عن لون البشرة.

في وضع الأشعة تحت الحمراء ليلاً، تتحول جميع ألوان البشرة إلى قيم انعكاس رمادية. ترى الكاميرا بصمات الحرارة وأشكال الجسم، وليس اللون. هذا يلغي التحيز في لون البشرة تمامًا أثناء التشغيل الليلي.

أرقام الدقة في العالم الحقيقي

من اختباراتنا الداخلية عبر 50,000+ إطار مشروح:

• بشرة فاتحة (Fitzpatrick I-III)، نهارًا: معدل كشف 98.2%
• بشرة داكنة (فيتزباتريك IV-VI)، نهارًا: معدل اكتشاف 96.8%
• جميع ألوان البشرة، وضع ليلي بالأشعة تحت الحمراء: معدل اكتشاف 97.1%

الفجوة بين البشرة الفاتحة والداكنة في النهار أقل من 2%. هذا لأن مستشعر WDR حقيقي بقوة 120 ديسيبل³ يقوم بضبط التعريض تلقائيًا عند اكتشاف منطقة بشرية في الإطار. يعطي الأولوية لتعريض الوجه والجسم على سطوع الخلفية.

هل ستتعرف الكاميرا على عامل يرتدي سترة عالية الوضوح أو سترة شتوية سميكة؟

شاهدت مرة عرضًا توضيحيًا حيث مر عامل يرتدي معطفًا شتويًا منتفخًا أمام كاميرا. قام النظام بتمييزه على أنه “كائن غير معروف”. هذه مشكلة عندما تقوم بحماية موقع بناء في يناير.

نعم. تتعرف الكاميرا على العمال الذين يرتدون سترات عالية الوضوح ومعاطف شتوية سميكة لأن نموذج الذكاء الاصطناعي يستخدم إطار عمل لاكتشاف الرأس والكتفين بدلاً من مطابقة صورة ظلية لكامل الجسم. طالما أن منطقة الرأس والكتفين مرئية، يحافظ النظام على معدل تشغيل 95%+ بغض النظر عن سماكة ملابس الجسم.

الكاميرا تتعرف على عامل يرتدي سترة عالية الوضوح ومعطفًا شتويًا

مشكلة الملابس السميكة

يكشف اكتشاف الحركة التقليدي عن تغيرات البكسل. يخلق شخص يرتدي سترة رفيعة صورة ظلية بشرية يمكن التعرف عليها. لكن المعطف الشتوي السميك يغير نسبة عرض الجسم إلى ارتفاعه. تختفي الخصر. تبدو الذراعان أقصر. يصبح الشكل العام كتلة.

سترفض نماذج الذكاء الاصطناعي البسيطة المدربة فقط على الأشكال البشرية “العادية” هذه الكتلة. تصنفها على أنها كائن غير بشري. هذا يخلق نقاط عمياء خطيرة في مواقع العمل خلال أشهر الشتاء.

نموذج الرأس والكتفين: الحل

يستخدم خوارزميتنا نهج اكتشاف من مرحلتين:

المرحلة الأولى: محاولة اكتشاف كامل الجسم. يحاول النموذج أولاً مطابقة الهيكل العظمي البشري القياسي - الرأس والجذع والأطراف. إذا تجاوزت الثقة 85%، فإنه يؤكد الاكتشاف على الفور.

المرحلة الثانية: آلية احتياطية للرأس والكتفين. إذا انخفضت ثقة اكتشاف كامل الجسم عن 85% (بسبب الملابس السميكة)، يتحول النموذج إلى اكتشاف الرأس والكتفين. يبحث عن:

• الشكل البيضاوي للرأس
• ميلان الكتفين أسفل الرأس
• نمط الحركة المتسق مع المشي البشري

يلتقط هذا الحل البديل 95% من الحالات التي تحجب فيها الملابس الضخمة الجسم.

سترات الرؤية العالية: سيف ذو حدين

سترات الرؤية العالية مثيرة للاهتمام. اللون الفلوري الزاهي يساعد بالفعل في الكشف النهاري لأنه يخلق تباينًا قويًا مع معظم الخلفيات. ولكن في الليل تحت إضاءة الأشعة تحت الحمراء، تسبب الشرائط العاكسة مشاكل.

نوع الملابس	دقة النهار	دقة الأشعة تحت الحمراء ليلاً	التحدي الرئيسي
ملابس العمل القياسية	98%	97%	لا شيء مهم
سترة الرؤية العالية	99%	93%	وهج الشريط العاكس
سترة شتوية ضخمة	95%	96%	تشويه شكل الجسم
سترة + سترة رؤية عالية	96%	91%	وهج + تشويه مدمج

كيف نتعامل مع وهج الشريط العاكس

تتضمن العملية تحديد بقع صغيرة مشبعة على المستشعر. خوارزميتنا خوارزمية تقليل الضوضاء ثلاثية الأبعاد⁴ تحدد هذه النقاط الساخنة وتقمعها عبر إطارات متعددة. تعيد بناء شكل الجسم تحت الوهج عن طريق الرجوع إلى الإطارات المجاورة حيث تكون زاوية الانعكاس مختلفة.

بالنسبة للمواقع التي يرتدي فيها جميع العمال معدات الرؤية العالية، أوصي بتمكين وضع “مضاد للوهج” في إعدادات الكاميرا. هذا يقلل من طاقة الأشعة تحت الحمراء قليلاً وينشط خط أنابيب إعادة البناء متعدد الإطارات تلقائيًا.

هل لا يزال بإمكان الذكاء الاصطناعي تحديد شكل الإنسان إذا كان يرتدي معطفًا مطريًا أصفر فضفاضًا؟

اختبرت هذا السيناريو بنفسي خلال نشر في موسم الأمطار. مشى عامل يرتدي معطفًا واقيًا من المطر أصفر طويلًا عبر مجال رؤية الكاميرا. فشل البرنامج الثابت الأول في اكتشافه مرتين. بعد تحديث النموذج ببيانات تدريب خاصة بمعاطف المطر، تم اكتشافه في كل مرة.

نعم، لكن الدقة تنخفض إلى حوالي 90% مع المعاطف المطرية ذات الطراز الرداء مقارنة بـ 98% مع الملابس العادية. يعوض الذكاء الاصطناعي عن ذلك باستخدام اكتشاف الرأس والكتفين وتحليل مسار الحركة. عندما يتم إخفاء صورة ظلية للجسم، يتتبع النظام نمط الحركة لتأكيد وجود الإنسان.

الذكاء الاصطناعي يحدد شكل الإنسان في معطف مطري أصفر فضفاض

لماذا المعاطف المطرية هي التحدي الأصعب

يخلق المعطف المطري الفضفاض ثلاث مشاكل متزامنة للتعرف على الذكاء الاصطناعي:

1. تدمير الشكل. الرداء يخفي الخصر والوركين والساقين. تصبح الصورة الظلية للإنسان على شكل مثلث أو جرس.
2. توحيد الملمس. السطح البلاستيكي الأملس لا يحتوي على تباين في الملمس. الملابس العادية تحتوي على طيات وخياطات وأنماط تساعد الذكاء الاصطناعي على تأكيد “هذا قماش على جسم”. المعطف المطري هو سطح مسطح بلا ملامح.
3. حركة الرياح. في الرياح، يرفرف المعطف المطري ويتغير شكله من إطار إلى آخر. هذا يربك الخوارزميات القائمة على الحركة التي تتوقع حدودًا ثابتة للكائن.

استراتيجية الكشف متعددة الطبقات لدينا

لا نعتمد على طريقة كشف واحدة. يعمل نظامنا بثلاثة فحوصات متوازية:

الطبقة 1: نموذج الرأس والكتفين. حتى في رداء كامل، يبرز الرأس. يخلق الغطاء شكل قبة يمكن التعرف عليه. لا تزال الأكتاف تظهر كخط أفقي أسفل الرأس. هذا وحده يمنحنا ثقة كشف بنسبة 85%.

الطبقة 2: تحليل مسار الحركة. يسير البشر بأنماط يمكن التنبؤ بها. يتحركون بسرعة 3-6 كم/ساعة. يتبعون مسارات. يتوقفون ويغيرون الاتجاه بمنحنيات تسارع محددة. كيس بلاستيكي تهب به الرياح يتحرك بشكل عشوائي. شخص يرتدي معطفًا مطريًا لا يزال يمشي كشخص. يتتبع خوارزمنا مسار الكائن على مدار 15-20 إطارًا ويقارنه بنماذج حركة الإنسان.

الطبقة 3: البصمة الحرارية (للموديلات المجهزة بالأشعة تحت الحمراء). تحت المعطف المطري، لا يزال الشخص يشع حرارة الجسم. في وضع الأشعة تحت الحمراء، يمكن للكاميرا اكتشاف الخط الحراري للجسم تحت الطبقة البلاستيكية. هذا فعال بشكل خاص مع موديلاتنا التي تستخدم مستشعرات ميكروبولومتر VOx غير المبردة⁵.

تدريب العينات السلبية

لقد درّبنا نموذجنا خصيصًا بآلاف العينات “المربكة”:

• أغطية بلاستيكية تهب في الرياح (لا ينبغي أن تُشغّل التنبيه)
• أكياس قمامة على الأسوار (لا ينبغي أن تُشغّل التنبيه)
• أشخاص يرتدون أغطية واقية من المطر (يجب أن تُشغّل التنبيه)
• أشخاص تحت مظلات (يجب أن تُشغّل التنبيه)
• فزاعات في الحقول (لا ينبغي أن تُشغّل التنبيه)

هذا نهج العينات السلبية⁶ يعلّم النموذج ما ليس إنسانًا، وهو بنفس أهمية تعليمه ما هو الإنسان.

توصية عملية

بالنسبة للمواقع التي تشهد أمطارًا متكررة (مثل مناطق البناء في تكساس أو جنوب شرق آسيا)، أقترح تمكين وضع المنطق المزدوج⁷: كشف الحركة + التعرف على الإنسان معًا. إذا انخفضت ثقة الذكاء الاصطناعي في “إنسان” إلى أقل من 80% ولكن تم اكتشاف حركة، فلا يزال النظام يسجل الحدث ويضع علامة عليه كـ “خطر مشتبه به”. تحصل على اللقطات. لا تفوتك عملية الاقتحام. ويمكنك مراجعتها لاحقًا.

هل يتأثر استقرار التعرف بلون ملابس الهدف مقابل الخلفية؟

لقد تعلمت هذا الدرس بالطريقة الصعبة. قام أحد العملاء بتركيب كاميرات تطل على حقل أخضر. أصبح العمال الذين يرتدون زيًا أخضر شبه غير مرئيين لكشف الحركة الأساسي. التقطت طبقة الذكاء الاصطناعي صورهم، ولكن فقط بنسبة 60% من النطاق الطبيعي. تباين الخلفية مهم أكثر مما يعتقد معظم الناس.

نعم، يؤثر لون الملابس بالنسبة للخلفية بشكل مباشر على نطاق وسرعة الكشف. عندما يتطابق لون ملابس الهدف مع لون الخلفية، يمكن أن ينخفض نطاق الكشف بنسبة 20-30%. يعوض نظامنا ذلك من خلال دمج الميزات المتعددة - الجمع بين بيانات اللون والملمس والحركة والحرارة - للحفاظ على التعرف المستقر حتى في السيناريوهات ذات التباين المنخفض.

تباين لون الملابس يؤثر على التعرف بالذكاء الاصطناعي مقابل الخلفية

كيف يؤثر تباين اللون على الكشف

يعالج نموذج الذكاء الاصطناعي الصور كمصفوفات بكسل. عندما يكون لون ملابس الشخص وسطوعها مشابهًا للخلفية، يصبح الخط الفاصل بين “الشخص” و“الخلفية” ضعيفًا. يحتاج النموذج إلى حواف قوية لتحديد حدود الكائن.

فكر في الأمر بهذه الطريقة: من الصعب رؤية شخص يرتدي سترة سوداء أمام جدار داكن حتى بالعين البشرية. تواجه الكاميرا نفس التحدي، لكن لديها أدوات لا يمتلكها البشر.

مشكلة التباين حسب السيناريو

السيناريو	مستوى التباين	تأثير الكشف	طريقة التعويض
ملابس داكنة + خلفية داكنة	منخفض جدًا	المدى انخفض 25-30%	إضاءة الأشعة تحت الحمراء + حراري
ملابس خضراء + نباتات	منخفضة	المدى انخفض 20-25%	تحليل متجه الحركة
ملابس بيضاء + ثلج	منخفضة	المدى انخفض 15-20%	خوارزمية كشف الظل
أي ملابس + جدار محايد	عالية	لا يوجد تأثير	الكشف القياسي
ملابس عالية الوضوح + أي خلفية	عالية جداً	المدى زاد 10%	غير منطبق (ميزة طبيعية)

تقنيات التعويض الخاصة بنا

1. نمذجة الخلفية التكيفية

تبني الكاميرا نموذجًا للخلفية باستمرار. إنها تتعلم كيف تبدو “الساحة الفارغة” بمرور الوقت. عندما يتغير أي شيء - حتى ببضعة قيم بكسل - يقوم النظام بتمييزه. يعمل هذا حتى عندما يكون فرق اللون ضئيلًا، لأن النموذج يكتشف تغييرات دقيقة في النسيج قد تفوتها تحليلات الألوان البحتة.

2. معالجة تعزيز الحواف

برنامجنا معالج إشارة الصورة (ISP)⁸ يطبق تعزيز الحواف في الوقت الفعلي عندما يكتشف مناطق ذات تباين منخفض. إنه يعزز حدة الحدود بين الكائنات. هذا يمنح نموذج الذكاء الاصطناعي بيانات حواف أقوى للعمل معها، حتى عندما يكون تباين الألوان ضعيفًا.

3. وضع الأشعة تحت الحمراء كمُعادل عظيم

في الليل، يحول مُضيء الأشعة تحت الحمراء كل شيء إلى تدرج رمادي. يصبح لون الملابس غير مهم. ما يهم هو الانعكاس - مقدار ضوء الأشعة تحت الحمراء الذي يرتد عن السطح. تعكس معظم الأقمشة ضوء الأشعة تحت الحمراء بشكل مختلف عن الخلفيات الطبيعية (الأوراق، التربة، الخرسانة). لذلك، حتى السترة الخضراء مقابل الشجيرات الخضراء تصبح مرئية بوضوح في وضع الأشعة تحت الحمراء لأن القماش يعكس الأشعة تحت الحمراء بشكل مختلف عن الأوراق.

4. تراكم الحركة متعدد الإطارات

إذا لم يوفر إطار واحد تباينًا كافيًا للكشف، فإن خوارزميتنا تجمع بيانات الحركة عبر 5-10 إطارات. إنها تبني “خريطة حرارية للحركة” توضح مكان حدوث الحركة. حتى الهدف ذو التباين المنخفض يخلق مسار حركة واضحًا بمرور الوقت. هذه التقنية تضحي بالسرعة مقابل الدقة - قد يستغرق الكشف 0.5 ثانية إضافية، ولكنه يلتقط الأهداف التي قد يفوتها تحليل الإطار الواحد.

توصيتي للمواقع ذات التباين المنخفض

إذا كان موقع النشر الخاص بك يعاني من تحديات تباين معروفة (نباتات خضراء، مناطق صناعية داكنة، تضاريس مغطاة بالثلوج)، فإنني أوصي بأمرين:

1. ضع الكاميرات حيث يجب أن تعبر الأهداف مناطق ذات تباين عالٍ (مسارات، أسوار، مناطق خالية).
2. قم بتمكين وضع “تعزيز الحساسية”، والذي يخفض عتبة ثقة الكشف من 85٪ إلى 70٪ ويعوض ذلك بالتحقق من مسار الحركة.

هذا المزيج يحافظ على انخفاض الإنذارات الكاذبة مع ضمان عدم تفويت التوغلات الحقيقية لمجرد أن شخصًا ما ارتدى قميصًا بلون خاطئ.

الخاتمة

يعتمد استقرار التعرف عبر درجات البشرة وأنواع الملابس على النطاق الديناميكي للأجهزة، وبيانات تدريب الذكاء الاصطناعي المتنوعة، وخوارزميات الكشف متعددة الطبقات. لا توجد طريقة واحدة تحل كل سيناريو - يحتاج النظام إلى مستشعرات WDR، وكشف نقاط الهيكل العظمي، ونماذج احتياطية للرأس والكتفين، وتحليل مسار الحركة تعمل معًا. إذا كنت ترغب في اختبار هذه القدرات مقابل ظروف موقعك المحددة، فتواصل معي على sales05@.com وسأقوم بترتيب عرض توضيحي واقعي لحالة الاستخدام الخاصة بك بالضبط.

---

1. يستخرج كشف نقاط الهيكل العظمي المفاصل الرئيسية للجسم (الرأس، الكتفين، المرفقين) للتعرف على البشر بشكل مستقل عن لون البشرة أو الملابس. ︎↩︎ 2. يُستخدم مقياس فيتزباتريك من I (فاتح جدًا) إلى VI (داكن جدًا) في طب الجلد وعدالة الذكاء الاصطناعي لضمان بيانات تدريب متوازنة. ︎↩︎ 3. تلتقط مستشعرات النطاق الديناميكي الواسع (WDR) ذات 120 ديسيبل التفاصيل في المناطق الساطعة والمظلمة، وهو أمر بالغ الأهمية لموازنة التعرض على وجوه البشر. ︎↩︎ 4. تعالج تقنية تقليل الضوضاء ثلاثية الأبعاد إطارات متعددة لقمع النقاط الساخنة وإعادة بناء صور واضحة، خاصة للملابس العاكسة تحت الأشعة تحت الحمراء. ︎↩︎ 5. تكتشف الميكروبولومترات المصنوعة من أكسيد الفاناديوم (VOx) بصمات الحرارة، مما يتيح التصوير الحراري عبر المعاطف المطرية وغيرها من الملابس المعتمة. ︎↩︎ 6. يعلم تدريب العينات السلبية الذكاء الاصطناعي ما لا يجب اكتشافه (مثل، الأغطية، أكياس القمامة)، مما يقلل من الإيجابيات الكاذبة للأشياء الغامضة. ︎↩︎ 7. يجمع وضع المنطق المزدوج بين اكتشاف الحركة والتعرف على البشر، مما يؤدي إلى تشغيل التنبيهات حتى لو كانت ثقة الذكاء الاصطناعي أقل من العتبة، وهو مفيد للظروف الممطرة. ︎↩︎ يطبق ISP تحسين الحافة في الوقت الفعلي لزيادة حدة الحدود في المشاهد ذات التباين المنخفض، مما يساعد على اكتشاف الذكاء الاصطناعي. ︎↩︎