← أحدث الأبحاث
💻 computer science

Multi-Camera Trajectory Forecasting with Trajectory Tensors

تقدم هذه الورقة إطار عمل للتنبؤ بالمسارات عبر كاميرات متعددة يستخدم "موترات المسار" المبتكرة ومنهجية "أين ومتى وأي" للتنبؤ بحركات الأجسام عبر مناظر كاميرات متعددة، مما يظهر أداءً فائقاً على الطرق الحالية أحادية الكاميرا في مجموعة بيانات واسعة النطاق ومتعددة المناظر.

المؤلفون الأصليون: Olly Styles, Tanaya Guha, Victor Sanchez

نُشر 2026-08-05
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Olly Styles, Tanaya Guha, Victor Sanchez

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تشاهد ساحة مدينة صاخبة من خلال كاميرا أمنية واحدة. ترى شخصًا يمشي بخطى سريعة نحو حافة شاشتك. في عالم الرؤية الحاسوبية، هذه لغز كلاسيكي: "إلى أين سيذهب بعد ذلك؟". لقد أمضى العلماء سنوات في تعليم الحواسيب تخمين هذا الأمر، لكنها عادة ما تنظر إلى كاميرا واحدة في كل مرة. الأمر يشبه محاولة التنبؤ بمسار صديق عبر متاهة بينما تراه فقط من خلال ثقب باب صغير؛ فبمجرد أن يخرج من مجال رؤيتك، تصبح مجرد تخمين في الظلام. هذا القصور يجعل من الصعب تتبع الأشخاص لفترات طويلة أو عبر مساحات واسعة. ولحل هذه المشكلة، يحاول الباحثون الآن الربط بين النقاط عبر العديد من الكاميرات، لخلق "رؤية فائقة" ترى الصورة الكاملة دفعة واحدة. الهدف هو بناء نظام لا يكتفي بمراقبة ما يحدث الآن فح، بل يتنبأ أين سيظهر الشخص التالي، وفي أي غرفة، وفي أي وقت، حتى لو كان يتحرك بين مناطق كاميرات مختلفة.

تقدم هذه الورقة البحثية طريقة جديدة لحل ذلك اللغز، تسمى "التنبؤ بالمسار متعدد الكاميرات" (MCTF). يرى المؤلفون، أولي ستايلز، وتانايا غوها، وفيكتور سانشيز، أن الطريقة القديمة في التفكير في الحركة — باستخدام إحداثيات X و Y بسيطة مثل دبوس تحديد الموقع (GPS) — هي طريقة جامدة للغاية لعالم مليء بالكاميرات. لذا، يقترحون أداة جديدة أكثر مرونة تسمى "تنسورات المسار" (trajectory tensors). فكر في الإحداثي كأنه نقطة واحدة على الخريطة، بينما "تنسور المسار" يشبه سحابة متوهجة وضبابية من الضوء تغطي شبكة كاملة. يمكن لهذه السحابة أن توضح بدقة أين يوجد الشخص، ومدى حجمه، وحتى مدى احتمالية وجوده في مكان معين، كل ذلك مع التعامل مع حقيقة أنه قد يختفي من كاميرا ويظهر في أخرى.

اختبر الباحثون فكرتهم على مجموعة بيانات ضخمة أنشأوها تسمى مجموعة بيانات "وارويك-إن تي يو للتنبؤ متعدد الكمرات" (WNMF). هذه ليست مجرد ثوانٍ معدودة من الفيديو؛ بل هي 600 ساعة من اللقطات التي التقطتها 15 كاميرا مختلفة في مبنى جامعي، تتبع الأشخاص أثناء تحركهم عبر الممرات. لقد وضعوا تحديًا: باستخدام ثانيتين فقط من حركة الشخص الماضية، هل يمكن للحاسوب التنبؤ بمكانه خلال الـ 12 ثانية القادمة؟ وقد قسموا هذا التحدي إلى ثلاثة أسئلة: "في أي كاميرا سيظهر؟" (الـ أي)، "متى سيصل إلى هناك؟" (الـ متى)، و"أين بالضبط داخل رؤية تلك الكاميرا سيكون؟" (الـ أين).

تشير النتائج إلى أن نهج "التنسور" الجديد الخاص بهم يتفوق على الأساليب القديمة. فبينما عانت النماذج التقليدية التي تستخدم إحداثيات بسيطة للتعامل مع تعقيد الكاميرات المتعددة، كانت نماذج تنسور المسار — وخاصة تلك التي تستخدم بنية (3D-CNN) — هي الأفضل أداءً. لقد كانوا أفضل في تخمين الكاميرا الصحيحة، والوقت الصحيح، والمكان الصحيح. وجد المؤلفون أنه من خلال معاملة شبكة الكاميرات كشبكة واحدة موحدة بدلاً من مجموعة من ثقوب الرؤية المنفصلة، استطاع الحاسوب تعلم الأنماط بشكل أكثر فعالية. فعلى سبيل المثال، أظهروا أن مراقبة شخص عبر كاميرات متعددة في آن واحد (الرؤية المتعددة) أعطت النموذج دفعة كبيرة في الدقة مقارلة بمجرد النظر إلى كاميرا واحدة.

ومع ذلك، فإن الورقة البحثية حريصة على عدم الادعاء بأن هذه مشكلة مثالية تم حلها. يشير المؤلفون إلى أنه على الرغم من تفوق نماذجهم على النماذج المرجعية الموجودة، إلا أن المهمة لا تزال صعبة للغاية، خاصة عند التنبؤ بالموقع الدقيق (أين) بدلاً من مجرد المنطقة العامة. كما أشاروا إلى أن نظامهم يعمل حاليًا بشكل أفضل عندما تظل شبكة الكاميرات ثابتة بين مرحلتي التدريب والاختبار؛ فإذا قمت فجأة بإضافة أو إزالة كاميرات، فقد يرتبك النموذج. علاوة على ذلك، وبينما نجحوا في إثبات ذلك على مجموعة بيانات تضم 119 سيناريو متعدد الأشخاص، فقد حذروا من ضرورة التعامل مع هذه النتائج بحذر نظرًا لصغر حجم العينة مقارنة بمجموعة البيانات الكاملة.

في الجوهر، تقترح هذه الورقة أنه لكي نتنبأ حقًا بحركة البشر في عالم معقد متعدد الكاميرات، نحتاج إلى التوقف عن التفكير في نقاط مفردة والبدء في التفكير في سحب متعددة الأبعاد ومتوهجة. فمن خلال استخدام هذه "التنسورات المسارية"، يمكن للحواسيب توقع مكان وجود الشخص التالي بثقة أكبر، مما قد يساعد أنظمة المراقبة لتصبح أكثر ذكاءً وكفاءة، وقادرة على تتبع الأشخاص لمسافات أطول دون فقدانهم في الفجوات بين الكاميرات.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →