💻 computer science

Real-Time Motion Detection Using Dynamic Mode Decomposition

تقترح هذه الورقة خوارزمية للكشف عن الحركة في الوقت الفعلي لمقاطع الفيديو المتدفقة تستخدم تحليل التفكيك النمطي الديناميكي لتحديد حركة المقدمة من خلال تحليل التوافق بين تطور سمات الفيديو والقيم الذاتية للمصفوفة الناتجة، مما يثبت فعاليتها في لقطات الأمن عبر تحليل منحنى خصائص التشغيل (ROC) والتحقق المتقاطع.

المؤلفون الأصليون: Marco Mignacca, Simone Brugiapaglia, Jason J. Bramburger

نُشر 2026-02-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Marco Mignacca, Simone Brugiapaglia, Jason J. Bramburger

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 تجلس في كرسي حارس أمن، تراقب بثاً مباشراً لشارع مزدحم. مهمتك هي رصد أي شخص يدخل إلى إطار الكاميرا. لكن هنا تكمن المشكلة: الرياح تهز الأشجار، والغيوم تتحرك عبر السماء، والظلال تتغير. إذا كنت تبحث فقط عن أي تغيير في الصورة، فستصاب بصداع من كثرة "الإنذارات الكاذبة" التي تسببها الرياح.

تقدم هذه الورقة البحثية طريقة جديدة وذكية لحل هذه المشكلة باستخدام أداة رياضية تسمى تحلل النمط الديناميكي (Dynamic Mode Decomposition - DMD). لا تنظر إلى الـ DMD كمعادلة رياضية معقدة، بل كـ قائد أوركسترا ذكي للغاية للفيديو.

إليك كيف يعمل الأمر، مقسماً إلى خطوات بسيطة:

1. القائد والأوركسترا

تخيل أن الفيديو عبارة عن سيمفونية.

الخلفية (الطبول): حركة الأشجار، وانجراف الغيوم، ولافتات الشوارع الثابتة تشبه إيقاع الطبول المنتظم والثابت في الأغنية. هي موجودة دائماً، وتتحرك بنمط بطيء يمكن التنبؤ به.
المقدمة (العازف المنفرد): دخول شخص ما إلى الإطار يشبه عزف "ترومبيت" مفاجئ وعالٍ. إنه يكسر الإيقاع.

أجهزة كشف الحركة التقليدية تشبه شخصاً يصرخ "موسيقى!" في كل مرة تصدر فيها أي آلة صوتاً. إنها لا تستطيع التمييز بين إيقاع الطبول المستمر (الرياح) وبين عزف الترومبيت (الإنسان).

الـ DMD هو قائد الأوركسترا. فهو يستمع إلى الفيديو بأكمله ويفصل فوراً بين "إيقاع الطبول" (الخلفية) وبين "العازف المنفرد" (الشخص المتحرك). وهو يفعل ذلك من خلال النظر إلى الفيديو في شرائح صغيرة ومتداخلة (مثل مشاهدة فيلم إطار تلو الآخر).

2. "الأرقام السحرية" (القيم الذاتية - Eigenvalues)

كيف يعرف القائد ما هو الخلفية وما هو الحركة؟ إنه يستخدم "أرقاماً سحرية" (يسميها علماء الرياضيات القيم الذاتية).

أرقام الخلفية: هذه الأرقام هادئة ومستقرة للغاية. تكون قريبة من الصفر أو الواحد. وهي تمثل الأجزاء المملة وغير المتغيرة من الفيديو.
أرقام الحركة: عندما يدخل شخص ما، تصبح هذه الأرقام مجنونة؛ حيث تقفز فجأة.

طريقة الورقة البحثية هي في الأساس نظام إنذار للحركة يراقب هذه الأرقام. طالما بقيت الأرقام هادئة، يقول النظام: "كل شيء هادئ، مجرد رياح". ولكن في اللحظة التي تقفز فيها الأرقام (مثل جهاز مراقبة نبضات القلب)، يصرخ النظام: "هناك شخص يتحرك!".

3. خدعة "النافذة المنزلقة"

الفيديو كبير جداً بحيث لا يمكن تحليله دفعة واحدة. لذا، تستخدم الطريقة "نافذة منزلقة".
تخيل أنك تقرأ كتاباً، لكنك تنظر فقط إلى ثلاث جمل في كل مرة من خلال بطاقة صغيرة بها ثقب. تقرأ ثلاث جمل، ثم تحرك البطاقة للأسفل إلى الجمل الثلاث التالية، وهكذا.

يقوم الكمبيوتر بهذا مع إطارات الفيديو. ينظر إلى قطعة قصيرة من الزمن (حوالي 3 ثوانٍ)، ويحلل "موسيقى" تلك القطعة، ثم ينزلق إلى القطعة التالية.
هذا يسمح له بالعمل في الوقت الفعلي. فهو لا يحتاج للانتظار حتى ينتهي الفيلم بأكمله؛ بل يكتشف الدخيل في اللحظة التي يخطو فيها داخل الإطار.

4. ضغط البيانات (خدعة "الملخص")

الفيديو عالي الدقة يحتوي على ملايين البكسلات. تحليل كل بكسل منها يشبه محاولة قراءة كل كلمة في مكتبة للبحث عن خطأ مطبعي واحد. هذا سيكون بطيئاً جداً.
استخدم المؤلفون خدعة تسمى DMD المضغوط (Compressed DMD). تخيل أن لديك رواية من 1000 صفحة، لكنك تحتاج فقط لمعرفة الحبكة. تطلب من صديقك تلخيصها في مخطط من 5 صفحات.

ينشئ الكمبيوتر "ملخصاً" صغيراً للفيديو (يختزل ملايين الب pixels إلى بضع عشرات من الأرقام فقط).
يقوم بتحليل هذا الملخص. إذا تغير الملخص بشكل جذري، فهو يعلم أن هناك شخصاً ما موجود.
هذا يجعل العملية سريعة جداً وغير مكلفة، مما يسمح لها بالعمل على أجهزة الكمبيوتر العادية دون الحاجة إلى حواسيب فائقة القدرة.

5. ضبط الحساسية (مقبض التحكم في الصوت)

كل كاميرا مراقبة مختلفة. فالمنتزه الذي تهب فيه الرياح يحتاج إلى إعداد مختلف عن ممر مكتب هادئ.

إذا كانت "الحساسية" (العتبة) عالية جداً، فسوف يتجاهل النظام المشاة البطيئين.
وإذا كانت منخفضة جداً، فسيصرخ "متسلل!" في كل مرة تهب فيها ورقة شجر.

تقترح الورقة طريقة ذكية لضبط "مقبض الصوت" هذا. إنهم يستخدمون طريقة تسمى التحقق المتقاطع (Cross-Validation)، وهي تشبه اختبار التدريب. يقومون بتشغيل النظام على فيديوهات اختبارية، ويعدلون المقبض، ويرون ما إذا كان النظام سيمسك بالأشخاص دون أن يطلق إنذارات كاذبة بسبب الرياح. إنهم يجدون إعداد "غولديلوكس" (الإعداد المثالي) الذي يعمل بشكل أفضل لتلك الكاميرا تحديداً.

الخلاصة

تقدم هذه الورقة البحثية كاشف حركة يتميز بـ:

السرعة: يعمل في الوقت الفعلي لأنه يستخدم "ملخصات" للفيديو.
الذكاء: يتجاهل الرياح والظلال (الخلفية) ويهتم فقط بـ "العازفين المنفردين" (الأشخاص).
القابلية للتفسير: على عكس بعض أنظمة الذكاء الاصطناعي "الصندوق الأسود" التي لا يمكنك فهمها، تعتمد هذه الطريقة على رياضيات واضحة. إذا اكتشف حركة، يمكنك الإشارة إلى "القفزة" المحددة في الأرقام التي تسببت في الإنذار.

باختصار، إنها طريقة لتعليم الكمبيوتر كيف يشاهد فيديو، ويتجاهل الأشياء المملة، ويركز انتباهه فقط عندما يحدث شيء مثير للاهتمام، كل ذلك مع إجراء العمليات الحسابية بسرعة كافية للقيام بذلك مباشرة.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "كشف الحركة في الوقت الفعلي باستخدام تفكيك النمط الديناميكي" (Real-Time Motion Detection Using Dynamic Mode Decomposition) من تأليف مينيالكا، بروجيابالياليا، وبرامبورجر.

1. بيان المشكلة

يعد كشف الحركة في الفيديو المتدفق تحديًا جوهريًا في الرؤية الحاسوبية، لا سيما في مجال المراقبة الأمنية. تواجه الطرق الحالية عدة مقايضات:

الطرق البسيطة (مثل الفرق الزمني): سريعة ولكنها حساسة لتغيرات الإضاءة، والظلال، والحركات المتكررة (مثل حفيف الأشجار)، وغالبًا ما تفشل في تحديد حدود الأجسام بدقة.
الطرق المعقدة (مثل قطع الرسم البياني "Graph Cuts"، وتحويلات فوريه): توفر دقة أفضل ولكنها تعاني من تكاليف حوسبة عالية واستهلاك كبير للذاكرة.
نهج التعلم العميق (الشبكات العصبية): تحقق أداءً متطورًا، لكنها تتطلب بيانات تدريب هائلة، وضبطًا دقيقًا للمعلمات الفائقة (hyperparameters)، وموارد حوسبة كبيرة للتهيئة، مما يجعل من الصعب إعادة إنتاجها ونشرها في الوقت الفعلي دون بنية تحتية ضخمة.

يهدف المؤلفون إلى تطوير طريقة تكون فعالة حوسبيًا، قابلة للتفسير، قادرة على العمل في الوقت الفعلي، وقوية تجاه التغيرات البيئية الشائعة (مثل تغيرات الإضاءة) دون الحاجة إلى بيانات تدريب.

2. المنهجية

يعتمد الحل المقترح على تفكيك النمط الديناميكي (DMD)، وهو تقنية قائمة على البيانات تقوم بملاءمة بيانات السلاسل الزمنية لنظام ديناميكي خطي. تقوم هذه الطريقة بتفكيك بيانات الفيديو إلى أنماط متماسكة مكانيًا تتطور وفقًا لنمو/اضمحلال أسي أو ترددات ثابتة.

خطوات الخوارزمية الأساسية:

المعالجة المسبقة للبيانات والضغط:
- يتم تحويل إطارات الفيديو إلى تدرج رمادي (grayscale) ثم إلى ناقلات (vectors).
- للتعامل مع بيانات البكسل عالية الأبعاد، يتم استخدام تفكيك النمط الديناميكي المضغوط (cDMD). حيث تقوم مصفوفة قياس عشوائية بضغط البيانات، ويقوم تحليل القيم المفردة (SVD) بتقليل الرتبة. هذا يقلل بشكل كبير من التعقيد الحوسبي، مما يسمح بأن تكون مصفوفة DMD صغيرة (على سبيل المثال $5 \times 5$ ) بغض النظر عن دقة الفيديو.
DMD النافذة المنزلقة (Sliding Window DMD):
- بدلًا من معالجة الفيديو بأكمله دفعة واحدة، تعالج الخوارزمية نوافذ منزلقة من الإطارات المتتالية ( $T$ إطار).
- لكل نافذة، يتم حساب مصفوفة DMD (يرمز لها بـ $A$ ). تمثل القيم الذاتية ( $\lambda$ ) والمتجهات الذاتية لـ $A$ الأنماط الزمكانية لذلك الجزء المحدد.
الفصل بين الخلفية والمقدمة:
- الخلفية: الأنماط التي تمتلك قيمًا ذاتية ذات مقياس قريب من 1 (أو قيم ذاتية في الزمن المستمر $\omega \approx 0$ ) تمثل الأنماط الثابتة أو بطيئة التغير (الخلفية).
- المقدمة: الأنماط التي تنحرف قيمها الذاتية بشكل كبير عن 1 تمثل الأنماط سريعة التغير (الحركة).
- تقوم الطريقة بفصل هذه الأنماط عن طريق جمع المتجهات الذاتية ذات الصلة.
منطق كشف الحركة:
- تحسب الخوارزمية متوسط القيم الذاتية في الزمن المستمر ( $\omega = \log(\lambda)/h$ ) للنافذة الحالية والنافذة السابقة.
- معيار الكشف: يتم رصد حدث حركة إذا تجاوز التغير النسبي في متوسط القيمة الذاتية بين النوافذ المتتالية حدًا معينًا $\Delta^*$ :
  $\left| \frac{a_{k+1} - a_k}{a_k} \right| \geq \Delta^*$
- كشف الطفرات (Spike Detection): تسبب الحركة المفاجئة (مثل دخول شخص إلى الإطار) "طفرة" في طيف DMD (انحراف كبير في القيم الذاتية)، والتي ترصدها الخوارزمية في الوقت الفعلي.
تحسين المعلمات:
- يقترح المؤلفون استراتيجية التحقق المتقاطع $k$ -fold المعدلة لتحسين عتبة الكشف $\Delta^*$ .
- يحددون مقياس خطأ $E = FP + c \cdot FN$ ، حيث يتم وزن السلبيات الكاذبة (تجاهل المتسللين) بشكل أكبر بكثير ( $c \gg 1$ ) من الإيجابيات الكاذبة، مما يعكس أولويات الأمن في العالم الحقيقي.

3. المساهمات الرئيسية

إطار عمل DMD للوقت الفعلي: تطويع DMD للفيديو المتدفق باستخدام النوافذ المنزلقة والضغط، مما يتيح المعالجة في الوقت الفعلي دون الحاجة لبيانات تدريب.
القابلية للتفسير: الطريقة متجذرة في نظرية الأنظمة الديناميكية. يتم كشف الحركة عبر طفرات القيم الذاتية، مما يوفر مبررًا رياضيًا واضحًا للكشف، على عكس الشبكات العصبية التي تعمل كـ "صندوق أسود".

الوظائف المزدوجة: تُستخدم مصفوفة DMD نفسها المستخدمة للكشف مباشرة لعزل حركة المقدمة عن طريق طرح أنماط الخلفية، مما يتيح الكشف والتقسيم (segmentation) معًا.

القوة والمتانة: تظهر الطريقة مرونة تجاه تغيرات الإضاءة وحركة الخلفية المتكررة (مثل الأشجار التي تهزها الرياح) من خلال تصفية الأنماط منخفضة التردد.
استراتيجية التحسين: تقديم إطار عمل للتحقق المتقاطع لضبط معامل العتبة الحرج بناءً على بيئات الكاميرا المحددة.

4. النتائج التجريبية

تم التحقق من صحة الطريقة باستخدام مجموعتي بيانات:

مجموعة بيانات مخصصة: 20 فيديو تم تصويرها بهاتف iPhone 13 تحت ظروف إضاءة متنوعة (ضوء النهار/داخلي) وسرعات حركة مختلفة.
- الأداء: حققت مساحة تحت المنحنى (AUC) بلغت 0.9876 في منحنيات خصائص تشغيل المستقبِل (ROC)، مما يشير إلى تصنيف شبه مثالي.
- الكفاءة: باستخدام cDMD مع رتبة مستهدفة $r=5$ ، تعالج الخوارزمية مصفوفات صغيرة، مما يضمن زمن انتقال (latency) منخفضًا.
معيار Microsoft Wallflower: مجموعة بيانات قياسية تحتوي على 7 فيديوهات لسيناريوهات معقدة (تبديل الإضاءة، التمويه، أشخاص متعددين).
- النجاح: أدت الطريقة أداءً استثنائيًا في الفيديوهات ذات الحركة الواضحة (مثل Camouflage، MovedObject، WavingTree)، محققة درجات خطأ منخفضة.
- التحديات: انخفض الأداء في الفيديوهات التي تشهد تغيرات حادة في الإضاءة (LightSwitch، TimeOfDay) أو حركة كثيفة (Bootstrap)، حيث ولدت الخوارزمية المزيد من الإيجابيات الكاذبة. وهذا يسلط الضوء على الحاجة لضبط العتبة حسب البيئة.
- المقارنة: تفوقت الطريقة على نموذج الخليط الغاوسي (GMM) في فيديوهات معينة صعبة (مثل WavingTree).

5. الأهمية والقيود

الأهمية:

النشر خفيف الوزن: لا تتطلب الطريقة أي بيانات تدريب، مما يجعلها مثالية للأجهزة الطرفية (edge devices) أو السيناريوهات التي يصعب فيها جمع بيانات مصنفة.
الأساس النظري: تجسر الطريقة الفجوة بين نظرية التحكم (DMD/مشغل Koopman) والرؤية الحاسوبية، مما يوفر بديلًا صارمًا رياضيًا للطرق الاستدلالية أو طرق التعلم العميق.
القابلية للتوسع: يسمح استخدام الضغط لهذه الطريقة بالتوسع مع فيديوهات عالية الدقة دون زيادة خطية في تكلفة الحوسبة.

القيود:

الحركة البطيئة: الحركات البطيئة للغاية قد لا تولد طفرات كافية في القيم الذاتية لتجاوز عتبة الكشف، مما قد يؤدي إلى تفويت عمليات الكشف.
حساسية المعلمات: تعتمد العتبة المثلى $\Delta^*$ بشكل كبير على بيئة الكاميرا المحددة (الإضاءة، نسيج الخلفية)، وتتطلب إعادة ضبط عند تغيير إعدادات الكاميرا.
زمن الانتقال (Latency): هناك تأخير زمني متأصل يساوي حجم النافذة ( $T$ ) عند اكتشاف الأجسام التي تغادر الإطار، حيث يجب أن تخرج معلومات الحركة تمامًا من النافذة المنزلقة ليتم تسجيل التغيير.

في الختام، تقدم الورقة نهجًا جديدًا وفعالًا وقائمًا على أسس نظرية لكشف الحركة في الوقت الفعلي، يوازن بين السرعة والدقة، ويقدم بديلًا قابلًا للتطبيق لنماذج التعلم العميق الثقيلة في تطبيقات مراقبة محددة.