Evaluating OCR Performance for Assistive Technology: Effects of Walking Speed, Camera Placement, and Camera Type

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "تقييم أداء التعرف الضوئي على الحروف (OCR) للتقنيات المساعدة: تأثيرات سرعة المشي، وموضع الكاميرا، ونوع الكاميرا."

1. بيان المشكلة

يعد التعرف الضوئي على الحروف (OCR) مكوناً حيوياً في التقنيات المساعدة للأشخاص المكفوفين وضعاف البصر (pBLV)، حيث يُمكّنهم من قراءة النصوص البيئية (مثل: لافتات الشوارع، التحذيرات، الملصقات). ومع ذلك، تعتمد تقييمات الأداء الحالية بشكل كبير على مجموعات بيانات ثابتة (مثل: ICDAR، COCO-Text) لا تعكس الواقع الديناميكي للملاحة أثناء الحركة.

• الفجوة: يتضمن الاستخدام المساعد في العالم الحقيقي حركة مستمرة، وسرعات مشي متفاوتة، وزوايا رؤية متغيرة، ومواضع تثبيت مختلفة للكاميرا (الرأس، الكتف، اليد).
• التحدي: يؤدي ضبابية الحركة (Motion blur)، والتشوه المنظوري (Perspective distortion)، والمسافات المتغيرة إلى تدهور موثوقية الـ OCR بشكل كبير. وتفتقر الأدبيات الحالية إلى بيانات منهجية حول كيفية تفاعل عوامل الحركة هذه مع الأجهزة (نوع الكاميرا) والبرمجيات (محركات OCR) للتأثير على دقة التعرف.

2. المنهجية

صمم المؤلفون إطاراً تجريبياً منضبطاً لتقييم أداء الـ OCR تحت ظروف ثابتة وديناميكية تمثل استخدام التقنيات المساعدة في الواقع.

الإعداد التجريبي

• اللافتات: استُخدمت لوحة معيارية تحتوي على لافتات متنوعة (مثل: "خطر"، "ممنوع التدخين"، "برودواي") بخطوط وألوان وتباينات مختلفة.
• الأجهزة:
  • الهاتف الذكي: iPhone 15 Pro Max (الكاميرا الرئيسية بدقة 48 ميجابكسل، والكاميرا فائقة الاتساع بدقة 12 ميجابكسل).
  • النظارات الذكية: Ray-Ban Meta Wayfarer (الجيل الأول) بكاميرا فائقة الاتساع بدقة 8 ميجابكسل.
• مواضع تثبيت الكاميرا:
  1. مثبتة على الكتف: مثبتة على حزام حقيبة الظهر (بمستوى الصدر).
  2. مثبتة على الرأس: مثبتة على عصابة رأس مرنة (بمستوى الجبهة).
  3. محمولة باليد: تُحمل بشكل طبيعي باليد اليمنى.
• المتغيرات الديناميكية:
  • سرعات المشي: بطيئة (0.8 م/ث)، متوسطة (1.1 م/ث)، سريعة (1.5 م/ث)، سريعة جداً (1.8 م/ث).
  • زوايا الرؤية: 0 درجة، 15 درجة، و30 درجة بالنسبة لمسار المشي.
  • المسافات: من 1 متر إلى 7 أمتار (الاختبارات الثابتة).

محركات OCR التي تم اختبارها

تم اختبار أربعة محركات في الظروف الثابتة؛ واستُخدم الأفضل أداءً فقط في الاختبارات الديناميكية بسبب قيود الكفاءة:

1. Google Vision: واجهة برمجة تطبيقات سحابية تجارية (معيار أداء عالٍ).
2. PaddleOCR 3.0: مفتوح المصدر، خفيف الوزن، يعمل محلياً.
3. EasyOCR: مفتوح المصدر، مدعوم من المجتمع.
4. Tesseract: محرك مفتوح المصدر قديم.

تحليل البيانات

• المقياس: تم حساب دقة مستوى الحروف باستخدام نسبة ليفنشتاين (مسافة التحرير) مقابل الحقيقة الأرضية (ground truth) المحددة يدوياً.
• الأساليب الإحصائية: استُخدمت الاختبارات غير المعلمية (Kruskal–Wallis، Mann–Whitney U، وDunn's post-hoc) نظراً لتوزيع البيانات غير الطبيعي.

3. المساهمات الرئيسية

• تقييم ديناميكي منهجي: أول دراسة تقيس التأثيرات المجتمعة لسرعة المشي، وموضع الكاميرا، ومجال رؤية الكاميرا (FOV) على دقة الـ OCR للتقنيات المساعدة.
• مقارنة الأجهزة: مقارنة مباشرة بين كاميرات الهواتف الذكية عالية الجودة والنظارات الذكية الناشئة في سياق التنقل.
• اختبار أداء المحركات: ترتيب شامل لأربعة محركات OCR رئيسية تحت ظروف الحركة الواقعية.
• إرشادات التصميم: تقديم أدلة تجريبية لتوجيه تصميم أنظمة الملاحة المساعدة القابلة للارتداء في المستقبل.

4. النتائج الرئيسية

أ. أداء محرك OCR (ثابت وديناميكي)

• حقق Google Vision أعلى دقة إجمالية عبر جميع الظروف (متوسط الدقة الثابتة: ~0.967 على كاميرا iPhone الرئيسية).
• كان PaddleOCR 3.0 هو البديل الأقوى مفتوح المصدر، حيث قدم أداءً قريباً إحصائياً من Google Vision في الاختبارات الثابتة، واختير للاختبار الديناميكي لقدرته على العمل محلياً دون زمن انتقال أو تكلفة سحابية.
• أظهر EasyOCR أداءً متوسطاً.
• قدم Tesseract أداءً ضعيفاً، وغالباً ما فشل في التعرف على النصوص تحت ظروف الحركة أو الزوايا الواسعة.

ب. تأثير سرعة المشي

• علاقة عكسية: انخفضت دقة التعرف بشكل كبير مع زيادة سرعة المشي.
• البيانات: انخفض متوسط دقة التجارب من 0.495 (بطيء) إلى 0.173 (سريع جداً).
• الملاحظة: حدث أكبر انخفاض عند السرعات "السريعة جداً"، مما يشير إلى أن ضبابية الحركة تصبح نقطة فشل حرجة.

ج. تأثير زاوية الرؤية

• انخفاض رتيب: انخفضت الدقة مع زيادة زاوية الرؤية (0° > 15° > 30°).
• البيانات: انخفضت الدقة من 0.514 (0°) إلى 0.170 (30°).
• الاستنتاج: تتسبب الزوايا المائلة في تشوه منظوري كبير وتقصير للنصوص، مما يقلل من جودة التعرف.

د. موضع الكاميرا (الكتف مقابل الرأس مقابل اليد)

• الاتجاه: حقق الموضع المثبت على الكتف أعلى متوسط دقة عبر جميع السرعات والزوايا.
• الأهمية: رغم أن موضع الكتف كان متفوقاً وصفياً (ربما بسبب استقرار الجذع الذي يقلل من الاهتزاز)، إلا أن الاختلافات بين مواضع الكتف والرأس واليد لم تكن ذات دلالة إحصائية ($p > 0.05$).
• السبب: يتحرك الجذع بتذبذب أقل من الرأس أو اليدين أثناء المشي، مما يوفر إطاراً مرجعياً أكثر استقراراً.

هـ. نوع الكاميرا (الرئيسية مقابل فائقة الاتساع مقابل النظارات)

• الكاميرا الرئيسية مقابل فائقة الاتساع: تفوقت كاميرا iPhone الرئيسية بشكل كبير على الكاميرا فائقة الاتساع (المتوسط: 0.575 مقابل 0.229). تلتقط الكاميرا فائقة الاتساع سياقاً أكبر ولكنها تجعل النصوص صغيرة جداً أو مشوهة بحيث يصعب التعرف عليها من مسافة.
• النظارات الذكية: كان أداء نظارات Meta أسوأ بكثير من كاميرا iPhone الرئيسية (المتوسط: 0.144 مقابل 0.494). لم تحقق سوى حوالي 29% من دقة iPhone، ويرجع ذلك على الأرجح إلى انخفاض دقة المستشعر وضيق مجال الرؤية الفعال لالتقاط النصوص.

5. الأهمية والآثار التصميمية

توفر الدراسة رؤى حاسمة لمطوري التقنيات المساعدة للمكفوفين وضعاف البصر:

1. إدارة المقايضات: هناك مقايضة جوهرية بين مجال الرؤية (التغطية) ودقة التعرف. الكاميرات فائقة الاتساع تساعد في اكتشاف اللافتات عند زوايا واسعة ولكنها تفشل في قراءتها.
   • التوصية: استخدام استراتيجيات هجينة (على سبيل المثال: الكاميرا فائقة الاتساع للكشف والتتبع، والكاميرا الرئيسية للقراءة).
2. اختيار المحرك: بينما يعد Google Vision الأكثر دقة، فإن PaddleOCR هو الأكثر عملية للنشر في العالم الحقيقي نظراً لطبيعته مفتوحة المصدر، وتنفيذه المحلي (القدرة على العمل دون إنترنت/الخصوصية)، ودقته التنافسية.
3. تصميم الأجهزة القابلة للارتداء: رغم عدم الوصول إلى دلالة إحصائية، فإن التكوينات المثبتة على الكتف هي الأفضل نظرياً من حيث الاستقرار. يجب على المصممين التفكير في المستشعرات المثبتة على الجذع لتقليل آثار الحركة مقارنة بالخيارات المحمولة باليد أو المثبتة على الرأس.
4. الوعي بالسياق: يجب أن تأخذ الأنظمة سرعة المشي في الاعتبار. تنخفض موثوقية الـ OCR بشدة عند السرعات العالية؛ لذا قد تحتاج الأنظمة إلى إيقاف المعالجة مؤقتاً أو الاعتماد على نماذج تنبؤية عندما تكون ضبابية الحركة عالية.
5. القصور والعمل المستقبلي: أجريت الدراسة في بيئة داخلية مع مشارك واحد مبصر. يجب أن تتحقق الأعمال المستقبلية من هذه النتيات في البيئات الخارجية (الوهج، الطقس) ومع مستخدمين حقيقيين من فئة المكفوفين وضعاف البصر الذين يستخدمون العصا أو الكلاب المرشدة، مما قد يغير من ميكانيكا الجسم واستقرار الكاميرا.

الخاتمة

تثبت هذه الورقة أن أداء الـ OCR في التقنيات المساعدة ليس مجرد وظيفة للخوارزمية فحسب، بل يعتمد بشكل كبير على ديناميكيات الحركة وتكوين الأجهزة. لبناء أدوات ملاحة موثوقة، يجب على المصممين الموازنة بين الحاجة إلى وعي بيئي واسع (مجال رؤية واسع) والحاجة إلى التعرف عالي الدقة على النصوص، وهو ما يتطلب على الأرجح أنظمة متعددة الكاميرات تكيفية تعمل بمحركات محلية فعالة مثل PaddleOCR.