Lightweight Range-Angle Imaging Based Algorithm for Quasi-Static Human Detection on Low-Cost FMCW Radar
تقترح هذه الورقة خوارزمية تصوير للمدى والزاوية غير بصرية وخفيفة الوزن باستخدام رادار FMCW بتردد 60 جيجاهرتز منخفض التكلفة، تتفوق بشكل كبير على كواشف CFAR التقليدية في الدقة وسرعة المعالجة في الوقت الفعلي للكشف عن الأنشطة البشرية شبه الساكنة في البيئات الداخلية الحساسة للخصوصية.
تخيل أنك تحاول العثور على شخص يجلس بهدوء على أريكة في غرفة معيشة مظلمة ومزدحمة. إذا استخدمت كاميرا عادية، فقد تفشل لأن الإضاءة خافتة جدًا، وقد يشعر الناس بعدم الارتياح من المراقبة. أما إذا استخدمت رادارًا تقليديًا، فالأمر يشبه محاولة سماع همسة وسط إعصار؛ فالرادار بارع في رصد الأجسام سريعة الحركة (مثل سيارة تمر بجانبك)، لكنه يرتبك أمام الأشخاص البطيئين أو الساكنين لأن "إشارتهم" تكون ضعيفة جدًا وتضيع وسط ضجيج الجدران والأثاث.
تقدم هذه الورقة حلاً ذكياً ومنخفض التكلفة للعثور على هؤلاء الأشخاص "الهادئين" باستخدام رادار بسيط وبعض الحيل الذكية للصور. إليك كيف يعمل الأمر، مقسماً إلى مفاهيم بسيطة:
١. المشكلة: "الشبح في الآلة"
أجهزة كشف الرادار القياسية تشبه حراس الأمن الذين يبحثون فقط عن الأشخاص الذين يركضون. إذا كان شخص ما مستلقياً فقط على أريكة، سيرى الرادار أنه مجرد قطعة أخرى من الأثاث أو انعكاس لجدار. الأمر يشبه محاولة العثور على ندفة ثلج محددة وسط عاصفة ثلجية؛ حيث يغرق الرادار في "الضجيج" (الأريكة، طاولة القهوة، الجدران) ويفقد الشخص.
٢. الأداة: عين رادار رخيصة الثمن
استخدم الباحثون راداراً زهيد الثمن ومتوفراً في الأسواق (من النوع الذي قد تجده في نظام مراقبة النقاط العمياء في السيارات) والذي يمكن وضعه على لوحة كمبيوتر صغيرة (Raspberry Pi). لقد قاموا بتثبيته على جدار ليطل على غرفة المعيشة. هذا الرادار لا يلتقط صوراً؛ بل يرسل موجات غير مرئية ويستمع للأصداء.
٣. الحيلة السحرية: تحويل بيانات الرادار إلى "خريطة حرارية"
بدلاً من النظر إلى بيانات الرادار الخام (التي هي مجرد مجموعة من الأرقام)، قام الفريق بتحويلها إلى صورة ثنائية الأبعاد، تشبه الخريطة الجوية التي توضح درجات الحرارة.
الطريقة القديمة: حاولوا استخدام معادلات رياضية قياسية (تسمى CFAR) للعثور على الشخص. تخيل هذا كأنك تحاول العثور على إبرة في كومة قش عن طريق قياس وزن كل قطعة قش؛ هذا بطيء، وغالباً ما يفشل في العثة على الإبرة إذا كانت كومة القش فوضوية.
الطريقة الجديدة: عاملوا بيانات الرادار كأنها صورة بالأبيض والأسود. في هذه الصورة، يظهر الشخص كبقعة ساطعة ومتوهجة، بينما تظهر الجدران والأثاث كخلفية باهتة ورمادية.
٤. الحل: مرشح "أفضل ١٪"
ابتكر الفريق خوارزمية بسيطة وخفيفة الوزن تعمل مثل منخل ذكي.
تخيل أن لديك دلواً من الرمل المختلط بقطع الذهب؛ الطرق القديمة تحاول وزن كل حبة رمل للعثور على الذهب.
الطريقة الجديدة تقول ببساه: "تجاهل كل شيء ليس ضمن أفضل ١٪ من السطوع."
إنها تنظر إلى "الصورة"، وتحتفظ فقط بأكثر البقع سطوعاً (الشخص)، وتتخلص من الأشياء الرمادية الباهتة (الضجيج).
بعد ذلك، تستخدم قاعدة بسيطة لـ "توصيل النقاط". إذا كانت البقع الساطعة قريبة من بعضها، فإنها توصلها لتشكل شكلاً واحداً. وإذا كان الشكل صغيراً جداً (مثل ذرة غبار)، فإنها تتجاهله. أما إذا كان كبيراً بما يكفي، فهي تقول: "هناك شخص!"
٥. النتائج: سريعة، دقيقة، وتحترم الخصوصية
كانت النتائج مبهرة:
الدقة: الطرق القديمة للرادار لم تجد الشخص إلا بنسبة ٥٠٪ إلى ٧٠٪ من الوقت. أما الطريقة الجديدة فقد وجدته أكثر من ٩٣٪ من المرات، حتى عندما كان الشخص مستلقياً دون حراك على الأريكة.
السرعة: الطرق القديمة كانت مثل الحلزون، تستغرق قرابة ثانية كاملة لمعالجة إطار واحد. أما الطريقة الجديدة فهي فهد، حيث تعالج ١٢٢ إطاراً في الثانية الواحدة. إنها أسرع بـ ٧٤ مرة!
الخصوصية: بما أن هذا النظام يستخدم موجات الرادار بدلاً من الكاميرا، فهو لا يلتقط صوراً للناس. إنه يرى فقط "بقعة من الطاقة". وهذا مثالي لدور الرعاية أو الحمامات حيث يريد الناس الحفاظ على خصوصيتهم ولكنهم يحتاجون للمراقبة من أجل سلامتهم (مثل حالات السقوط).
الصورة الكبيرة
فكر في هذه التكنولوجيا كأنها تمنح راداراً منخفض التكلفة "نظارات ذكية". فبدلاً من الارتباك بسبب الغرفة الفوضوية، تقوم فوراً بتصفية الضجيج وتسليط الضوء على الإنسان. إنها سريعة بما يكفي لتعمل على كمبيوتر صغير، ورخيصة بما يكفي لوضعها في كل غرفة، وخاصة بما يكفي لتجعل الناس يشعرون بالأمان. إنها تحول مشكلة صعبة (العثور على شخص ساكن في غرفة صاخبة) إلى لعبة بسيطة من نوع "حدد أسطع بقعة".
إليك ملخص تقني مفصل للورقة البحثية بعنوان "خوارزمية تصوير المدى-الزاوية خفيفة الوزن للكشف شبه الساكن عن البشر باستخدام رادار FMCW منخفض التكلفة."
1. بيان المشكلة
تتناول الورقة البحثية تحدي الكشف عن الأنشطة البشرية شبه الساكنة (مثل الاستلقاء، الجلوس، الوقوف) في البيئات الداخلية المزدحمة، وتحديداً داخل مرافق الرعاية طويلة الأمد (LTC).
صعوبة الكشف: على عكس الأهداف المتحركة، تنتج الأنشطة شبه الساكنة إزاحات دوبلر منخفضة جداً وبصمات رادارية شديدة الانتشار. وتواجه كواشف معدل الإنذار الكاذب الثابت (CFAR) التقليدية، التي تُضبط عادةً للأهداف النقطية، صعوبة في تمييز هذه الإشارات الضعية والمنتشرة عن الضجيج الخلفي (الجدران، الأثاث).
الخصوصية والبيئة: غالباً ما تكون الكاميرات غير مناسبة لمرافق الرعاية طويلة الأمد بسبب مخاوف الخصوصية وظروف الإضاءة السيئة.
القيود العتادية: تتطلب حلول التعلم العميق الحالية غالباً مصفوفات MIMO عالية الأداء أو موارد حوسبة ثقيلة، مما يجعلها غير مناسبة للأجهزة الطرفية ذات الطاقة المنخفضة والتكلفة المنخفضة.
2. المنهجية
يقترح المؤلفون خط معالجة صور يعتمد على الصور وغير بصري وخفيف الوزن باستخدام رادار FMCW منخفض التكلفة بتردد 60 جيجاهرتز (Infineon XENSIV™ BGT60TR13C) يحتوي على مرسل واحد وثلاثة مستقبلات.
أ. المعالجة المسبقة للبيانات والتصوير
معالجة الإشارة: تخضع بيانات IQ المعقدة الخام (3×128×64) لإزالة الانحياز المستمر (DC bias removal)، وتطبيق نافذة (Blackman-Harris)، وتحويلات FFT عبر المحاور الزمنية السريعة والبطيئة لتوليد خرائط المدى-دوبلر (Range-Doppler maps).
تخميد الضجيخ (Clutter Suppression): يقوم مرشح تمرير عالي (MTI stage) يعتمد على المتوسط المتحرك الأسي بإزالة الضجيخ الساكن في نطاق المدى-دوبلر.
تصوير المدى-الزاوية (RA Imaging): يتم تطبيق مُشكل حزمة "كابون" (Capon beamformer) عبر قناتي استقبال متباعدتين مكانياً (RX0 و RX2) لتقدير مصفوفة التغاير المكاني. ينتج عن ذلك خريطة كثافة ثنائية الأبعاد للمدى-الزاوية (64×256 بكسل)، حيث يتم التعامل مع بيانات الرادار كصورة تدرج رمادي.
ب. خوارزميات الكشف
تقارن الورقة بين ثلاث طرق كشف تُطبق على خرائط RA:
2-D CA-CFAR (متوسط الخلية): نهج النافذة المنزلقة التقليدي الذي يقوم بمتوسط خلايا المرجع لتقدير قدرة الضجيج.
2-D OS-CFAR (الإحصاء الرتبي): يستخدم القيمة رقم k الأكبر في نافذة المرجع ليكون أكثر متانة ضد القيم المتطرفة.
كاشف الكتلة ذو البوابة المئوية المقترح (Percentile-Gated Lump Detector):
المفهوم: بدلاً من العتبة المحلية، تعامل الخوارزمية خريطة RA كصورة عالمية.
الخطوة 1 (البوابة): تحسب عتبة مئوية عالمية (τ) (على سبيل المثال، أعلى 99% من شدة البكسلات) لإنشاء قناع ثنائي، مما يؤدي فعلياً إلى تصفية ضجيخ الخلفية منخفض الكثافة.
الخطوة 2 (المورفولوجيا): تطبق عملية إغلاق ثنائية صغيرة (عنصر هيكلي 2×2) لربط البكسلات الساطعة القريبة وإزالة البقع الصغيرة التي تقل عن مساحة دنيا (Amin).
الخطوة 3 (الاختيار): تستخدم خوارزمية المكونات المتصلة لتحديد البقع وتختار أكبر مكون متصل كهدف بشري.
التعقيد:O(HW) (خطي)، وهو أسرع بكثير من تعقيد O(HWK2) الخاص بطرق CFAR ذات النافذة المنزلقة.
3. المساهمات الرئيسية
نهج مبتكر: أول عمل يقترح طريقة تعتمد على الصور، خفيفة الوزن، ومصممة خصيصاً للكشف عن البشر شبه الساكنين باستخدام رادار FMCW منخفض التكلفة مع عدد محدود من قنوات الاستقبال.
تصميم الخوارزمية: تقديم كاشف كتلة ذو بوابة مئوية يستفيد من إحصائيات الكثافة العالمية والتماسك المكاني بدلاً من تقدير الضجيج المحلي، مما يجعله متفوقاً على الأهداف المنتشرة ومنخفضة السرعة.
النشر الطرفي: يثبت أن التصوير الراداري المعقد يمكن تنفيذه على أجهزة محدودة الموارد (Raspberry Pi 4B) دون الحاجة للتعلم العميق، مع تحقيق أداء في الوقت الفعلي.
التقييم الشامل: تقييم منهجي مقابل CA-CFAR و OS-CFAR عبر خمسة أنشطة شبه ثابتة وثلاثة أشخاص مختلفين في بيئة غرفة معيشة واقعية وعالية الضجيخ.
4. النتائج
تم تقييم الطريقة على مجموعة بيانات لثلاثة أشخاص يؤدون خمسة أنشطة (الوقوف، الجلوس على الأريكة/الأرض، الاستلقاء على الأريكة/الأرض).
دقة الكشف:
الطريقة المقترحة: حققت متوسط دقة بنسبة 93.24% (الشخص 1)، و 92.3% (الشخص 2)، و 94.82% (الشخص 3).
المقارنة: تفوقت بشكل كبير على CA-CFAR (متوسط ~59%) و OS-CFAR (متوسط ~72%).
مكاسب محددة: بالنسبة لنشاط "الاستلقاء على الأريكة" الصعب، تحسنت الدقة من 33.0% (CA-CFAF) و 43.9% (OS-CFAR) إلى 86.6% للشخص 1.
المتانة: في سيناريوهات عالية الضجيخ (مثل الإطار 106 في الدراسة)، فشلت طرق CFAR بسبب ضجيخ الخلفية، بينما نجحت الطريقة المقترحة في عزل الهدف البشري.
الأداء الحوسبي (Raspberry Pi 4B):
زمن التأخير (Latency): تعمل الخوارزمية المقترحة بسرعة 8.2 مللي ثانية لكل إطار.
الإنتاجية (Throughput): تحقق أكثر من 122 إطاراً في الثانية.
التسريع: تمثل تسريعاً بمقدار 74 ضعفاً مقارنة بـ OS-CFAR (601.1 مللي ثانية) و 11 ضعفاً مقارنة بـ CA-CFAR (91.2 مللي ثانية).
استخدام الموارد: تحافظ على استخدام منخفض للذاكرة (RAM) (حوالي 299 ميجابايت) وتلبي قيد معدل إطار الرادار البالغ 10 هرتز دون أي تأخير في المواعيد النهائية.
5. الأهمية
تثبت هذه الورقة أن العمليات الأولية لمعالجة الصور البسيطة يمكن أن تتفوق على الكواشف الإحصائية المتطورة (CFAR) ونماذج التعلم العميق الثقيلة لتطبيقات رادارية محددة.
الحفاظ على الخصوصية: توفر بديلاً قابلاً للتطبيق للكاميرات لمراقبة الفئات الضعيفة في مرافق الرعاية طويلة الأمد.
القابلية للتوسع: إن البصمة الحوسبية المنخفضة والاعتماد على أجهزة منخفضة التكلفة يجعل الحل قابلاً للتوسع بشكل كبير للنشر في المستشفيات ومراكز الرعاية واسعة النطاق.
الموثوقية: تثبت أن الكشف القوي عن البشر غير المتحركين ممكن في البيئات المزدحمة دون الحاجة إلى مصفوفات MIMO باهظة الثمن أو وحدات معالجة رسومات (GPUs) عالية الطاقة.