Weakly Supervised Video Anomaly Detection with Anomaly-Connected Components and Intention Reasoning
تقترح هذه الورقة إطار عمل LAS-VAD، وهو إطار عمل جديد للكشف عن الشذوذ في الفيديو تحت الإشراف الضعيف يدمج المكونات المتصلة بالشذوذ والاستدلال على النوايا مع توجيه السمات لتعلم دلالات الشذوذ بفعالية والتفوق على الأساليب الرائدة في مجموعات البيانات المرجعية.
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 حارس أمن تراقب بثاً مباشً لشارع مزدحم على مدار 24 ساعة. مهمتك هي رصد الأشياء السيئة التي تحدث: مشاجرة تندلع، حادث سيارة، أو شخص يسرق دراجة.
المشكلة:
في العالم الحقيقي، ليس لديك مدير يقف فوق كتفك ويشير إلى كل ثانية في الفيديو قائلاً: "هذه مشاجرة!" أو "هذا سرقة!". أنت لا تحصل إلا على ملخص في نهاية اليوم: "كانت هناك مشاجرة في هذا الفيديو". هذا ما يسمى بالتعلم "ضعيف الإشراف" (Weakly Supervised). يجب على الكمبيوتر أن يخمن متى حدث الشيء السيئ بمجرد معرفته بأنه حدث بالفعل.
الطريقة القديمة تشبه محاولة العثور على إبرة في كومة قش عبر النظر إلى كومة القش بأكملها فقط. يصاب الكمبيوتر بالارتباك لأن "التقاط طرد" (فعل طبيعي) و"سرقة طرد" (فعل غير طبيعي) يبدوان متطابقين تقريباً أمام الكاميرا. الفرق الوحيد هو السرعة والنية، وهما أمران يصعب رصدهما دون تعليمات مفصلة.
الحل: LAS-VAD
قام مؤلفو هذه الورقة البحثية ببناء نظام جديد يسمى LAS-VAD. فكر في الأمر كترقية لحارس الأمن من مبتدئ إلى محقق بارع يمتلك ثلاث قدرات خارقة خاصة.
1. استراتيجية "العناق الجماعي" (المكونات المتصلة بالشذوذ)
الاستعارة: تخيل أنك تقوم بفرز مجموعة من الصور المختلطة. بدلاً من النظر إليها واحدة تلو الأخرى، تبدأ بتجميعها. إذا بدت صورتان متشابهتين جداً، تضعهما معاً داخل رباط مطاطي وتقول: "هاتان الصورتان تنتميان لنفس القصة".
كيف تعمل:
ينظر الكمبيوتر إلى كل إطار (Frame) في الفيديو. إذا كان الإطار رقم 10 يشبه كثيراً الإطار رقم 11، والإطار رقم 11 يشبه الإطار رقم 12، فإنه يجمعهم معاً. يفترض النظام أنه إذا بدت الأشياء متشابهة، فهي تفعل الشيء نفسه.
- لماذا يساعد ذلك: حتى بدون تسمية توضح أنها "مشاجرة"، يدرك الكمبيوتر: "مهلاً، هذه الـ 50 إطاراً المتتالية كلها فوضوية وحمراء. لا بد أنها المشاجرة!". إنه يصنع "أدلة" خاصة به عبر تجميع اللحظات المتشابهة معاً.
2. "قارئ الأفكار" (الاستنتاج القائم على النية)
الاستعارة: تخيل شخصين يسيران في الشارع. أحدهما يمشي ببطء لالتقاط عملة معدنية سقطت، والآخر يركض بسرعة للإمساك بمحفظة. بالنسبة للكاميرا، كلاهما "أشخاص يتحركون". لكن بالنسبة للمحقق، فإن السرعة والتسارع هما ما يرويان القصة الحقيقية. أحدهما لديه "نية طيبة"، والآخر لديه "نية سيئة".
كيف تعمل:
النظام لا ينظر فقط إلى شكل الشيء؛ بل يحسب كيفية حركته. إنه يقيس الموقع، السرعة، والتسارع.
- الخدعة: يقوم النظام بإنشاء "نموذج أولي" (قالب ذهني) لعملية "السرقة" وآخر لعملية "الأخذ". ثم يسأل: "هل هذه الحركة تطابق قالب 'السرقة' أم قالب 'الأخذ'؟". هذا يساعده على التمييز بين الفعل الطبيعي والجريمة التي تبدو متطابقة تماماً ولكنها تحدث بشكل أسرع.
3. "الدليل الوصفي" (سمات الشذوذ)
الاستعارة: إذا قلت لطفل: "ابحث عن نار"، فقد يبحث عن أي شيء أحمر. لكن إذا قلت له: "ابحث عن حريق، والذي يتميز بوجود لهب، ودخان كثيف، وشرارات متطايرة"، فسيتمكن من رصده فوراً.
كيف تعمل:
يستخدم النظام ذكاءً اصطناعياً قوياً (مثل روبوت دردشة ذكي) لكتابة وصف مفصل لما يجب أن تبدو عليه جريمة معينة.
- بالنسبة لـ الانفجار: يقول الذكاء الاصطناعي: "ابحث عن اللهب، الدخان الكثيف، والحطام".
- بالنسبة لـ المشاجرة: يقول: "ابحث عن الحركة السريعة والأشخاص المتقاربين".
يقوم الكمبيوتر بعد ذلك بمسح الفيديو خصيصاً للبحث عن هذه الأدلة مثل "الدخان والنار"، مما يجعل من الصعب جداً تفويت الحدث.
النتيجة
عندما اختبر الباحثون نظام "المحقق البارع" الجديد هذا على مجموعات بيانات ضخمة من فيديوهات الجرائم (مثل UCF-Crime و XD-Violence)، فقد اكتسح المنافسة.
- الأنظمة القديمة: ارتبكت بين الأفعال المتشابهة وفاتت بعض الجرائم الخفية.
- نظام LAS-VAD: قام بتجميع الإطارات المتشابهة معاً، وقرأ "نية" الحركة، وبحث عن أدلة بصرية محددة مثل الدخان أو الشرارات.
باخت-القول:
تعلم هذه الورقة البحثية أجهزة الكمبيوتر كيف تشاهد فيديو وتقول: "أعلم أن هذا الفيديو بأكمله يحتوي على جريمة، وبناءً على سرعة حركة الأشياء والدخان الذي أراه، أنا متأكد بنسبة 99% أن الجريمة حدثت هنا"، رغم أنه لم يخبرهم أحد أبداً أين يبحثون بالضبط. إنه يشبه تعليم الكمبيوتر كيف يكون محققاً وليس مجرد كاميرا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.