GaitFace: A Multimodal Dataset for Long-Range Person Identification

تخيل أنك تحاول التعرف على صديق لك في مهرجان موسيقي مزدحم. إذا كان يقف بجانبك تماماً، يمكنك رؤية ابتسامته، ولون عينيه، وطريقة إمالة رأسه. هكذا تعمل معظم تقنيات "التعرف على الوجه" اليوم: فهي تحتاج إلى صورة واضحة وقريبة لتتأكد من هويتك. ولكن ماذا لو كان صديقك على بعد 300 قدم، خلف سياج، والجو ضبابي؟ فجأة، يصبح وجهه مجرد بقعة صغيرة وضبابية. في عالم الأمن ومراقبة الحدود، يمثل هذا صداعاً كبيراً. فغالباً ما تضطر كاميرات المراقبة لمراقبة الأشخاص من مسافات بعيدة، حيث تكون جودة الصورة سيئة، والطقس سيئاً، وقد يكون الشخص يسير، أو يحمل حقيبة، أو يرتدي سترة مختلفة عن المعتاد. يسمي العلماء هذا "تحديد هوية الأشخاص من مسافات بعيدة". كما يبحثون أيضاً في كيفية مشي الناس، وهو ما يعرف بـ "مشية الشخص" (gait)، لأنه حتى لو لم تتمكن من رؤية الوجه بوضوح، فإن الطريقة التي يحرك بها الشخص ساقيه يمكن أن تكشفه أحياناً. السؤال الكبير هو: هل لا تزال أجهزة الكمبيوتر قادرة على التمييز بين الأشخاص عندما تكون الصورة محببة، والمسافة شاسعة، والشخص في حالة حركة؟

يقدم هذا البحث أداة جديدة تسمى GaitFace، وهي تشبه صالة ألعاب رياضية تدريبية واقعية وضخمة لبرامج الكمبيوتر التي تحاول تحديد هوية الأشخاص من مسافات بعيدة. قام الباحثون ببناء مجموعة بيانات خاصة (مجموعة من البيانات) لاختبار مدى قدرة التكنولوجيا الحالية على التعامل مع هذه السيناريوهات الصعبة "في الواقع الميداني". ووجدوا أنه بينما تتفوق أفضل نماذج الكمبيوتر لدينا في التعرف على الوجوه عندما تتوفر صورة عالية الجودة ومكبرة، إلا أنها تنهار وتفشل تماماً عندما تكون الصورة منخفضة الدقة وملتقطة من مسافة بعيدة. والأمر الأكثر إثارة للدهشة هو أن النماذج التي تُعتبر عادةً هي "الأذكى" والأكثر تعقيداً غالباً ما تفشل بأكبر قدر من الإخفاق في هذه الظروف، بينما تصمد بعض النماذج الأبسط والأخف وزناً بشكل أفضل قليلاً. كما يوضح البحث أن أنماط المشي (gait) يصعب جداً التعرف عليها من مسافات بعيدة عندما تتغير ملابس الشخص أو إكسسواراته. الخلاصة الرئيسية هي أننا لا نملك حلاً مثالياً بعد؛ فالأنظمة الحالية هشة للغاية عندما تكون الرؤية سيئة، ونحن بحاجة إلى تكنولوجيا أفضل بكثير لجعل مراقبة الحدود والمراقبة الأمنية تعمل بشكل موثوق دون الحاجة إلى صور مثالية قريبة.

قصة GaitFace

تخيل حالة كاميرات المراقبة الحالية مثل محقق يحاول حل لغز باستخدام صورة ضبابية فقط. قرر مؤلفو هذا البحث بناء "صندوق غموض" من البيانات ليروا بالضبط مدى سوء الضباب وكيف يتعامل المحققون الرقميون معه. لقد أنشأوا GaitFace، وهي مجموعة بيانات عامة تجمع بين نوعين من الأدلة: الوجوه وكيفية مشي الناس (المشية).

تم تصميم الإعداد لمحاكاة نقطة عبور حدودية حقيقية، ولكن مع لمسة مختلفة. تخيل مسافراً يصل إلى محطة. أولاً، يلتقط صورة "سيلفي" بهاتفه الخاص. هذه هي مرحلة "ما قبل التسجيل" — وهي صورة عالية الجودة وواضحة لمن هو. بعد ذلك، يمشي المسافر في الخارج على مسار. وبينما يمشي، يتم تصويره من زاويتين مختلفتين: واحدة من مستوى الأرض (مثل حارس أمن يقف بالقرب منه) والأخرى من الطابق الثالث لمبنى (مثل كاميرا مثبتة على عمود عالٍ). يمشي هذا المسار لمسافة تصل إلى 100 متر بعيداً عن الكاميرات.

لم يكتفِ الباحثون بجعل المسافرين يمشون بشكل طبيعي، بل أضافوا "الفوضى" لجعل الاختبار حقيقياً. مشى المشاركون وهم يتحدثون في الهاتف، أو يحملون حقيبة ظهر، أو يرتدون سترة مختلفة، أو يمشون بشكل طبيعي فحسب. قاموا بذلك في يومين مختلفين، تفصل بينهما أسابيع، لمعرفة ما إذا كان بإمكان الكمبيوتر التعرف عليهم حتى لو تغير تسريحة شعرهم أو كان الطقس ممطراً بدلاً من مشمس. في المجمل، سجلوا 70 شخصاً، مما أنتج حوالي 2.7 تيرابايت من بيانات الفيديو والصور.

الاختبار الكبير: ماذا حدث؟

أخذ الباحثون أكثر برامج الكمبيوتر تقدماً في التعرف على الوجوه والمشية (والتي تسمى "النماذج") وألقوا بها في هذه البيانات الفوضوية والواقعية. وإليكم ما اكتشفوه:

1. سحر "التقريب" مقابل واقع "الضبابية"
عندما استخدمت الكاميرات خاصية التقريب البصري (optical zoom) للحصول على صورة واضحة وعالية الجودة من مسافة 100 متر، كانت أجهزة الكمبيوتر رائعة. استطاعت تحديد الأشخاص بدقة عالية جداً، وكأن الشخص يقف أمامها مباشرة. ومع ذلك، بمجرد إزالة خاصية التقريب واستخدام العدسة العادية للكاميرا، كانت النتائج كارثية.

• بدون التقريب، كان وجه الشخص عند مسافة 100 متر يبلغ حجمه حوالي 18 في 22 بكسل فقط. هذا أصغر من طابع البريد!
• في هذا الوضع منخفض الجودة، عانت أفضل أجهزة الكمبيوتر للتمييز بين شخص حقيقي وغريب. انخفضت دقتها لدرجة أنها كانت بالكاد أفضل من التخمين العشوائي.
• ومن المثير للاهتمام، وجد الباحثون أن نماذج الكمبيوتر الأبسط والأخف (مثل EdgeFace) كانت أحياناً تؤدي بشكل أفضل من النماذج الضخمة والمعقدة. يبدو أن النماذج الضخمة ترتبك بسبب نقص التفاصيل، بينما تكون النماذج الأصغر أكثر مرونة.

2. مفاجأة "المشي نحو الكاميرا"
اختبر الباحثون أيضاً ما يحدث عندما يمشي الشخص من مسافة 100 متر وصولاً إلى 3 أمتار.

• عند الطرف البعيد (100 متر)، كانت أجهزة الكمبيوتر شبه عمياء.
• مع اقتراب الشخص، تتحسن قدرة أجهزة الكمبيوتر، لكن التحسن لم يكن سلساً. حتى عندما كان الشخص قريباً نسبياً، إذا تم ضبط نظام الأمن ليكون صارماً جداً (لتجنب الإنذارات الكاذبة)، كانت أجهزة الكمبيوتر لا تزال تفشل في التعرف على العديد من الأشخاص.
• أظهر هذا أن مجرد انتظار اقتراب الشخص ليس حلاً مثالياً؛ إذ يجب أن يكون النظام قوياً بما يكفي للتعامل مع اللحظات الضبابية أيضاً.

3. لغز المشي (Gait)
من المفترض أن يكون التعرف على كيفية مشي شخص ما خطة احتياطية عندما تكون الوجوه ضبابية جداً. لكن اختبار GaitFace أظهر أن هذا أيضاً أمر صعب للغاية.

• عندما تغيرت زاوية الكاميرا (من الأرض إلى الطابق الثالث) أو عندما غير الشخص ملابسه أو حمل حقيبة، ارتبكت أجهزة الكمبيوتر بشدة.
• حققت أفضل النماذج نسبة نجاح تتراوح بين 20% إلى 28% فقط في السيناريوهات الأسهل، وانخفض الأداء أكثر في الظروف الصعبة.
• وجد الباحثون أن النماذج التي تم تدريبها على فيديوهات نظيفة وقصيرة المدى (مثل أشخاص يمشون في استوديو) فشلت فشلاً ذريعاً عند مواجهة فيديوهات GaitFace الفوضوية وبعيدة المدى.

لماذا يهم هذا الأمر؟

لا يدعي هذا البحث أنه حل المشكلة، بل يعمل ككشاف يسلط الضوء على مواضع ضعف التكنولوجيا الحالية. إنه يثبت أنه بينما نمتلك تقنية مذهلة للتعرف على الوجوه في الصور القريبة، فنحن لسنا مستعدين بعد لعالم المراقبة عن بعد في الواقع. إن "نقاط الضعف" التي كشف عنها هذا البحث تعني أننا إذا اعتمدنا على هذه الأنظمة في مراقبة الحدود اليوم، فقد نفقد أشخاصاً أو نرتكب أخطاء.

يشير المؤلفون إلى أن المستقبل يكمن في دمج النوعين من الأدلة — الوجه والمشية — بحيث إذا كان الوجه ضبابياً جداً، فقد تساعد نمط المشية، والعكس صحيح. ولكن في الوقت الحالي، يظل GaitFace معياراً صعباً وصادقاً. إنه يخبر الباحثين: "هذا هو التحدي الحقيقي. أدواتكم الحالية ليست جيدة بما يكفي بعد. اذهبوا وابنوا شيئاً أفضل". ومن خلال جعل هذه البيانات عامة، يأمل المؤلفون في إلهام جيل جديد من أنظمة الأمن الأكثر ذكاءً وقوة، والتي يمكنها التعامل مع الواقع الفوضوي للعالم الخارجي.