A Review of Vision-Based Vehicle Detection for UAV-Based Traffic Monitoring: Experimental Insights and Future Directions
تستعرض هذه الدراسة المرجعية التطورات في التعلم العميق في مراقبة حركة المرور القائمة على الطائرات بدون طيار، مع تسليط الضوء على التحديات الرئيسية مثل المعالجة في الوقت الفعلي والمتانة البيئية، بينما تقترح توجهات مستقبلية تركز على الحوسبة الحافية والتكامل التكيفي مع أنظمة النقل الذكية.
تخيل السماء فوق مدينة مزدحمة ليس كفضاء فارغ، بل كعدسة كاميرا عملاقة عائمة. لعقود من الزمن، ظل رجال شرطة المرور ومخططو المدن عالقين على الأرض، يحاولون عد السيارات ورصد الازدحامات من خلال رؤية ضيقة تشبه ثقب المفتاح، وغالباً ما تكون محجوبة بالمباني أو المركبات الأخرى. هنا يأتي دور المركبة الجوية غير المأهولة، أو الـ UAV (المصطلح الفاخر للطائرة بدون طيار "الدرون"). فكر في الدرون كحارس أمن طائر فائق القدرة يمكنه التحليق عالياً فوق الفوضى، ليرى اللغز بأكمله دفعة واحدة. ولكن هناك عقبة: فالنظر من السماء أمر صعب؛ فالسيارات تبدو ضئيلة، والشمس تخلق ظلالاً مبهرة، والدرون نفسه يهتز ويتحرك. ولجعل هذه العيون الطائرة مفيدة، نحتاج إلى "الرؤية الحاسوبية" — وهي طريقة تجعل عقل الدرون ينظر إلى صورة ضبابية ومتحركة ويقول فوراً: "تلك حافلة حمراء، وهذا شاحنة زرقاء، وهما يتحركان بسرعة". هذا هو جوهر المشكلة: كيف نعلم الدرون أن يرى بوضاً وبسرعة كافية للمساعدة في إدارة حركة المرور دون أن تنفد بطاريته أو يصطدم بمبنى؟
هذا البحث يشبه تقريراً ضخماً لتقييم الأداء وخارطة طريق للجيل الأحدث من مراقبي حركة المرور عبر الدرون. لقد تعمق المؤلفان، جيانلين يي وكريستوس كيركو، في عالم "التعلم العميق"، وهو ببساطة تعليم الحواسيب كيفية رصد الأشياء من خلال عرض ملايين الصور عليها، تماماً كما يتعلم الطفل التعرف على الكلب من خلال رؤية العديد من الكلاب المختلفة. وقد ركزا تحديداً على عائلة خوارزميات "YOLO" (والتي تعني "أنت تنظر مرة واحدة فقط")، وهي نوع شائع من الذكاء الاصطناعي المشهور بسرعته. لا يكتفي البحث بسرد هذه الأدوات فحسب، بل يضعها قيد الاختبار. فقد أجرى الباحثون تجارب باستخدام مجموعتين رئيسيتين من صور الدرون — إحداهما من مدن مختلفة في الصين والأخرى من قبرص — لمعرفة أي نماذج الذكاء الاصطناعي يمكنها رصد السيارات والحافلات والشاحنات بدقة أكبر مع استخدام أقل قدر من قدرة الحاسوب.
إليكم ما وجدوه. إن "منطقة التوازن المثالية" لمراقبة حركة المرور بالدرون ليست أكبر نماذج الذكاء الاصطناعي وأكثرها قوة، ولا هي أصغرها وأسرعها. بدلاً من ذلك، تكمن النقطة المثالية في النموذج "متوسط الحجم". في اختباراتهم، تمكن نموذج يُسمى YOLOv11m من رصد المركبات بدقة بلغت 95.1% في صور الدرون عالية الارتفاع، بينما وصلت نسخة أخرى، YOLOv26(m، إلى 95.7%. هذه النماذج ذكية بما يكفي للعثور على السيارات الصغيرة التي تبدو كنقاط من مكان مرتفع، لكنها ليست ثقيلة لدرجة استنزاف بطارية الدرون في دقائق. ومع ذلك، يشير البحث إلى أنه إذا كان الدرون يحتاج للطيران لفترة طويلة جداً بميزانية طاقة محدودة، فإن النسخ "النانوية" (مثل YOLOv11n) هي بطلة الكفاءة؛ فهي تستهلك طاقة قليلة للغاية — 0.229 جول لكل إطار عند إعداد طاقة منخفض — رغم أنها أقل دقة قليلاً.
كما يشير المؤلفان إلى أن الأدوات الحالية ليست مثالية بعد. فهما يجادلان بأنه بينما أصبحنا جيدين حقاً في رصد سيارة في صورة واحدة، لا نزال نكافح لتتبع تلك السيارة نفسها وهي تتحرك عبر حشد من السيارات الأخرى، خاصة عندما يهتز الدرون أو تسوء الأحوال الجوية. ويقترحان أن المستقبل لا يقتصر فقط على كاميرات أفضل، بل يتعلق بـ "أسراب" من الدرونات تعمل معاً، وتشارك رؤاها لسد الثغرات، وتستخدم أنواعاً جديدة من الذكاء الاصطناعي التي يمكنها فهم "قصة" حركة المرور (مثل التنبؤ بحادث قبل وقوعه) بدلاً من مجرد عد السيارات. ويخلص البحث إلى أنه بينما حققنا قفزات هائلة من الطرق القديمة البطيئة إلى أنظمة التعلم العميق السريعة هذه، فإن التحدي الحقيقي الآن هو جعل هذه الأنظمة قوية بما يكفي للعمل في المطر والضباب وفي الشوارع المزدحمة والمعقدة لمدننا دون الحاجة إلى حاسوب خارق على متنها. إنها خطوة واعدة نحو مستقبل تكون فيه أنظمة المرور لدينا ذكية ومرنة بقدر الدرونات التي تراقبها.
ملخص تقني: مراجعة للكشف عن المركبات القائم على الرؤية الحاسوبية للمراقبة المرورية عبر الطائرات بدون طيار (UAV)
بيان المشكلة
تقدم الطائرات بدون طيار (UAVs) حلاً تحويلياً لأنظمة النقل الذكية (ITS) من خلال توفير مراقبة جوية واسعة النطاق وفي الوقت الفعلي، مما يتغلب على قيود الحجب والرؤية التي تواجهها المستشعرات الأرضية. ومع ذلك، يواجه نشر المراقبة المرورية القائمة على الطائرات بدون طيار عقبات تقنية كبيرة؛ تشمل هذه العقبات الكشف عن المركبات عند ارتفاعات ومقاييس مختلفة، والتعويض عن التغيرات في الصورة الناتجة عن الحركة، والمعالجة الفعالة للصور عالية الدقة في ظل قيود حسابية وطاقة صارمة. وبينما أدى التعلم العميق، وخاصة الشبكات العصبية الالتفافية (CNNs)، إلى تحسين دقة الكشف، لا تزال هناك فجوة حرجة في مواءمة هذه النماذج مع أنظمة النقل الحالية. فغالباً ما تفتقر الأدبيات الموجودة إلى أطر عمل شاملة لاستخدام بيانات الطائرات بدون طيار للاستجابة للحوادث، أو إدارة تدفق حركة المرور في الوقت الفعلي، أو ضمان المتانة عبر الظروف البيئية المتنوعة. علاوة على ذلك، هناك حاجة إلى نهج موحد يعالج التنسيق بين عدة طائرات بدون طيار، وتتبع الكاميرات المتعددة، ودمج مخرجات الكشف مع البنية التحتية التقليدية للتحكم في المرور.
المنهجية
تقدم هذه الدراسة مراجعة شاملة للتطورات الأخيرة (خاصة ما بعد عام 2022) في مجال الكشف عن المركبات بواسطة الطائرات بدون طيار، مع الربط بين التقدم النظري والتطبيقات العملية. تتضمن المنهجية ما يلي:
التحليل الهيكلي: تفكك الورقة مكونات نماذج الكشف الحديثة، بما في ذلك:
العمود الفقري (Backbones): تقييم مستخرجات الميزات مثل ResNet وVGG وMobileNet خفيف الوزن (والذي غالباً ما يُدمج مع EdgeNet أو DroNet لرفع كفاءة الأجهزة المدمجة).
نماذج العنق (Neck Modules): تحليل شبكات هرم الميزات (FPN) وشبكات تجميع المسارات (PANet) لدمج الميزات متعددة المقاييس، والأدوات الخارجية مثل الاستدلال المدعوم بالتقطيع (SAHI) للتعامل مع الصور عالية الدقة.
نماذج الرأس (Head Modules): مقارنة بين الكواشف أحادية المرحلة (YOLO, SSD) وثنائية المرحلة (Faster R-CNN)، مع التركيز على الرؤوس المنفصلة (مثل YOLO-X) لحل صراعات التصنيف والتراجع (classification-regression).
المحولات (Transformers) مقابل الشبكات الالتفافية (CNNs): تقييم نقدي للنماذج القائمة على المحولات (مثل Swin Transformer وRT-DETR وRF-DETR) التي توفر سياقاً عالمياً فائقاً ولكن بتكاليف حسابية أعلى، مقابل الكفاءة العملية للشبكات الالتفافية للنشر على الحافة (Edge Deployment).
تكامل التتبع: تراجع الدراسة نموذج "التتبع عبر الكشف" (TBD)، وتحلل خوارزميات مثل DeepSORT وStrongSORT (التي تدمج تعويض حركة الكاميرا) وByteTrack، والتي تعطي الأولوية لمطابقة الكشف عالي الثقة للتعامل مع حالات الحجب وتبديل الهوية في المشاهد الجوية الديناميكية.
التقييم التجريبي: أجرى المؤلفون تجارب مقارنة على مجموعتي بيانات متميزتين:
VisDrone: معيار ضخم يتميز بمشاهد حضرية وريفية متنوعة وظروف جوية متباينة.
الرصد الجوي متعدد المركبات (AMVD): مجموعة بيانات تركز على مراقبة حركة المرور من الأعلى من ارتفاعات عالية في قبرص.
أُجريت التجارب على كل من أجهزة الخادم عالية الأداء (NVIDIA Tesla V100) وأجهزة الحافة (NVIDIA Jetson Orin NX) لتقييم الدقة (mAP)، والتعقيد الحسابي (FLOPs، المعلمات)، وزمن انتقال الاستدلال (Inference Latency)، وكفاءة الطاقة (جول لكل إطار) عبر أوضاع طاقة مختلفة.
مسح مجموعات البيانات: تصنف الورقة معايير البيانات الموجودة (مثل pNeuma وNGSIM وStanford Drone وUAVDT وMONET) وتحدد القيود الحرجة، مثل نقص بيانات الطقس السيئ، والافتقار إلى التوصيفات الشاملة (التي تجمع بين الكشف والتتبع والتوجه ثلاثي الأبعاد)، والتحيز الجغرافي.
المساهمات الرئيسية
تتمثل المساهمات الأساسية للورقة في:
التركيب الهيكلي: تحقيق معمق في بنيات نماذج الكشف المصممة لتطبيقات الطائرات بدون طيار، وتحديداً تحليل متغيرات YOLO (من الإصدار الثالث وحتى الثاني عشر وما بعده) وتكييفاتها للكشف عن الأجسام الصغيرة والكفاءة على متن الطائرة.
المقارنة والتقييم: تقييم صارم للنماذج الحديثة باستخدام مجموعتي بيانات VisDrone وAMVD، وتقديم بيانات مقارنة حول الدقة، وزمن الانتقال، واستهلاك الموارد.
تحديد الفجوات البحثية: حدد المؤلفون ثلاث فجوات محددة في الأدبيات الحالية:
نقص دمج قيود حركة الطائرات بدون طيار في مسارات "الكشف إلى التحليل".
عدم كفاية تكييف خوارزميات التتبع مع المشاهد الجوية المائلة وزوايا رؤية الكاميرا المتغيرة.
غياب أطر تقييم الأداء الشاملة التي تأخذ في الاعتبار القيود التشغيلية (الحوسبة، البيئة).
تسلط النتائج التجريبية الضوء على عدة نتائج رئيسية:
أداء النموذج: حققت النماذج متوسطة الحجم، ولا سيما YOLOv11m وYOLOv12m، التوازن الأمثل بين الدقة والتكلفة الحسابية. في مجموعة بيانات VisDrone، حقق YOLOv11m نسبة 46.3% mAP@0.5، وهو تحسن كبير عن الإصدارات السابقة. وفي مجموعة بيانات AMVD، حقق YOLOv11m نسبة 95.1% mAP@0.5.
النشر على الحافة: في جهاز NVIDIA Jetson Orin NX، لوحظ وجود مقايضة واضحة بين الدقة وكفاءة الطاقة. أظهر متغير YOLOv11n (nano) كفاءة استثنائية في الطاقة، حيث استهلك 0.229 جول/إطار فقط في وضع الطاقة المنخفضة (10 واط) مع الحفاظ على 43.7 إطاراً في الثانية، مما يجعله مناسباً للدوريات طويلة المدى. وعلى العكس من ذلك، تطلبت النماذج المتوسطة مثل YOLOv11m طاقة أكبر بكثير (حوالي 1.36 جول/إطار في وضع الأداء العالي) للحفاظ على دقة عالية.
قيود مجموعات البيانات: تؤكد الدراسة أنه بينما تعد مجموعات البيانات مثل VisDrone متنوعة، إلا أنها تفتقر غالباً إلى سيناريوهات الطقس السيئ والتوصيفات الشاملة، مما يحد من قدرة النماذج على التعميم في جميع الظروف الجوية وعلى مدار الساعة.
الأهمية
تذهب الورقة إلى أنه بينما طور التعلم العميق دقة الكشف عن المركبات بشكل كبير، فإن التحقيق العملي للمراقبة المرورية القائمة على الطائرات بدون طيار يعتمد على معالجة قيود "SWaP" (الحجم، والوزن، والطاقة) وتحديات التكامل على مستوى النظام. تكمن أهمية هذه الدراسة في تحولها من مجرد التحسينات الخوارزمية إلى رؤية شاملة للنشر. وهي تؤكد أن التقدم المستقبلي يتطلب:
الاختيار الأمثل للنماذج: اختيار مقاييس النماذج (نانو مقابل متوسط) بناءً على متطلبات القدرة على التحمل والدقة لكل مهمة.
المعالجة عند الحافة: نقل الاستدلال إلى الحافة لتقليل زمن الانتقال واستهلاك عرض النطاق الترددي في أسرام الطائرات بدون طيار.
التحكم التكيفي: دمج مخرجات الكشف مع أنظمة التحكم في المرور (على سبيل المثال، عبر محاكاة الحلقة الافتراضية) لتمكين التحسين الفوري لتدفق حركة المرور.
المتانة: تطوير أنظمة قادرة على العمل تحت ظروف الطقس السيئ، والإضاءة المتغيرة، والهجمات العدائية المحتملة.
من خلال تركيب المعرفة الحالية وتحديد هذه الفجوات الحرجة، تهدف الورقة إلى توجيه تطوير أنظمة مراقبة مرورية أكثر كفاءة واستجابة وقابلية للتوسع، يمكن دمجها بفعالية في بنى المدن الذكية الحديثة.