GenTrack3: Hybrid Stochastic-Deterministic Online Multi-Object Tracking with Cluster-Aware Association
تقدم هذه الورقة GenTrack3، وهو إطار عمل لتتبع الأجسام المتعددة عبر الإنترنت يدمج بين المبادئ الحتمية والعشوائية مع طريقة ربط جديدة واعية بالمجموعات لتحقيق تتبع قوي وقابل للتوسع في ظل عدم اليقين مع دعم ديناميكيات المجموعات.
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 تشاهد زاوية شارع مزدحمة عبر كاميرا مراقبة. مئات الأشخاص يسيرون، يركضون، ويتداخلون مع بعضهم البعض. البعض يتوقف للحديث، والبعض يختفي خلف حافلة، والبعض الآخر يبدو تماماً مثل جيرانه. الآن، تخيل أنك روبوت يحاول تتبع شخص واحد محدد فقط وسط هذا الحشد دون أن يفقده، حتى عندما يحجب الرؤية أو يغير اتجاهه فجأة. هذا هو تحدي "تتبع الأجسام المتعددة" (Multi-Object Tracking - MOT). إنه مشكلة جوهرية في الرؤية الحاسوبية، وهو المجال الذي تتعلم فيه الآلات كيف "ترى" وتفهم العالم. وللقيام بذلك، تعتمد أجهزة الكمبيوتر عادةً على أداتين رئيسيتين. الأولى تشبه أمينة مكتبة صارمة تستخدم كتاب قواعد جامد (نماذج رياضية) لتخمين مكان الشخص التالي؛ وهي سريعة ومتسقة لكنها ترتبك إذا كسر الشخص القواعد فجأة. والثانية تشبه المحقق الذي يستخدم سرباً من التخمينات (أخذ العينات العشوائية) لمعرفة أين قد يكون الشخص؛ وهي رائعة في التعامل مع الفوضى والمفاجآت لكنها قد تكون بطيئة وتعطي أحياناً إجابات مختلفة في كل مرة تسألها. السؤال الكبير الذي يحاول العلماء حله هو: هل يمكننا بناء نظام تتبع يكون سريعاً وموثوقاً في آن واحد، حتى عندما يكون العالم فوضوياً، مزدحماً، وغير متوقع؟
يقدم هذا البحث نظاماً جديداً يسمى GenTrack3، والذي يحاول أن يكون الأفضل من العالمين عبر المزج بين أمينة المكتبة الصارمة والمحقق المبدع. يقترح المؤلفان، توان فان نغوين وفريقه من جامعة جنوب الدنمارك، نهجاً "هجيناً". فبدلاً من اختيار طريقة واحدة دون الأخرى، يتركون نظاماً حتمياً (قائم على القواعد) ليتولى الصورة الكبيرة لمن هو مَن، بينما يعمل نظام عشوائي (أخذ عينات عشوائية) كشبكة أمان لتحديد مكان الشخص بدقة عندما تصبح الأمور صعبة.
إليك كيف يعمل GenTrack3، مشروحاً من خلال قصة ساحة رقص فوضوية.
ساحة الرقص الهجينة
تخيل ساحة رقص مزدحمة حيث يتحرك الجميع. في الماضي، كانت أنظمة التتبع تشبه رجال الأمن الذين ينظرون فقط إلى أين كان الناس قبل ثانية واحدة ويخمنون أين سيكونون بعد ذلك بناءً على خط مستقيم. إذا توقف شخص ما فجأة أو استدار، فإن رجل الأمن سيفقده. كانت أنظمة تتبع أخرى تشبه سرباً من النحل الذي يطن حول المكان، محاولاً آلاف التخمينات المختلفة في وقت واحد للعثور على الموقع الصحيح. كان هذا دقيقاً ولكنه مرهق وبطيء.
يغير GenTrack3 قواعد اللعبة من خلال منح كل راقص "سرب ظل". لكل شخص يتتبعهم النظام، يقوم بإنشاء مجموعة صغيرة من الجسيمات الافتراضية (السرب) التي تطفو حول الشخص الحقيقي. هذه الجسيمات لا تخمن عشوائياً فحسب؛ بل يتم توجيهها بواسطة خوارزمية ذكية تسمى تحسين سرب الجسيمات (PSO). فكر في هذا كأن سرب النحل يتعلم من بعضه البعض. إذا وجد نحلة واحدة مكاناً يبدو وكأنه وجه الراقص أو يطابق تاريخ حركته، فإن السرب بأكمله يميل نحو ذلك الاتجاه. يساعد هذا النظام على التعامل مع الحركة "غير الخطية" – مثل عندما يدور الراقص فجأة أو يتوقف – دون الحاجة إلى كتاب قواعد مثالي.
استراتيجية "التكتل": تقسيم الغرفة إلى مناطق
المشكلة الأكبر في تتبع العديد من الأشخاص في وقت واحد هي أن الكمبيوتر يجب أن يقارن كل شخص بكل رصد من الكاميرا. إذا كان هناك 100 شخص و100 رصد من الكاميرا، فهذا يعني 10,000 مقارنة. الأمر يشبه محاولة مطابقة 100 جورب مفقود مع 100 جورب آخر مفقود دفعة واحدة؛ يستغرق الأمر وقتاً طويلاً ويصاب الكمبيوتر بالإرهاق.
الحل الذكي للمؤلفين هو تكتل (Clustering) ساحة الرقص. بدلاً من النظر إلى الغرفة بأكملها، يقسم GenTrack3 عرض الكاميرا إلى شبكة من البلاطات الصغيرة، مثل لوحة الشطرنج. ثم يجمع الراقصين والرصدات الموجودة في نفس البلاطة (أو البلاطات المجاورة) في "تكتلات".
- التشبيه: تخيل أن ساحة الرقص هي بيتزا ضخمة. بدلاً من محاولة مطابقة الإضافات عبر البيتزا بأكملها في وقت واحد، تقطع البيتزا إلى شرائح. أنت تحاول فقط مطابقة قطع الببروني في الشريحة (أ) مع قطع الببروني في الشريحة (أ). ولا تقلق بشأن قطع المشروم في الشريحة (ب).
- النتيجة: هذا يقلل بشكل كبير من عدد المقارنات التي يتعين على الكمبيوتر إجرائها. يظهر البحث أنه من خلال تقسيم المشكلة إلى مجموعات أصغر ومحلية، يصبح النظام أسرع بكثير ويمكنه التعامل مع المزيد من الأهداف دون تباطؤ.
التعامل مع الراقصين "المفقودين"
أحياناً، يُحجب الراقص بواسطة عمود (انسداد) أو تفقد الكاميرا رؤيته للحظة. في العديد من الأنظمة، يتسبب هذا في فقدان المتتبع للشخص تماماً أو الخلط بينه وبين شخص آخر ("تبديل الهوية").
يستخدم GenTrack3 نظام "مسارات قصيرة" (tracklet) خاصاً لمواكبة هذه اللحظات. فهو يخصص لكل هدف "درجة عقوبة" و"عمراً".
- إذا تم رؤية الراقص بوضوح، فإن عقوبته تكون منخفضة، ويكون "مساراً قوياً".
- إذا اختفى خلف عمود، يصبح "مساراً ضعيفاً". النظام لا يستسلم؛ بدلاً من ذلك، يستخدم "سرب الظل" وتحركات الراقصين المجاورين (الجيران) لتخمين مكانهم المحتمل.
- يشير البحث إلى أنه في المشاهد المزدحمة جداً، يمكن لنظام مساعدة الجيران هذا أن يرتبك أحياناً إذا كان هناك الكثير من الناس بالقرب منه. ومع ذلك، وجد المؤلفون أنه في المشاهد المتفرقة (مثل روبوت يتنقل في ممر)، يكون هذا الأسلوب قوياً للغاية.
ماذا تقول الأرقام؟
اختبر الفريق نظام GenTrack3 على مجموعتي بيانات شهيرتين: MOT17 (مشهد أقل ازدحاماً) و MOT20 (مشهد شديد الازدحام).
- في اختبار MOT17، أدى النظام أداءً جيداً للغاية، حيث حقق درجة 84.86 في مقياس MOTA (مقياس دقة التتبع الإجمالية) و 93.16 في مقياس IDF1 (مقياس الحفاظ على الهويات الصحيحة). وكان منافساً لأفضل الطرق الموجودة.
- في اختبار MOT20 (المشهد المزدحم)، حقق 78.72 في مقياس MOTA. ومن المثير للاهتمام أنه بينما كان ممتازاً في تتبع الهويات، لاحظ المؤلفون أنه في الحشود الكثيفة للغاية، تسبب نظام "الجار" أحياناً في انزياحات طفيفة في الموقع. وهذا يشير إلى أنه بينما الطريقة قوية، إلا أنها قد تعمل بشكل أفضل في البيئات التي لا يكون فيها الناس متراصين كتفاً بكتف.
الحكم النهائي
لا يدعي GenTrack3 أنه حل كل مشاكل التتبع في الكون. المؤلفون حذرون في قولهم إن نهجهم "القائم على التكتل" هو عملية مقايضة: فهو يجعل النظام أسرع بكثير وقابلاً للتوسع لعدد كبير من الأهداف، ولكن في أكثر الحشود تطرفاً، قد يحتاج إلى مزيد من الضبط.
ومع ذلك، ينجح البحث في إثبات أنك لست مضطراً للاختيار بين "سريع وجامد" أو "بطيء ومرن". من خلال دمج إطار عمل حتمي (القواعد) مع إطار عمل عشوائي (التخمينات الذكية) وتنظيم الفوضى في تكتلات محلية، يقدم GenTrack3 طريقة قوية لتتبع الأجسام المتحركة في الوقت الفعلي. إنها خطوة للأمام للروبوتات التي تحتاج إلى التنقل في المساحات البشرية، أو الطائرات بدون طيار التي تحتاج إلى تتبع المجموعات، أو أنظمة الأمن التي تحتاج إلى مراقبة حشد مزدحم دون الشعور بالارتباك. الكود متاح أيضاً على GitHub ليجربه الآخرون، مما يشير إلى أن هذا النهج الهجين جاهز للمرحلة التالية من التطوير.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.