← أحدث الأبحاث
💻 computer science

CAS-FD: Contact-Aware Temporal Sampling for Single-View Foul vs Dive Recognition

تقدم هذه الورقة البحثية CAS-FD، وهي طريقة أخذ عينات زمنية مدركة للتلامس تحقق تحسنًا بنسبة 12% في الدقة مقارنة بالأساليب الحالية في التمييز بين أخطاء كرة القدم والتمثيل (الغطس)، وذلك باستخدام مجموعة بيانات جديدة أحادية الرؤية ومسار عمل قابل لإعادة الإنتاج.

المؤلفون الأصليون: Md. Jahidul Islam, Mahfujul Alam, Md. Nazmul Islam Seyam, Md. Tamim Hossain

نُشر 2026-08-19
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Md. Jahidul Islam, Mahfujul Alam, Md. Nazmul Islam Seyam, Md. Tamim Hossain

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

في عالم كرة القدم الاحترافية عالي المخاطر، لا تثير سوى لحظات قليلة من الجدل بقدر ما يثيره القرار الذي يُتخذ في أجزاء من الثانية بين الخطأ الحقيقي والتمثيل (الغطس). فعندما يسقط لاعب، يجب على الحكم أن يقرر في لحظة خاطفة ما إذا كان قد تعثر بخصم أم أنه سقط ببساطة لخداع المسؤول. هذا الحكم صعب للغاية ومعروف بصعوبته، وغالباً ما تزيد من تعقيده ضبابية الحركة، وحجب اللاعبين للرؤية، والكاميرات التي تتحرك بسرعة كبيرة بحيث لا تلتقط لحظة الاصطدام بدقة. وبينما تساعد التكنولوجيا الحديثة مثل حكام الفيديو المساعدين (VAR)، إلا أن القرار النهائي لا يزال يعتمد على التفسير البشري لبضع ثوانٍ من اللقطات، والتي تُعرض عادةً من زاوية بث واحدة. ولكي تتمكن الحواسيب من المساعدة في هذه المهمة، يجب أن تتعلم التمييز بين فعلين متشابهين جداً في المظهر، يختلفان فقط في التفاصيل الدقيقة للتلامس الجسدي. وهذا يتطلب أكثر من مجرد مشاهدة فيديو؛ بل يتطلب من الآلة فهم اللحظة المحددة والعابرة التي يصطدم فيها جسدان، أو يفشل في الاصطدام، وسط فوضى المباراة.

لقد تصدى فريق من الباحثين من جامعة بريمير في بنغلاديش لهذه المشكلة من خلال بناء نظام جديد مصمم خصيصاً لقطات البث ذات الزاوية الواحدة. وقد أدركوا أن طرق الرؤية الحاسوبية القياسية غالباً ما تفشل هنا لأنها تعامل كل إطار في الفيديو بالتساوي، وتوزع انتباهها عبر المقطع بأكمله. ففي فيديو مدته خمس ثوانٍ لخطأ أو تمثيل، تكون المعلومات الأكثر أهمية — أي التلامس الفعلي أو غيابه — تحدث في جزء ضئيل من الثانية. أما بقية اللقطات، التي تظهر اللاعبين وهم يركضون أو يحتفلون، فهي عبارة عن ضجيج غير ذي صلة إلى حد كبير. ولحل هذه المشكلة، أنشأ الباحثون مجموعة بيانات جديدة مكونة من 600 مقطع مختار بعناية، متوازنة بين الأخطاء والتمثيل، وطوروا طريقة تجبر الكمبيوتر على تركيز انتباهه بدقة حيث يكمن الحدث.

يكمن جوهر ابتكارهم في استراتيجية أخذ عينات "واعية بالتلامس". فبدلاً من اختيار الإطارات بشكل متساوٍ من بداية المقطع إلى نهايته، يقوم النظام أولاً بمسح الفيديو للكشف عن اللاعبين والكرة. ثم يحسب درجة لكل إطار بمفرده بناءً على إشارات مثل سرعة اقتراب اللاعبين من بعضهما البعض، ومدى قرب سيقانهم، وكيفية تغير أشكال أجسادهم أثناء السقوط. ومن خلال الجمع بين هذه الإشارات، يحدد النظام اللحظة الأكثر احتمالاً لحدوث التلامس. وبمجرد العثور على هذه اللحظة، يختار مجموعة محددة من الإطارات المتمحورة حولها، مما يضمن أن الكمبيوتر يرى مرحلة الاقتراب، والاصطدام، ورد الفعل المباشر، مع تجاهل الأجزاء غير المهمة من الفيديو. ويقترن هذا النهج بتقنية قص ذكية تقوم بعمل زووم (تكبير) على اللاعبين المعنيين، بدلاً من إظهار الملعب بأكمله، مما يضمن حصول الكمبيوتر على أوضح رؤية ممكنة للحدث.

اختبر الباحثون هذا النظام مقابل ثلاث طرق أخرى، بما في ذلك الطريقة القياسية لاختيار الإطارات بالتساوي. وكانت النتائج واضحة: تفوق النظام الواعي بالتلامس بشكل كبير على الآخرين. ففي مجموعة اختبار مكونة من 100 مقطع لم يره من قبل، حققت الطريقة الجديدة دقة بلغت 86 بالمائة، حيث حددت الخطأ أو التمثيل بشكل صحيح في غالبية الحالات. وبالمقارنة، حققت الطريقة القياسية دقة 74 بالمائة فقط. وأشار الباحثون إلى أن النظام الجديد لم يكن أكثر دقة فحسب، بل كان أيضاً أكثر اتساقاً، حيث ارتكب أخطاء أقل عند مواجهة بيانات جديدة. كما فحصوا بدقة أين نجح النظام وأين تعثر. ففي معظم الحالات، نجح النظام في تحديد لحظة التلامس، حتى لو لم يكن دقيقاً تماماً في الإطار المحدد، لأن نافذة تركيزه كانت واسعة بما يكفي لتشمل الحدث الحرج. ومع ذلك، عانى النظام عندما تتحرك الكاميرا بسرعة كبيرة أو عندما يكون اللاعبون محجوبين جزئياً، مما يؤدي إلى فشل الكشف الأولي عن اللاعبين.

يمثل هذا العمل خطوة مهمة للأمام في أتمتة تحكيم الرياضة، وتحديداً المهمة الصعبة المتمثلة في التمييز بين الأخطاء والتمثيل باستخدام زاوية كاميرا واحدة فقط، وهي الزاوية المتاحة لمعظم المشاهدين ومسؤولي الدوريات الأدنى. لم يخترع الباحثون نوعاً جديداً من "أدمغة" الذكاء الاصطناعي، بل هندسوا طريقة أذكى لتغذية بيانات الفيديو للكمبيوتر. فمن خلال تنسيق مجموعة بيانات جديدة وتصميم مسار عمل يحاكي كيفية تركيز الحكم البشري لانتباهه على لحظة الاصطدام، أثبتوا أن مفتاح حل هذه المشكلة يكمن في التوقيت والتركيز. ورغم أن النظام ليس مثالياً بعد ويعتمد على جودة الكشف الأولي عن اللاعبين، إلا أنه يثبت أن الآلة يمكنها تعلم التمييز بين السقوط والخطأ بمستوى من الموثوقية يقترب من القدرة البشرية، مما يوفر أداة محتملة لدعم الحكام في اتخاذ قرارات أكثر عدلاً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →