Design and Implementation of a Prototype Smart Door Lock Integrating Face Recognition and Smart Doorbell for Residential Access Control
تقدم هذه الورقة تصميم وتنفيذ نموذج أولي لقفل باب ذكي يدمج التعرف على الوجه القائم على YOLOv8n، وجرس باب ذكي، والتحكم في الوصول عن بُعد عبر Blynk وSupabase، مما يثبت دقة وموثوقية عالية في توثيق هوية السكان وإدارة دخول الزوار لأغراض الأمن السكني.
المؤلفون الأصليون:Farah Atriani, Ida Laila, Arifin Arifin
لطالما اعتمد الأمن المنزلي على عملية تبادل مادية بسيطة: مفتاح يناسب قفلاً، أو رمز يفتح بوابة. ورغم فاعلية هذه الأساليب، إلا أنها تحمل مخاطر متأصلة؛ فالمفاتيح يمكن فقدانها أو سرقتها، والرموز يمكن نسيانها أو سماعها. وفي السنوات الأخيرة، وعد مفهوم "المنزل الذكي" باستبدال هذه الأدوات الميكانيكية بالذكاء الرقمي، باستخدام أجهزة الاستشعار واتصالات الإنترنت لإدارة من يدخل المنزل. وتتضمن الخطوة الأكثر تقدماً في هذا التطور أنظمة القياس الحيوي (البيومترية)، التي تستخدم سمات جسدية فريدة مثل بصمات الأصابع أو ملامح الوجه لتحديد هوية الأشخاص. وبخلاف المفتاح الذي يمكن نسخه، يصعب تكرار الوجه، مما يوفر طبقة من الأمن تتسم بكونها شخصية ويصعب تزويرها. ومع ذلك، فإن جعل مثل هذا النظام يعمل بموثوقية خارج المختبر الخاضع للرقط، وعلى جهاز صغير بما يكفي ليوضع على باب أمامي، يمثل تحدياً هندسياً كبيراً.
لقد تصدى باحثون في جامعة حسن الدين في إندونيسيا لهذا التحدي عبر بناء واختبار نموذج أولي لقفل باب ذكي يجمع بين التعرف على الوجه وجرس جرس رقمي. كان هدفهم هو إنشاء نظام واحد يمكنه السماح للسكان بالدخول تلقائياً، وتنبيه أصحاب المنازل للزوار، وحتى رصد السلوك المريب، كل ذلك دون الحاجة لوجود إنسان عند الباب. الجهاز الذي قاموا ببنائه يستند إلى "راسبيري باي" (Raspberry Pi)، وهو كمبيوتر صغير ومنخفض التكلفة يُستخدم غالباً في المشاريع التعليمية، ويعمل كدماغ للعملية. ويتصل بهذا الكمبيوتر كاميرا، ومستشعر حركة، وقفل حلزوني (solenoid lock) يؤمن الباب مادياً، وزر يعمل كجرس باب. تم تصميم النظام ليعمل في وضعين متميزين: أحدهما للأشخاص الذين يعرفهم المنزل بالفعل، والآخر للغرباء.
عندما يقترب شخص ما من الباب، يقوم مستشعر الحركة بتحفيز الكاميرا لالتقاط صورة. إذا تعرّف النظام على الوجه باعتباره يعود لأحد السكان المسجلين، فإنه يفتح الباب فوراً. تتم هذه العملية بالكامل على الجهاز نفسه، دون الحاجة إلى إرسال الصورة إلى خادم بعيد أولاً، مما يحافظ على سرعة الاستجابة والخصوصية. وإذا لم يتطابق الوجه مع أي شخص في ذاكرة النظام، يظل الباب مغلقاً. وبدلاً من مجرد منع الغريب من الدخول، ينتقل النظام إلى وضع جرس الباب الذكي؛ حيث يعرض رسالة على شاشة صغيرة تطلب من الزائر الضغط على الزر. وبمجرد الضغط عليه، يتلقى صاحب المنزل إشعاراً فورياً على هاتفه الذكي، مع صورة للشخص الموجود عند الباب، ويمكن لصاحب المنزل بعد ذلك اختيار فتح الباب عن بُعد أو تركه مغلقاً.
كما برمج الباحثون النظام لمراقبة السلوك غير العادي. فإذا وقف شخص أمام الباب ولم يضغط على الزر خلال عشرين ثانية، يفترض النظام أن هذا قد يكون نشاطاً مريباً. وفي مثل هذه الحالات، يرسل النظام تنبيهاً إلى صاحب المنزل على الفور، حتى لو لم يتم الضغط على الزر، مما يسمح للمقيم بالتحقيق في تهديد محتمل دون انتظار مكالمة. ولضمان عمل النظام بشكل صحيح، اختبر الفريق النظام مع مجموعة من الأشخاص، من المستخدمين المسجلين والغرباء، من مسافات مختلفة عن الباب. ووجدوا أن الكاميرا يمكنها اكتشاف الوجه بموثوقية تامة حتى مسافة ثلاثة أمتار. وعندما تعلق الأمر بتحديد هوية الشخص فعلياً، كان النظام دقيقاً للغاية، حيث تعرّف على المستخدمين المسجلين بنسبة 92 في المائة تقريباً. والأهم من ذلك، أنه لم يقم أبداً بفتح الباب بالخطأ لشخص غير مسجل، محققاً سجلاً مثالياً في رفض الغرباء.
تستغرق العملية بأكملها، من لحظة اكتشاف الشخص إلى فتح الباب أو إرسال إشعار، أقل من خمس ثوانٍ في المتوسط. وقد نجح النظام في إرسال التنبيهات إلى هاتف صاحب المنزل في حوالي 2.6 ثانية، وعندما ضغط صاحب المنزل على زر الفتح في هاتفه، فُتح الباب في أقل من ثانية واحدة. وتخلص الدراسة إلى أن هذا الجمع بين الذكاء الاصطناعي المحلي والاتصال بالإنترنت يقدم حلاً عملياً ومنخفض التكلفة لأمن المنازل الحديثة. ومن خلال دمج القدرة على التعرف على السكان، وإدارة الزوار، ومراقبة التهديدات في وحدة واحدة مدمجة، يثبت النموذج الأولي أن التحكم المتطور في الوصول يمكن جلبه إلى المنازل اليومية دون الحاجة إلى بنية تحتية معقدة أو أجهزة باهظة الثمن.
ملخص تقني: تصميم وتنفيذ نموذج أولي لقفل باب ذكي يدمج التعرف على الوجه وجرس الباب الذكي
بيان المشكلة تعتمد أنظمة الأمن السكنية التقليدية غالبًا على المفاتيح الفيزيائية أو بطاقات الوصول البسيطة، والتي تكون عرضة للفقدان أو السرقة أو التزوير. وبينما يوفر المصادقة البيومترية بديلًا أكثر أمانًا، فإن الدراسات الحالية تركز في كثير من الأحيان على الوظائف المنعزلة — مثل المصادقة البيومترية، أو المراقبة عن بُعد، أو ميزات جرس الباب الذكي — بدلًا من دمج هذه القدرات في إطار عمل موحد وذكي للتحكم في الوصول. هناك حاجة لنظام سكني يجمع بين تحديد هوية المستخدم بدون تلامس، والإدارة الذكية للزوار، والتحكم في الوصول عن بُعد ضمن نموذج أولي واحد ومنخفض التكلفة يعتمد على إنترنت الأشياء المدعوم بالذكاء الاصطناعي (AIoT).
المنهجية قام المؤلفون بتصميم وتنفيذ نموذج أولي لقفل باب ذكي يتمحور حول جهاز Raspberry Pi 4B، مع دمج الذكاء الاصطناعي الطرفي (Edge AI) مع خدمات سحابة إنترنت الأشياء (IoT). تتكون بنية النظام من ثلاث وحدات أساسية:
الأجهزة وسير العمل التشغيلي:
المستشعرات والمشغلات: يستخدم النظام مستشعر الأشعة تحت الحمراء الخاملة (PIR) للكشف عن الحركة، ووحدة كاميرا Raspberry Pi لالتقاط الصور، وزر ضغط لجرس الباب الذكي، ومفتاح مغناطيسي (reed switch) لحالة الباب، وقفلًا كهربائيًا (solenoid lock) يتم التحكم فيه عبر مرحل (relay).
التدفق المنطقي: عند اكتشاف حركة، تقوم الكاميرا بالتقاط صورة. إذا تم التعرف على الوجه كمستخدم مسجل، يفتح الباب تلقائيًا. إذا لم يتم التعرف عليه، يطلب النظام من الزائر الضغط على جرس الباب. إذا تم الضغط على الزر، يتم إرسال إشعار إلى صاحب المنزل عبر تطبيق الهاتف المحمول للمصادقة عن بُعد. إذا فشل الزائر في الضغط على الزر خلال 20 ثانية، يصنف النظام الحدث كـ "نشاط مشبوه" ويرسل تنبيهًا لصاحب المنزل.
الذكاء الاصطناعي الطرفي والتعرف على الوجه:
الكشف: يستخدم النظام نموذج YOLOv8n (You Look Once version 8 nano) للكشف عن الوجوه في الوقت الفعلي، والذي تم اختياره لبنيته خفيفة الوزن المناسبة للأجهزة الطرفية. تم ضبط النموذج بدقة باستخدام مجموعة بيانات WIDER FACE.
استخراج الميزات والتحقق: تتم معالجة الوجوه المكتشفة بواسطة FaceNet لإنشاء تمثيلات (embeddings) مكونة من 512 بُعدًا. يتم التحقق من الهوية باستخدام تشابه جيب التمام (cosine similarity) مقابل قاعدة بيانات لمركزيات المستخدمين المسجلين.
تحديد العتبة: تم تحديد عتبة القرار المثلى باستخدام تحليل منحنى خصائص تشغيل المستقبِل (ROC) ومؤشر يودن (Youden Index) للموازنة بين معدلات الإيجاب الحقيقي والخطأ الإيجابي.
السحابة وواجهة المستخدم:
المراقبة عن بُعد: تعمل منصة Blynk كواجهة للهاتف المحمول للمراقبة في الوقت الفعلي، وعرض صور الزوار، وفتح الباب عن بُعد.
تخزين البيانات: تُستخدم خدمة Supabase Storage لتخزين صور الزوار غير المعروفين وإنشاء روابط عامة (URLs) لعرضها داخل تطبيق Blynk.
المساهمات الرئيسية
نموذج أولي موحد لـ AIoT: تقدم الدراسة نموذجًا أوليًا متكاملًا تمامًا يجمع بين المصادقة البيومترية (التعرف على الوجه)، والإدارة الذكية للزوار (الكشف عن النشاط المشبوه)، والتحكم في الوصول عن بُعد، مما يعالج التجزئة الموجودة في الأدبيات السابقة.
تنفيذ الذكاء الاصطنا artificial الطرفي: نجح النظام في نشر نماذج التعلم العميق (YOLOv8n و FaceNet) مباشرة على جهاز Raspberry Pi 4B، مما يثبت جدوى الاستدلال المحلي دون الاعتماد على المعالجة السحابية المستمرة لمهام التعرف الأساسية.
المنطق السلوكي: يتضمن التنفيذ آلية قائمة على القواعد للتمييز بين الزوار الشرعيين (الذين يضغطون على جرس الباب) والأفراد المشبوهين (الذين يتواجدون لفترة دون تفاعل)، مما يعزز الأمن بما يتجاوز مجرد المصادقة البسيطة.
النتائج التجريبية تم تقييم النموذج الأولي باستخدام مجموعة بيانات مكونة من 10 مشاركين للكشف و20 مشاركًا (10 مسجلين، 10 غير مسجلين) للتعرف.
الكشف عن الوجه: حقق نموذج YOLOv8n معدل كشف بنسبة 100% عند مسافات تصل إلى 300 سم. انخفض الأداء بعد هذه المسافة، حيث بلغ معدل الكشف حوالي 45% عند مسافة 400 سم. وقد تم تحديد النطاق التشغيلي الأمثل بين 50 و150 سم.
التعرف على الوجه: باستخدام عتبة تشابه جيب التمام قدرها 0.76، حقق النظام:
الدقة (Accuracy): 92.44%
الدقة (Precision): 100%
النوعية (Specificity): 100%
الاستدعاء (Recall): 84.89%
مقياس F1 (F1-Score): 91.83%
نجح النظام في رفض جميع المستخدمين غير المسجلين (0 خطأ إيجابي) بينما تعرف بشكل صحيح على المستخدمين المسجلين.
أداء النظام:
التحكم في الوصول: تم منح الوصول للمستخدمين المسجلين بنسبة نجاح بلغت 91.11%. بينما تم رفض المستخدمين غير المسجلين بنسبة 100% من الوقت.
أوقات الاستجابة: بلغ متوسط وقت الاستجابة لإشعارات الزوار 2.60 ثانية، ولفتح الباب عن بُعد 0.90 ثانية. وظل إجمالي وقت استجابة النظام للمصادقة وقرارات الوصول تحت 5 ثوانٍ.
الأهمية والادعاءات يدعي المؤلفون أن النموذج الأولي المقترح يوفر حلاً فعالًا وموثوقًا للتحكم في الوصول السكني من خلال دمج المصادقة القائمة على الوجه مع إدارة الزوار والقدرات عن بُعد. تؤكد الدراسة أن تحقيق النظام لنسبة 100% في الدقة (Precision) والنوعية (Specificity) أمر بالغ الأهمية للأمن السكني، حيث يضمن عدم منح الوصول لأي مستخدمين غير مصرح لهم، حتى لو جاء ذلك على حساب انخفاض طفيف في معدل الاستدعاء (Recall) (أي منع الوصول لبعض المستخدمين المسجلين).
تضع الورقة هذا العمل كحل عملي ومنخفض التكلفة لتقنية AIoT، يسد الفجوة بين أنظمة المصادقة البيومترية المستقلة والمراقبة عن بُعد عبر إنترنت الأشياء. ويشير المؤلفون إلى أنه بينما كانت الدقة (92.44%) أقل قليلاً من بعض الدراسات السابقة (التي سجلت 94.4% - 95%)، فإن القضاء التام على الأخطاء الإيجابية يجعل النظام مناسبًا للغاية للتطبيقات الأمنية حيث يكون منع الدخول غير المصرح به أمرًا بالغ الأهمية. وتشمل الأعمال المستقبلية التي اقترحها المؤلفون الاختبار في ظل ظروف بيئية متنوعة (الإضاءة، الطقس) ودمج آليات مكافحة التزييف ومصادر طاقة احتياطية.