People Analytics Framework

ملخص تقني: إطار تحليل الأشخاص (PAF)

بيان المشكلة
تواجه أنظمة المراقبة الآلية تحديات كبيرة في تحديد هوية الأفراد عندما تكون ملامح الوجه محجوبة، أو مغطاة، أو غائبة عن إطار الكاميرا (على سبيل المثال، عندما يكون ظهر الشخص مواجهًا للكاميرا). غالبًا ما تعاني الأنظمة الحالية من الصور منخفضة الدقة، والاضطرابات الجوية، وظروف الإضاءة المتغيرة الشائعة في المراقبة بعيدة المدى أو الداخلية. علاوة على ذلك، تشير الدراسات الحالية إلى وجود فجوة في التعامل مع الصور التي لا يظهر فيها الوجه، مما يستلفي حلاً قويًا يمكنه تحديد الأفراد بناءً على المظهر وحده. الهدف الأساسي من هذا البحث هو تطوير إطار شامل لتحليل الأشخاص (PAF) قادر على كشف وتتبع والتحقق من هوية الأفراد في البيئات المغلقة (مثل الجامعات، والمستشفيات، والمدارس) بغض النظر عما إذا كانت وجوههم مرئية أم لا.

المنهجية
إن إطار العمل المقترح (PAF) هو عبارة عن خط معالجة (pipeline) يعتمد على التعلم العميق من البداية إلى النهاية، مصمم لمعالجة تدفقات الفيديو من كاميرات متعددة. يعمل النظام من خلال أربع مراحل متكاملة:

1. وحدة الكشف والتتبع (DTM):

   • يتم التقاط إطارات الفيديو بمعدل 30 إطارًا في الثانية ويتم تغيير حجمها إلى 1000×600.
   • يستخدم النظام خوارزميات كشف وتتبع الأجسام لاستخراج الأشخاص بشكل فردي.
   • تمر عملية "تنظيف" لفلترة الصور المستخرجة، حيث يتم استبعاد الإطارات التي تقل فيها نسبة الشخص إلى الصورة عن 2:1 أو الإطارات التي تحتوي على أشخاص متعددين.
   • تُنظم الصور المستخرجة في مجلدات بناءً على معرفات التتبع (tracker IDs)، مما ينشئ قاعدة بيانات لمسارات الأشخاص.
   • اختيار النموذج: قارن المؤلفون بين مجموعات من YOLOv5 وYOLOv8 مع DeepSort وByteTrack. تم اختيار YOLOv5 مع ByteTrack كالتكوين الأمثل، حيث يوفر توازنًا بين دقة الكشف العالية (160 صندوقًا مكتشفًا) ووقت المعالجة المقبول (دقيقتان و52.7 ثانية).

2. وحدة كشف الوجه والتعرف عليه (FDRM):

   • كشف الوجه: تم تقييم كواشف متنوعة (Haar Cascade، SSD، MTCNN، RetinaFace). تم اختيار MTCNN ككاشف أساسي نظرًا لتوازنه بين الدقة والكفاءة الحسابية، خاصة في التعامل مع الصور منخفضة الدقة حيث فشلت النماذج الأخرى أو أنتجت الكثير من النتائج الإيجابية الزائفة.
   • تجميع وتدقيق الوجوه: يستخدم النظام نماذج التعلم العميق (VGG16، FaceNet، DeepID، SFace، ArcFace) لاستخراج ناقلات السمات (feature vectors).
   • دوال الخسارة (Loss Functions): يستخدم الإطار "خسارة الثلاثية" (Triplet Loss) و"خسارة التجميع" (Cluster Loss) لتجميع الوجوه المتشابهة وفصل الوجهاء غير المتشابهة. وللتحقق، تُستخدم دالة خسارة ArcFace لزيادة التباين بين الفئات وتقليل التباين داخل الفئة الواحدة.
   • اختيار النموذج: من بين نماذج التعرف، أظهر نموذج SFace أعلى كفاءة ودقة (معدل نجاح 99.80% مع المسافة الإقليدية ومتوسط زمن قدره 0.47 ثانية)، يليه ArcFace وVGG-Face.

3. وحدة إعادة تحديد هوية الشخص (PRM):

   • تعالج هذه الوحدة السيناريوهات التي لا تكون فيها الوجوه مرئية من خلال تحليل مظهر الجسم بالكامل (الملابس، شكل الجسم، طريقة المشي).
   • تستخدم نهج تعلم المترية العميقة (DML)، وتحديدًا تعلم السمات متعدد المقاييس (OsNet).
   • اختيار النموذج: تم اختيار OsNet مع خسارة الثلاثية (Triplet Loss)، محققًا دقة ترتيب أولى (Rank-1 accuracy) بلغت 99.97% ومتوسط دقة متوسطة (mAP) بنسبة 99.92% على مجموعة بيانات الاختبار.

4. تكامل النظام:

   • يتم دمج الوحدات في خط معالجة موحد. عندما يستعلم المستخدم عن شخص معين (عبر صورة أو اسم)، يبحث النظام في قاعدة البيانات.
   • إذا كان الوجه مرئيًا، يتم استخدام "التحقق من الوجه". وإذا كان الوجه غير مرئي، يتم استخدام "إعادة تحديد هوية الشخص".
   • يقوم النظام بدمج البيانات من كاميرات وأطر زمنية مختلفة باستخدام معرفات التتبع لتوفيد مسار كامل للفرد.

المساهمات الرئيسية

• إطار عمل هجين: يقترح البحث إطار عمل موحد يجمع بسلاسة بين التعرف القائم على الوجه وإعادة تحديد هوية الشخص (ReID) القائم على المظهر، مما يضمن تحديد الهوية حتى عند حجب ملامح الوجه.
• خط معالجة تشغيلي: تم إنشاء خط معالجة كامل ومختبر للمراقبة في المناطق المغلقة، بدءًا من التقاط الفيديو الخام وصولًا إلى تسجيل قاعدة البيانات والاستجابة لاستعلام المستخدم.
• الاختيار التجريبي للنماذج: توفر الدراسة تحليلًا مقارنًا لأحدث النماذج (متغيرات YOLO، DeepSort/ByteTrack، MTCNN، ArcFace، SFace، OsNet) خصيصًا لسياق المراقبة هذا، مع تحديد التركيبات الأكثر فعالية من حيث الدقة والسرعة.
• بنية قاعدة البيانات: إنشاء قاعدة بيانات مهيكلة تربط معرفات الأشخاص، والطوابع الزمنية، ومواقع الكاميرات، وبيانات المسار للإجابة على استفسارات "من، وأين، ومتى".

النتائج
تم اختبار النظام باستخدام بيانات تم جمعها من بيئة الحرم الجامعي الخاصة بالمؤلفين والتي شملت أربع كاميرات.

• الدقة الإجمالية: حقق النظام المتكامل معدل نجاح إجمالي قدره 98.7%.
• التحقق من الوجه: حقق النظام معدل نجاح بنسبة 97.6% في التحقق من الوجه.
• أداء إعادة تحديد الهوية (ReID): أظهر نموذج ReID المختار (OsNet مع خسارة الثلاثية) فعالية عالية، بدقة ترتيب أولى بلغت 99.97% ومتوسط دقة متوسطة (mAP) بنسبة 99.92%.
• التعامل مع الحجب: نجح إطار العمل في تحديد الأفراد الذين لم تكن وجوههم مرئية في إطارات الصور، بالاعتماد على وحدة ReID بدقة مطابقة تصل إلى 97.6%.

الأهمية والادعاءات
يزعم البحث أن إطار (PAF) يعالج بنجاح القيود التي تواجهها أنظمة المراقبة الحالية التي تفشل عندما لا تكون الوجوه مرئية. ومن خلال دمج الكشف، والتتبع، والتعرف على الوجه، وإعادة تحديد الهوية في إطار عمل تشغيلي واحد، يوفر النظام حلاً قويًا لمراقبة المناطق المغلقة مثل الحرم الجامعي والمستشفيات. ويؤكد المؤلفون أن النظام يعمل بشكل مستقل لأداء مهام المراقبة والتنبيه.

يقر المؤلفون بتواضع بأن جمع البيانات وتسميتها لا يزالان يمثلان تحديات كبيرة، خاصة فيما يتعلق بالاختلافات في مسافة الكاميرا، والدقة، والزوايا. ويشيرون إلى أنه بينما يعمل النظام الحالي بشكل جيد على مجموعة البيانات الخاصة بهم، فإن العمل المستقبلي قد يتضمن التكيف مع المجال غير الخاضع للإشراف أو التعلم شبه الخاضع للإشراف لتحسين التعميم في البيئات غير المرئية بأقل قدر من التسمية اليدوية. لا يدعي البحث التطبيق العالمي لجميع السيناريوهات الخارجية أو بعيدة المدى، بل يركز على فعاليته ضمن بيئات الشبكات الخاصة والمسيطر عليها.