A Systematic Literature Review of Machine Learning-Based Person and Scene Analysis Using Eye-Reflected Images

في كل مرة تنظر فيها إلى شيء ما، تعمل عينك كمرآة صغيرة منحنية. تماماً كما تعكس الملعقة اللامعة الغرفة التي خلفك، تلتقط السطح المصقول لمقلة العين صورة مصغرة ومشوهة للعالم الموجود أمامها. لعقود من الزمن، عرف العلماء أن هذه الانعكاسات الصغيرة تحتوي على أدلة قيمة حول هويتك وما تنظر إليه. يمكنها نظرياً الكشف عن وجه شخص يقف خلفك، أو مخطط غرفة تتواجد فيها، أو حتى اتجاه نظراتك. ومع ذلك، فإن تحويل هذه البقع الضوئية الباهتة والمشوهة إلى معلومات واضحة وقابلة للاستخدام ظل مشكلة مستعصية. فغالباً ما تكون الانعكاسات ضبابية، وصغيرة، ومتأثرة بانحناء العين، مما يجعل من الصعب قراءتها باستخدام الكاميرات القياسية أو البرامج الحاسوبية.

في السنوات الأخيرة، تعلم مجال الرؤية الحاسوبية تعليم الآلات كيفية الرؤية من خلال عرض ملايين الصور عليها، مما يسمح لها بالتعرف على الأنماط التي قد يغفل عنها البشر. وقد طبق الباحثون هذه الأداة القوية على أنواع عديدة من الصور، لكن المهمة المحددة المتمثلة في قراءة العالم من الانعكاس في العين البشرية ظلت لغزاً مجزأً. وتأتي مراجعة منهجية جديدة أجراها فريق في جامعة "ساذرن كروس" (Southern Cross University) لتجمع القطع المتناثرة لهذا اللغز. فمن خلال فحص اثنتي عشرة دراسة رئيسية نُشرت على مدار العقدين الماضيين، رسم المؤلفون خارطة طريق لكيفية تعلم الآلات تفسير صور انعكاس العين هذه، وما حققته حتى الآن، وأين لا تزال التكنولوجيا تواجه صعوبات.

بدأ الباحثون بجمع كل دراسة مهمة وجدوها استخدمت التعلم الآلي لتحليل انعكاسات العين هذه. بحثوا عن الأعمال التي حاولت تحديد الأشخاص، أو التعرف على المشاهد، أو تتبع مكان نظر الشخص بناءً فقط على الانعكاس في عينه. وبعد عملية فحص صارمة، اختاروا اثنتي عشرة دراسة عالية الجودة استوفت معايير صارمة للوضوح والمنهج العلمي. تغطي هذه الدرانا الفترة من عام 2006 إلى عام 2026، وهي فترة انتقلت فيها التكنولوجيا من الاعتماد على الصيغ الرياضية المعقدة إلى استخدام أنظمة التعلم العميق التي تتعلم مباشرة من البيانات. وتكشف المراجعة أنه بينما تبدو الإمكانات هائلة، فإن الطريق نحو الأمام مسدود بسبب نقص البيانات الجيدة والصعوبة المتأصلة في هذه المهمة.

إحدى النتائج الأكثر لفتاً للنظر هي مدى تغير هذا المجال بمرور الوقت. في السنوات الأولى، عامل العلماء العين كجسم مادي له قواعد هندسية محددة؛ حيث بنوا نماذج رياضية مفصلة لشكل العين لتصحيح التشوه وتقويم الصورة المنعكسة. نجحت هذه الأساليب في المهام البسيطة، مثل تقدير اتجاه نظر الشخص أو إعادة بناء عرض ثلاثي الأبعاد أساسي لغرفة ما. ومع ذلك، كانت هذه النهج جامدة وعانت عندما تتغير الظروف، مثل تغير الإضاءة أو حركة الشخص. وفي الآونة الأخيرة، تحول الباحثون إلى التعلم العميق، وهو نوع من الذكاء الاصطناعي الذي يتعلم من خلال الأمثلة. فبدلاً من اتباع مجموعة ثابتة من القواعد، يتم تدريب هذه الأنظمة على آلاف الصور للتعرف على الأنماط من تلقاء نفسها. وقد سمح هذا التحول بتحليل أكثر مرونة وقوة، مما مكن الحواسيب من تحديد الوجوه أو الأشياء في الانعكاس بنجد أكبر، حتى عندما تكون جودة الصورة ضعيفة.

رغم هذه التطورات، تسلط المراجعة الضوء على عقبة كبيرة: نقص مجموعات البيانات الضخمة والمتاحة للجميع. ففي العديد من المجالات الأخرى للرؤية الحاسوبية، يمكن للباحثين تدريب أنظمتهم على مجموعات هائلة من الصور المتاحة للجميع، ولكن بالنسبة لانعكاسات العين، ليس الأمر كذلك. فقد اعتمدت معظم الدراسات التي تمت مراجعتها على مجموعات بيانات صغيرة ومخصصة تم جمعها في مختبرات خاضعة للرقابة مع عدد قليل من المتطوعين، حيث استخدمت بعض الدراسات أربعة أو خمسة أشخاص فقط لتدريب أنظمتها. وهذا النقص في البيانات يجعل من الصعب معرفة ما إذا كان البرنامج الحاسوبي الذي يعمل في المختبر سيعمل في العالم الحقيقي، حيث تكون الإضاءة غير متوقعة ويتحرك الناس بحرية. ويشير المؤلفون إلى أنه بدون مجموعات أكبر وأكثر تنوعاً من صور انعكاس العين، يصعب مقارنة الأساليب المختلفة بشكل عادل أو بناء أنظمة قوية بما يكفي للاستخدام في العالم الحقيقي.

تتنوع المهام التي تحاول هذه الأنظمة القيام بها، وهي مثيرة للدهشة في كثير من الأحيان. تركز بعض الدراسات على التطبيقات الجنائية، حيث تحاول تحديد هوية شاهد كان وجهه منعكساً في عين مشتبه به. وتتناول دراسات أخرى إعادة بناء المشهد، محاولةً إعادة بناء صورة لموقع جريمة أو موقع معين بناءً على الانعكاس. وهناك أيضاً عمل على الخصوصية، حيث يطور الباحثون طرقاً لطمس أو إزالة هذه الانعكاسات من الصور لحماية هوية الشخص. ويختلف أداء هذه الأنظمة بشكل كبير اعتماداً على المهمة وجودة المدخلات. فعلى سبيل المثال، حققت إحدى الدراسات معدل دقة عالٍ جداً في تحديد الأشخاص الذين يرتدون النظارات باستخدام الأشعة تحت الحمراء القريبة، بينما نجحت أخرى في التعرف على مكان ما بنجاح معقول باستخدام كاميرا قياسية. ومع ذلك، يحذر المؤلفون من أن هذه الأرقام لا يمكن مقارنتها مباشرة لأنها اختُبرت على مجموعات بيانات وظروف مختلفة.

إن الملاحظة الحاسمة من المراجعة هي أن تحسين الجودة البصرية للصورة لا يضمن دائماً دقة أفضل في تحديد الهوية. فقد طور الباحثون تقنيات لزيادة حدة الانعكاسات الضبابية، وإزالة الضجيج، أو تصحيح انحناء العين. وبينما تجعل هذه الأساليب الصورة تبدو أكثر وضوحاً للعين البشرية، وجدت المراجعة أن هذا التحسين البصري لا يترجم تلقائياً إلى قدرة أفضل للحاسوب على تحديد الشخص أو المكان. فأحياناً، يمكن لعملية تنظيف الصورة أن تؤدي حتى إلى إزالة تفاصيل دقيقة يحتاجها نموذج التعلم الآلي لإجراء تحديد صحيح. وهذا يشير إلى أن الهدف من جعل الصورة تبدو مثالية ليس هو نفسه الهدف من جعلها مفيدة للتحليل.

كما تشير المراجعة أيضاً إلى أن الأساليب الحالية غالباً ما تصطدم بالقيود الفيزيائية للعين نفسها. فالانعكاس صغير جداً، وغالباً ما يشغل جزءاً ضئيلاً فقط من الصورة الإجمالية، ومن السهل حجبه بواسطة الرموش أو الجفون أو ضبابية الحركة. وعندما يكون الانعكاس صغيراً جداً أو مشوهاً للغاية، فإن أكثر نماذج التعلم العميق تقدماً تصطدم بحائط مسدود. ويقترح المؤلفون أن الأبحاء المستقبلية تحتاج إلى التركيز على تطوير طرق أفضل للتعامل مع هذه الظروف الصعبة، ربما من خلال دمج الانعكاس مع أنواع أخرى من البيانات، مثل الفيديو المباشر أو صور الأشعة تحت الحمراء، لتوفيد صورة أكثر اكتمالاً.

وبالنظر إلى المستقبل، يقترح الباحثون مساراً واضحاً للمضي قدماً. فهم يدعون إلى إنشاء مجموعات بيانات ضخمة ومعيارية تتضمن مجموعة متنوعة من الأشخاص، وظروف الإضاءة، والبيئات. كما يقترحون أن الأنظمة المستقبلية لا ينبغي أن تحاول فقط جعل الصورة تبدو أفضل، بل يجب تصميمها خصيصاً لاستخراج المعلومات اللازمة لتحديد الهوية. وتخلص المراجعة إلى أنه بينما تعد هذه التكنولوجيا واعدة وانتقلت من النماذج النظرية إلى التطبيقات العملية، إلا أنها ليست جاهزة بعد للاستخدام الواسع في مجالات الأمن أو الأدلة الجنائية. إن الرحلة من انعكاس صغير ومشوه في العين إلى تحديد موثوق لشخص أو مشهد لا تزال مستمرة، وهي تتطلب المزيد من البيانات، ونماذج أفضل، وفهماً أعمق لكيفية عمل هذه الصور الفريدة. إن العمل الذي تم إنجازه حتى الآن يوفر أساساً متيناً، لكن الإمكانات الكاملة لرؤية العالم من خلال الانعكاس في العين لا تزال تحدياً مفتوحاً.