ما الذي يسبب المطابقة الخاطئة للأجسام بين كاميرات المراقبة المنزلية المتشابهة؟
تحدث المطابقات الخاطئة بين الكاميرات عندما تُنتج أجسام متشابهة تمثيلات مظهرية متقاربة، ولا يمتلك النظام أدلة سياقية كافية للتمييز بينها.
قد يزعم جهاز تسجيل الفيديو الشبكي (NVR) المنزلي أن شخصًا أو حيوانًا أليفًا أو مركبة أو طردًا واحدًا انتقل من كاميرا الممر إلى كاميرا الشرفة، بينما تُظهر الرؤية الثانية جسمًا مختلفًا لكنه مشابه. ولا تُعد إعادة التعرف بين الكاميرات مماثلة للتتبع المستمر داخل إطار واحد؛ فهي تقارن مظاهر مقتصة التُقطت بواسطة مستشعرات وزوايا وإضاءة وضغط وأوقات مختلفة، ثم تقرر ما إذا كان التشابه قويًا بما يكفي لتمثيل هوية واحدة.
إعادة التعرف تقارن المظهر، ولا تضمن الهوية
يحوّل نموذج إعادة التعرف مقتطفًا من الجسم إلى تمثيل متجه، ثم يقارنه بالتمثيلات المتجهة المخزنة من كاميرات أخرى أو مسارات سابقة.
توضح NVIDIA أن التتبع متعدد الكاميرات يستخدم تمثيلات المظهر المأخوذة من مقتطفات الأجسام المكتشفة لربط الهويات عبر المشاهد.
يعني تقارب المتجهات أن التمثيلات البصرية متشابهة وفقًا للنموذج، لكنه لا يثبت أن الجسم الفعلي هو نفسه. لذلك فإن المطابقة المرئية تمثل ارتباطًا احتماليًا، وليست معرّفًا مستقلًا عن الكاميرا.
الملابس والمركبات والأجسام المتشابهة تقلل الفروق البصرية
قد يشترك شخصان يرتديان معاطف داكنة، أو عاملا توصيل يرتديان زيًا متشابهًا، أو سيارتان متطابقتان في السمات التي يمنحها النموذج أكبر وزن.
قد تحذف مقتطفات كاميرات المنزل منخفضة الدقة الوجوه أو الشعارات أو لوحات السيارات أو الفروق اللونية الصغيرة التي تميز بينها. عندئذٍ يركز التمثيل المتجه على الشكل العام واللون والملمس.
تشير المطابقات الخاطئة المركزة بين الفئات المتشابهة بصريًا إلى محدودية الأدلة التمييزية. وهي تختلف عن المطابقات العشوائية بين أجسام غير مرتبطة، والتي تشير غالبًا إلى مشكلة في العتبة أو البيانات التالفة أو المعرض.
تنشئ كل كاميرا نطاقًا بصريًا مختلفًا
يغيّر ارتفاع الكاميرا والبعد البؤري ومعالجة الألوان ووضع الرؤية الليلية بالأشعة تحت الحمراء والتعريض والخلفية والضغط طريقة ظهور الجسم نفسه.
تحدد دراسة استقصائية حول إعادة التعرف على الأشخاص تحولات النطاق المرتبطة بالكاميرا والبيئة بوصفها مشكلة محورية في إعادة التعرف عبر النطاقات.
قد يسيء نموذج ضُبط على تسجيلات متاجر نهارية تمثيل تسجيلات الشرفة بالأشعة تحت الحمراء. وإذا ظهرت المطابقات الخاطئة أساسًا بين زوج معين من الكاميرات أو ليلًا فقط، فإن نطاق الكاميرا يكون سببًا أقوى من ضعف عام في النموذج.
تخلط المقتطفات السيئة بين الجسم والخلفية والحجب
قد يقتص الكاشف نصف شخص، أو يضم شخصًا آخر، أو يقطع جزءًا من مركبة، أو يحتفظ بجزء كبير من الممر أو الجدار أو النباتات.
قد تتحول وحدات البكسل الخاصة بالخلفية إلى اختصار يعتمد عليه النموذج. فقد يبدو شخصان مختلفان يقفان في المدخل نفسه متشابهين لنموذج التمثيل المتجهي، لأن المقتطف يحتوي مرارًا على الإطار والإضاءة نفسيهما.
تشير المطابقات التي تتغير عند توسيع المربع المحيط أو تقليصه إلى تلوث المقتطف. أما المطابقات الخاطئة المستقرة عبر مقتطفات نظيفة لكامل الجسم فتشير بدرجة أكبر إلى تشابه المظهر أو تحول النطاق.
توازن عتبات التشابه المتساهلة بين الدقة والاستدعاء
قد تؤدي عتبة قبول مرتفعة إلى فقدان الجسم نفسه بعد تغير كبير في زاوية الرؤية، بينما تربط العتبة المتساهلة بين عدد أكبر من الانتقالات الصحيحة وعدد أكبر من الأجسام غير المرتبطة.
توفر Ultralytics عتبات المطابقة وعناصر التحكم في إعادة التعرف التي تؤثر في سلوك الربط.
قد تكون عتبة عالمية واحدة غير مناسبة لكل زوج من الكاميرات ولكل نوع من الأجسام. فقد يكون الانتقال من الشرفة إلى الممر متسقًا بصريًا، بينما قد تتطلب لقطات الممر الليلية قبولًا أكثر صرامة أو أدلة سياقية إضافية.
قد يدفع الربط في مجموعة مفتوحة جسمًا مجهولًا نحو جسم معروف
ترى كاميرا المنزل باستمرار زوارًا وحيوانات ومركبات وأجسام توصيل جديدة غير موجودة في المعرض المخزن.
تتعامل أبحاث إعادة التعرف على الأشخاص متعددة الكاميرات ضمن مجموعة مفتوحة مع الهويات غير المعروفة سابقًا باعتبارها مشكلة منفصلة عن الاختيار من قائمة مغلقة تضم أشخاصًا معروفين.
إذا اختار النظام دائمًا الهوية المخزنة الأقرب، فسيتعين عليه تحويل كل جسم مجهول إلى شخص ما. لذلك يلزم توفير خيار للرفض أو نطاق لعدم اليقين عندما لا يكون أي إدخال في المعرض مقنعًا بدرجة كافية.
يسمح غياب قيود الوقت والموقع بمطابقات مستحيلة
يمكن لتشابه المظهر وحده أن يربط مسارين يتداخلان زمنيًا أو يتطلبان سرعة انتقال مستحيلة بين الكاميرات.
لا يمكن لشخص أن يشغل المرآب والمطبخ في الوقت نفسه، ولا يمكن لسيارة الانتقال بين رؤيتين بسرعة تتجاوز ما يسمح به المسار. كما قد تجعل ساعات الكاميرات غير المتزامنة الانتقالات الصحيحة تبدو مستحيلة، أو تجعل الانتقالات غير الصحيحة تبدو ممكنة.
يظهر هذا السبب عندما تتعارض الطوابع الزمنية أو المسارات الخاصة بالمسارات المطابقة. فقد يكون النموذج البصري يعمل وفق تصميمه، بينما تتجاهل طبقة الربط طوبولوجيا المنزل ووقت الانتقال.
يزيد حجم المعرض والمسارات القديمة عدد المنافسين
كل تمثيل متجهي لهوية محتفظ بها يمثل جارًا أقرب محتملًا آخر. وقد تحتفظ المسارات القديمة بإضاءة غير معتادة أو مقتطفات جزئية أو أجسام مصنفة تصنيفًا خاطئًا.
يركز مشروع Deep-person-reid على التقييم عبر مجموعات بيانات ونطاقات متعددة، ما يعكس أن تكوين المعرض يغير سلوك إعادة التعرف عمليًا.
تشير المطابقة الخاطئة التي تختفي بعد إزالة الهويات القديمة إلى منافسة داخل المعرض. فلم يتحسن النموذج فجأة؛ بل أصبحت مجموعة القرارات أنظف.
قد لا يتوافق هدف تدريب النموذج مع الجسم المنزلي
تُدرّب كثير من نماذج إعادة التعرف على الأشخاص وتتوقع مقتطفات لكامل الجسم. وقد يؤدي تطبيق التمثيل نفسه على الحيوانات الأليفة أو المركبات أو الطرود أو الشخصيات الصغيرة البعيدة إلى أوجه تشابه غير موثوقة.
توثق OpenVINO نموذجًا لإعادة التعرف على الأشخاص بمدخل محدد لمقتطف الشخص ومخرج للتمثيل المتجهي.
يوضح دليل ZimaSpace حول كاميرات الأمان المحلية المعتمدة على الذكاء الاصطناعي الحد الفاصل: تحافظ المعالجة المحلية على التحكم والخصوصية، لكن جودة المطابقة تظل معتمدة على نموذج ومقتطف وعتبة وسياق مصممة لفئة الجسم.
الأسئلة الشائعة
هل مطابقة الأجسام بين الكاميرات مماثلة للتعرف على الوجه؟
لا. تستخدم إعادة التعرف عادةً مظهر الجسم بالكامل، ويمكنها العمل من دون وجه ظاهر. أما التعرف على الوجه فهو مقارنة بيومترية مختلفة بأدلة ومخاطر مختلفة.
هل تؤدي إضافة المزيد من الكاميرات إلى تقليل المطابقات الخاطئة؟
قد تضيف أدلة انتقال مفيدة، لكنها تضيف أيضًا زوايا رؤية ونطاقات ومسارات مرشحة جديدة. ولا تتحسن الدقة إلا عندما تستخدم طبقة الربط هذا السياق جيدًا.
هل يثبت رقم مسار مشترك أن مشاهدتي الكاميرتين للجسم نفسه؟
لا. يسجل المعرّف قرار الربط الذي اتخذه النظام. وينبغي تفسيره مع أدلة التشابه والوقت والمسار وجودة المقتطف وعدم اليقين.
المنتجات الموصى بها
مركز التكنولوجيا والذكاء الاصطناعي
المزيد للقراءة
ما الميزات التي تتيح إنشاء حدود ثقة للذكاء الاصطناعي المنزلي حول الملفات الحساسة؟
يجمع حدّ الثقة للذكاء الاصطناعي المنزلي بين التشفير أثناء السكون، وصلاحيات الحد الأدنى، والعزل الآمن أثناء التشغيل، والاسترجاع المقيّد النطاق؛ ولا تكفي أي ميزة...
ما الذي يجعل نتائج البحث الخاصة تُفضّل الملفات التي يتم تعديلها بشكل متكرر؟
تحظى الملفات التي تُعدَّل بكثرة بمزايا في الترتيب عندما يضيف كل تحديث إشارات إلى الحداثة أو المقاطع أو الإصدارات أو التفاعل، من دون إجراء...
ما الذي يتسبب في خلط نماذج الحضور في المنازل الذكية بين الضيوف والمقيمين؟
قد يبدو الضيوف كأنهم من المقيمين عندما يرصد النظام أنماط نشاط الأسرة، لكنه يفتقر إلى إشارة هوية مستقرة للشخص الذي يصدر هذه الأنماط.
