لماذا تبدو اكتشافات كاميرات المراقبة مختلفة ليلًا عنها في وضح النهار؟
غالبًا ما تختلف عمليات الكشف الليلية لأن الإضاءة المنخفضة والتصوير بالأشعة تحت الحمراء والتعريضات الأطول تغيّر السمات التي تعلّم كاشف الأجسام التعرّف إليها.
قد تتمكن كاميرا الممر من تصنيف سيارة متوقفة بشكل موثوق عند الظهر، لكنها قد تفقدها بعد غروب الشمس أو تعتبر انعكاسها لفترة وجيزة سيارة أخرى. لم تتغير هندسة المشهد، لكن المستشعر ينتج الآن حواف أكثر ضجيجًا ودرجات لونية مختلفة وآثار حركة أطول. وتدفع هذه التغييرات الإطارات بعيدًا عن ظروف التدريب الأفضل تمثيلًا للكاشف.
الليل ينشئ نطاقًا بصريًا جديدًا
تحتوي إطارات النهار على الألوان والملمس وتباين محلي مرتفع. أما إطارات الليل فقد تكون أحادية اللون بالأشعة تحت الحمراء، أو ملونة منخفضة التعريض، أو مزيجًا من مصابيح ساطعة وخلفية مظلمة. ويتلقى الكاشف المدرَّب أساسًا على أمثلة نهارية واضحة مدخلات مختلفة إحصائيًا، رغم أن الإنسان لا يزال يتعرف على الممر.
وجدت دراسة واسعة النطاق لشبكات الكاميرات أن الكواشف تواجه صعوبة ليلًا، وقد تواجه صعوبة في اكتشاف الأشخاص والسيارات أنفسهم باستمرار مع تغيّر الظروف المحيطة. يُسمى هذا انزياح النطاق: إذ تنتقل الخريطة المتعلَّمة من توزيع مظهري إلى آخر بصورة غير مثالية.
يتغير مستوى الثقة أولًا بالقرب من العتبة. فقد تنخفض نتيجة سيارة تبلغ 0.78 نهارًا إلى 0.42 ليلًا وتختفي من قائمة الأحداث، بينما تكتسب رقعة عاكسة تباينًا كافيًا لتصبح مرشحًا زائفًا. لا يغيّر النموذج قواعده؛ بل تغيّرت الأدلة التي تدخل تلك القواعد.
التعريض والأشعة تحت الحمراء يوازنان التفاصيل مقابل الرؤية
لإضاءة الظلام، تزيد الكاميرات الكسب أو مدة التعريض. يضيف الكسب ضجيجًا مرئيًا، بينما يؤدي الغالق الأطول إلى تشويه حركة الأشخاص عبر عدة بكسلات. ويمكن لإضاءة الأشعة تحت الحمراء استعادة الحواف، لكنها تغيّر انعكاس المواد، وتزيل إشارات الألوان المألوفة، وتنشئ نقاطًا ساطعة على لوحات السيارات أو الحشرات أو الضباب أو الجدران القريبة.
تستخدم الأبحاث المتعلقة بـ تكييف النطاق بين النهار والليل تمثيلات غير متأثرة بالإضاءة، لأن كواشف الإضاءة العادية يتراجع أداؤها في المشاهد المظلمة. وتوضح الحاجة إلى التكييف من النهار إلى الليل سبب عدم قدرة رفع السطوع وحده على إعادة إنشاء توزيع السمات في إطار نهاري حقيقي.
تتراكم هذه التأثيرات: إذ يضعف التمويه الحدود، وينشئ الضجيج ملمسًا زائفًا، وتغيّر الأشعة تحت الحمراء المظهر. وقد يستعيد نموذج محسّن لليل جزءًا من الأداء، لكنه قد يتصرف أيضًا بشكل مختلف عند الغسق عندما تبدّل الكاميرا أوضاعها. ولا تعني زيادة قوة الأشعة تحت الحمراء تلقائيًا اكتشافًا أكثر موثوقية.
متى يقصر تفسير الفرق بين النهار والليل
لا تكون الإضاءة التفسير الكامل إذا كان جهاز تسجيل الفيديو الشبكي يحلل بثًا فرعيًا منخفض الدقة ليلًا، أو يغيّر إعدادات الترميز، أو يطبّق ملفًا منفصلًا للنموذج. كما قد تختلف الحساسية المجدولة وأقنعة الخصوصية ومناطق الأحداث حسب الوقت. وتحاكي تغييرات الإعداد هذه مشكلة في النطاق البصري، رغم حدوثها بعد الالتقاط.
تفيد أبحاث الإضاءة المنخفضة بوجود مكاسب قابلة للقياس من الكشف المتكيف مع الظلام، ما يشير إلى أن المعالجة المسبقة والنماذج المتخصصة يمكن أن تقلص الفجوة. لكنها لا تثبت أن كل تحسين مفيد؛ فقد تؤدي إزالة الضجيج الشديدة إلى محو الأجسام الصغيرة، وقد يضخّم رفع السطوع آثار الضغط.
يتوقف انطباق هذه الآلية عندما تنتج الإطارات الخام نهارًا وليلًا درجات متشابهة للنموذج، لكن واجهة الأحداث ترشحها بشكل مختلف. كما أنها لا تفسر التغييرات في عمليات الكشف عند مستوى إضاءة ثابت بينما يتغير اختيار بث الشبكة. افصل بين مظهر المستشعر ومدخل الاستدلال وسياسة الإشعارات قبل تحديد السبب.
قِس النهار والليل كظروفي التقاط منفصلتين
أنشئ مقارنة بين النهار والليل من زاوية الكاميرا نفسها وباستخدام نموذج كشف ثابت. صدّر إطارات الاستدلال الخام بدلًا من لقطات شاشة الهاتف، ثم سجّل وضع الإضاءة ووقت الغالق والكسب ودقة البث وحجم الجسم ومستوى الثقة وما إذا كانت الأشعة تحت الحمراء مفعّلة. أدرج الفجر والغسق، لأن الانتقالات بين الأوضاع تكشف الحدود غالبًا.
يتيح سير عمل محلي للذكاء الاصطناعي مستقل بذاته بقاء الكاشف والمقاطع وبيانات وصف الأحداث متاحة حتى عند تغيّر الاتصال بالسحابة. أبقِ النموذج والعتبة ثابتين أثناء المقارنة الأولى حتى تتغير ظروف الالتقاط وحدها.
اعتبر انزياح النطاق الليلي سببًا عندما يتراجع مستوى الثقة ودقة تحديد الموضع مع المظهر منخفض الإضاءة، بينما يظل بث الاستدلال ثابتًا. وإذا ظلت النتائج الخام مستقرة لكن اختلفت التنبيهات، فتحقق من سياسة التصفية. وإذا فشلت الأجسام السريعة فقط، فسيكون تمويه الحركة تفسيرًا أقوى من الظلام وحده.
المنتجات الموصى بها
مركز التكنولوجيا والذكاء الاصطناعي
المزيد للقراءة
أفضل 10 مساعدين مفتوحي المصدر للبرمجة بالذكاء الاصطناعي في 2026
قارن بين 10 مساعدين مفتوحي المصدر للبرمجة بالذكاء الاصطناعي، من حيث بيئات التطوير المتكاملة، ومحطات الطرفية، والنماذج المحلية، والاستضافة الذاتية، وسير عمل Git، والتطوير...
شرح نموذج Laya: نموذج القرار مفتوح المصدر الذي يمكنك تشغيله محليًا
Laya هو نموذج قرارات مفتوح بحجم 421 مليون بارامتر للتوجيه والتقييم المحلي السريع، ويوفر بديلاً مستضافًا ذاتيًا لواجهات برمجة تطبيقات القرارات القائمة على السحابة.
حالات استخدام Jev: 7 أشياء يبنيها الناس بالفعل باستخدام نموذج القرارات من TypeSafe
تُظهر سبعة مشاريع حقيقية مبنية باستخدام Jev أين تناسب نماذج اتخاذ القرار: التوجيه، وإجراءات المتصفح، وإسناد الدرجات، والتصفية، والألعاب، وتحليل المحتوى، وفرز أولويات الأبحاث.
