لماذا تعجز الرؤية الحاسوبية أمام الحشود
تخيل رصيف مترو مزدحمًا خلال ساعة الذروة الصباحية. الأجساد متراصة، والأكتاف تتصادم، والحقائب تتأرجح بين الغرباء. بالنسبة للعين البشرية، هي فوضى ولكنها فوضى يمكن السيطرة عليها؛ إذ لا يزال بإمكانك تتبع صديق عبر الحشد أو رصد شخص يلوح لك من الجانب الآخر من الرصيف. أما بالنسبة لأنظمة الرؤية الحاسوبية، فإن هذا المشهد نفسه يمثل حقل ألغام. فعندما يتداخل عشرات الأشخاص في إطار واحد، تبدأ نماذج الكشف والتتبع القياسية في الانهيار؛ حيث تندمج صناديق الإحاطة (Bounding boxes)، وتتبدل الهويات، ويختفي الأشخاص خلف الآخرين ولا يعودون أبدًا بنفس التسمية.
هذه الفجوة بين ظروف المختبر المثالية والواقع الفوضوي هي بالضبط ما سعى تحدي CVPR19 للتتبع والكشف (Tracking and Detection Challenge) إلى سده. فبدلاً من اختبار النماذج في مشاهد متفرقة وجيدة الإضاءة حيث يقف كل شخص بمفرده، أجبر التحدي النماذج على العمل في بيئات كثيفة حيث تؤدي الكثافة العالية مباشرة إلى الاحتجاب (occlusion)، ويتسبب الاحتجاب في أخطاء يصعب إصلاحها في تتبع الهوية. ومنذ ذلك الحين، استخدم الباحثون هذا المعيار كساحة اختبار لإيجاد طرق أفضل لإدارة هذه الأخطاء قبل أن تخرج عن السيطرة.
ما الذي يختبره التحدي فعليًا
لم يتعامل تحدي CVPR19 مع الازدحام كمشكلة واحدة، بل قسم الصعوبة إلى أربعة مجالات تركيز تكشف عن نقاط ضعف مختلفة في مسارات العمل (pipelines) القياسية.
دقة اكتشاف الأشياء في الحشود. في موقف سيارات غير مزدحم، يمكن للمكتشف رسم صندوق نظيف حول كل مشاة. أما في ممر ملعب مزدحم، فغالبًا ما تستجيب الشبكة نفسها للأجساد المتداخلة إما بدمج عدة أشخاص في صندوق إحاطة واحد ضخم أو بتجاهل الأجساد المخفية جزئيًا تمامًا. يقيم التحدي ما إذا كان النموذج لا يزال قادرًا على تحديد مواقع الأفراد عندما لا يظهر منهم سوى رأس أو ذراع أو كتف.
استقرار تتبع الأشياء المتعددة. يكون التتبع سهلاً عندما يتحرك شخص واحد عبر غرفة فارغة، لكنه يصبح صعبًا للغاية عندما يجب على الكاميرا مراقبة خمسين شخصًا يعبرون ساحة في وقت واحد. يختبر التحدي استقرار المتتبع من خلال قياس ما إذا كانت المسارات تظل متماسكة بينما يتداخل الأشخاص فيما بينهم. يمكن لإطار واحد من الارتباك أن يتسبب في توريث المتتبع لهوية خاطئة أو إنشاء مسار مكرر يستمر لعدة دقائق.
التعامل مع حالات الاحتجاب المتكررة. الاحتجاب في الحشد ليس عقبة عارضة، بل هو أمر مستمر وديناميكي. قد يحجب أحد المشاة شخصًا آخر لثلاثة إطارات، ثم يسير شخص ثالث في الفجوة، ليظهر الشخص الأصلي مرة أخرى من زاوية مختلفة. الاحتجابات الثابتة مثل الأعمدة أو السيارات المركونة يمكن التنبؤ بها، لكن الحشود البشرية تتحرك باستمرار، ويركز التحدي على عملية الاستعادة (recovery). فعندما يظهر شخص ما من خلف مجموعة، هل يتعرف عليه النموذج، أم يعامله كشخص جديد تمامًا؟
الحفاظ على الهوية أثناء الحركة. يعتمد استمرار الهوية على ما هو أكثر من مجرد التعرف على الوجه. فبينما يتحرك الأشخاص عبر مشهد كثيف، يتغير حجمهم، وتتحول وضعياتهم من المواجهة إلى الجانب، وتتفاوت الإضاءة عبر أجزاء مختلفة من البيئة. يتساءل التحدي عما إذا كان النظام قادرًا على الحفاظ على نفس المعرف لشخص يسير لمسافة عشرين مترًا عبر حشد كثيف، حتى عندما يكون هذا الشخص قد تعرض للاحتجاب عدة مرات ولم يتبقَّ من مظهره سوى أجزاء منه.
من المعيار المرجعي إلى التأثير الحقيقي
إن تحسين الأداء في هذه الجبهات الأربع ليس مجرد تمرين أكاديمي؛ فالموديلات الأفضل تؤثر بشكل مباشر على كيفية عمل الأنظمة المستقلة وأدوات المراقبة في البيئات الواقعية.
تخيل مركبة ذاتية القيادة تقترب من ممر مشاة مزدحم في مهرجان. المشاة لا يسيرون في صفوف منظمة، بل يتجمعون، ويدفعون عربات الأطفال، ويخرجون من خلف بعضهم البعض. إذا فقد نظام التتبع في المركبة هوية أحد المشاة في اللحظة التي ينحني فيها خلف شخص آخر، فلن تتمكن السيارة من التنبؤ بمكان ظهور ذلك المشاة مرة أخرى. قد تفترض أن الخطر قد تلاشى، أو والأسوأ من ذلك، قد تخلط بين المشاة المختبئ وشخص آخر وتخطئ في حساب مساره. إن التتبع المستقر في الحشود هو متطلب سلامة، وليس مجرد رفاهية.
تواجه شبكات المراقبة مشكلة مماثلة. فمشغل الأمن الذي يراقب مركز نقل لا يحتاج إلى نظام يمكنه اكتشاف الأشخاص في ممر فارغ، بل يحتاج إلى نظام يقوم بالعد بدقة أثناء إخلاء المحطة، عندما يتدفق مئات الركاب نحو مخرج واحد. إذا تسبب الاحتجاب (occlusion) في تبديلات مستمرة للهوية، فسيقوم النظام بإنشاء بيانات عديمة الفائدة: تسجيل الشخص نفسه كخمسة أفراد منفصلين، أو تسجيل مجموعات من الأشخاص ككتل واحدة. وهذا يفسد أي تحليلات لاحقة، سواء كنت تقيس تدفق الحشود، أو تحدد السلوك المشبوه، أو تنسق الاستجابة للطوارئ.
حتى روبوتات التجزئة والمستودعات تستفيد من ذلك. يجب على المركبات الموجهة آلياً (Automated guided vehicles) التنقل في الممرات حيث يقوم العمال البشريون بجمع المخزون. في هذه المساحات الضيقة، يحدث الاحتجاب الجزئي باستمرار. فالروبوت الذي يفقد تتبع عامل خلف وحدة أرفف قد يخطط لمسار يمر بالقرب منه بشكل مفرط عندما يخرج الشخص مرة أخرى. إن القدرة على الحفاظ على تثبيت الهوية (identity lock) خلال الاختفاء القصير تضمن سلامة التفاعل بين الإنسان والروبوت.
الواقع التقني وراء النتائج
تعلم الباحثون الذين اختبروا معيار CVPR19 بسرعة أن التعامل مع الاكتشاف والتتبع كمرحلتين منفصلتين يضاعف معدلات الفشل. فالمكتشف (detector) الذي يفقد شخصاً محجوباً جزئياً يحرم المتتبع (tracker) من البيانات. أما المتتبع الذي يعتمد فقط على القرب المكاني، فسيمنح الهوية الخاطئة لأي جسد مرئي يظهر أولاً من خلف عائق.
وبسبب هذا، شجع التحدي التفكير المتكامل. ركزت الفرق على تمثيلات الميزات (feature representations) التي تصمد أمام التجزئة. فإذا فشل واصف الجسم الكامل (full-body descriptor) عندما تكون الساقان مخفيتين، يحتاج النموذج إلى الاعتماد بشكل أكبر على ما يظل مرئياً، مثل الجذع أو نمط المشية. وركز آخرون على الاستدلال الزمني (temporal reasoning)، باستخدام نماذج الحركة للتنبؤ بالمكان الذي من المحتمل أن يظهر فيه الشخص المحجوب مرة أخرى حتى يتمكن النظام من استئناف التتبع دون انتظار إعادة اكتشاف الجسم بالكامل.
كما سلط التحدي الضوء على أهمية قواعد الاسترداد الاستدلالية (recovery heuristics). في المشاهد منخفضة الكثافة، قد يفترض المتتبع بأمان أن الاكتشاف الجديد بالقرب من موقع قديم ينتمي إلى نفس الشخص. أما في الحشود، فإن هذا الافتراض يخلق سلسلة من عمليات التبديل المتتالية. تعلمت الأنظمة الأفضل التمهل قبل إعادة تعيين الهوية، وجمع بضع إطارات من الأدلة بعد زوال الاحتجاب قبل الالتزام بالمطابقة.
لماذا تُعد الكثافة اختبار الصدق
لا تفتقر الرؤية الحاسوبية (Computer vision) إلى المعايير المرجعية. ما يجعل تحدي CVPR19 للتتبع والاكتشاف لا يُنسى هو أنه يجرد النموذج من راحة الخلفيات الفارغة والموضوعات المعزولة. فالنموذج الذي يحقق نتائج جيدة هنا قد أثبت قدرته على التعامل مع الضوضاء البصرية التي تحدد البيئات البشرية الحقيقية. الكثافة هي اختبار الصدق؛ فهي تكشف عن الافتراضات الهشة حول فصل الأجسام والظهور المستمر.
إذا كنت تريد معرفة كيف سارت طرق محددة وما هي البنيات التي أظهرت واعدية تحت هذا النوع من الضغط، يمكنك قراءة التحليل الكامل هنا. وإذا كنت تعمل في هذا المجال وتريد مناقشة التفاصيل التقنية مع آخرين يواجهون نفس صداع الاحتجاب، فانضم إلى مجتمع التعلم هنا. إن العمل على التتبع عبر الحشود لا يزال بعيداً عن الانتهاء، والاختبار الحقيقي يكمن دائماً فيما يحدث عندما يصبح المشهد مزدحماً.