الرؤية الحاسوبية للعلوم الجنائية: اكتشاف الأدلة المخفية

تعتمد التحقيقات بشكل كبير على الأدلة المادية التي يتم جمعها من مسرح الجريمة، والكثير من هذه الأدلة بصري. تقليدياً، كان جمع هذه الأدلة يتم يدوياً - من خلال تصوير المسرح، ورسم التخطيطات، وتصنيف الأشياء، والاعتماد على خبرة المحقق في ملاحظة التفاصيل الدقيقة.

على مر السنين، ساهمت أدوات مثل الكاميرات الحرارية وماسحات البصمات في دعم هذا العمل ولعبت دوراً رئيسياً في حل الجرائم. ولكن الآن، وبفضل الذكاء الاصطناعي والرؤية الحاسوبية، أصبحت التحقيقات أكثر تقدماً. حيث يمكن للآلات المساعدة في تحليل الأدلة البصرية بشكل أسرع وأكثر دقة وعلى نطاق أوسع بكثير.

تعد الرؤية الحاسوبية على وجه الخصوص تقنية مؤثرة تُمكّن الآلات من رؤية وفهم الصور ومقاطع الفيديو. يمكن لهذه الأنظمة معالجة وتحليل كميات كبيرة من البيانات البصرية بسرعة، مما يساعد المحققين في حل الجرائم بشكل أسرع.

لقد دفعت مزايا الأدوات التي تعتمد على الذكاء الاصطناعي في التحقيقات السوق العالمية لأدوات الأدلة الجنائية الرقمية المدعومة بالذكاء الاصطناعي لتصل قيمتها إلى 4.98 مليار دولار في عام 2025، ومن المتوقع أن تصل إلى 17.7 مليار دولار بحلول عام 2031.

الشكل 1. السوق العالمية للأدلة الجنائية الرقمية المدعومة بالذكاء الاصطناعي (المصدر).

في هذا المقال، سنستكشف كيف يمكن استخدام الرؤية الحاسوبية في التحقيقات الجنائية وكيف يمكنها المساعدة في تحديد الأدلة البصرية وتحليلها وتفسيرها.

Link to this sectionدور الذكاء الاصطناعي والرؤية الحاسوبية في الأدلة الجنائية#

تُمكّن الرؤية الحاسوبية الآلات من تفسير المعلومات البصرية من العالم الحقيقي واتخاذ قرارات بناءً على هذا الفهم. وتحديداً في العلوم الجنائية، يمكن استخدام الذكاء الاصطناعي للكشف عن عناصر مثل الأسلحة أو الإصابات، وتتبع المركبات، وحتى إعادة بناء نماذج ثلاثية الأبعاد لمسرح الجريمة بسرعة ودقة مذهلتين.

بينما لا تزال التحقيقات الجنائية تعتمد على الملاحظة اليدوية ومعرفة الخبراء، يمكن أن تكون هذه العملية مستهلكة للوقت وعادة ما تركز على قضية واحدة في كل مرة. توفر نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 نهجاً أسرع وأكثر قابلية للتوسع. يمكن لهذه النماذج مسح المسارح، وتحديد الأشياء الرئيسية، وتصنيف الأدلة باستخدام مهام الرؤية الحاسوبية مثل اكتشاف الأشياء وتصنيف الصور.

على سبيل المثال، بدلاً من مراجعة مئات الساعات من لقطات المراقبة يدوياً، يمكن لنموذج الرؤية الحاسوبية مسح خلاصات الفيديو تلقائياً لاكتشاف النشاط المشبوه - مثل الحركات غير العادية، أو التسكع، أو ترك أشياء خلفها. يمكنه تحديد أطر زمنية ومواقع معينة ليراجعها المحققون، مما يقلل بشكل كبير من الوقت والجهد اللازمين للعثور على الأدلة ذات الصلة.

Link to this sectionتطبيقات الرؤية الحاسوبية في الأدلة الجنائية#

تغير الرؤية الحاسوبية الطريقة التي يجمع بها المحققون الأدلة البصرية ويدرسونها. إليكم نظرة فاحصة على كيفية استخدامها في العمل الجنائي اليوم.

Link to this sectionتحليل لقطات المراقبة باستخدام الرؤية الحاسوبية#

واحدة من أكثر تقنيات الرؤية الحاسوبية شيوعاً المستخدمة في المراقبة هي تتبع الأشياء - تتبع الأشخاص أو المركبات أو العناصر عبر إطارات الفيديو. بدلاً من برمجتها يدوياً لكل موقف، تتعلم هذه الأنظمة من الفيديو الواقعي وتتعرف بسرعة على ما يبدو "طبيعياً". وبهذه الطريقة، يمكنها اكتشاف السلوك غير العادي تلقائياً، مثل شخص يتسكع في منطقة هادئة، أو مركبة في منطقة محظورة، أو حقيبة متروكة في مكان عام.

يمكن أن تكون هذه التقنية مفيدة أثناء التحقيقات. على سبيل المثال، إذا ذكر شاهد أنه رأى شاحنة صغيرة حمراء عند تقاطع طرق بين الساعة 11 صباحاً و 1 ظهراً، يمكن للرؤية الحاسوبية مسح ساعات من لقطات CCTV، وتحديد كل حالة لظهور شاحنة حمراء، وتوفير عناء المراجعة اليدوية على المحققين. من خلال أتمتة ما كان يستغرق ساعات أو أياماً، تجعل الرؤية الحاسوبية كلاً من المراقبة الحية ومراجعة الأدلة أسرع وأذكى وأكثر فعالية.

الشكل 2. استخدام الرؤية الحاسوبية لتحليل لقطات CCTV وتتبع الشاحنات الصغيرة الحمراء (المصدر).

Link to this sectionاستخدام الذكاء الاصطناعي في تحقيقات حرائق الغابات#

في أعقاب الحوادث المتعلقة بالحرائق، يكون الوقت حرجاً، وغالباً ما تتعرض الأدلة المادية للتلف أو التدمير. تساعد تقنيات الرؤية الحاسوبية في سد هذه الفجوة من خلال تحليل مصادر متنوعة للبيانات البصرية، مثل صور الأقمار الصناعية، ولقطات الطائرات بدون طيار، و CCTV، والمسح الحراري، لإعادة بناء تسلسل الأحداث.

يمكن لهذه الأدوات اكتشاف مصدر الحريق، وتحديد المواد المسرعة المحتملة، وتتبع نشاط الإنسان أو المركبات بالقرب من الموقع. عند دمجها مع قواعد بيانات الجرائم وتقارير الحوادث، يمكن للنظام كشف الأنماط، مثل مواقع الحرائق المتكررة، أو سلوك المشتبه بهم، أو الحرائق المتعمدة المنسقة، عبر مناطق مختلفة.

مثال واقعي يأتي من نيو ساوث ويلز، أستراليا، حيث استخدمت الشرطة منصة رؤية حاسوبية تسمى Insights أثناء التحقيقات في حرائق الغابات 2019–2020. قامت المنصة بتحليل لقطات CCTV، والبيانات الجغرافية المكانية، ومدخلات بيئية مثل اتجاه الرياح وسجلات ضربات البرق. كما استخدمت التعرف على الأشياء لتحديد العناصر البصرية ذات الصلة، مثل المركبات أو المعدات، في كميات هائلة من لقطات المراقبة.

من خلال تراكب هذه الرؤى مع بيانات تحديد الموقع الجغرافي للهواتف المحمولة والخرائط، تمكن المحققون من ربط النشاط البشري بأحداث حريق معينة وعرض هذه البيانات بصرياً أثناء التحقيقات الرسمية. وقد أدى هذا النهج إلى تسريع عملية التحقيق.

الشكل 3. محقق جنائي ينظر إلى حطام حريق (المصدر).

Link to this sectionإعادة بناء مسرح الجريمة باستخدام الرؤية الحاسوبية#

تجمع إعادة البناء ثلاثي الأبعاد في الأدلة الجنائية بين تقنيات مثل التصوير الفوتوغرافي، والمسح بالليزر، و LiDAR، والرؤية الحاسوبية لإنشاء نماذج مفصلة ومطابقة للمقاييس الحقيقية لمسارح الجريمة. تساعد عمليات إعادة البناء هذه المحققين على تصور وضع الأشياء، وأنماط تناثر الدماء، ومسارات الرصاص بمستوى من الدقة والتفاعلية التي لا يمكن للصور ثنائية الأبعاد التقليدية توفيرها. تعزز هذه التقنية التحليل والعروض التقديمية في قاعات المحكمة من خلال تمكين جولات افتراضية وقياسات دقيقة.

بعيداً عن التحقيقات النشطة، تعمل إعادة البناء ثلاثي الأبعاد والواقع الافتراضي (VR) أيضاً على إعادة تصور التعليم الجنائي. في الأوساط الأكاديمية، يمكن للطلاب استخدام نظارات الواقع الافتراضي لاستكشاف مسارح جريمة محاكاة، وتحديد الأدلة، وممارسة تقنيات مثل مسح البصمات وتحليل تناثر الدماء. يبني نهج التعلم الغامر هذا مهارات تحقيق أساسية في بيئة آمنة وقابلة للتكرار.

الشكل 4. طالب ينظر إلى مسرح الجريمة باستخدام نظارة واقع افتراضي (المصدر).

Link to this sectionتحسين الصور باستخدام الرؤية الحاسوبية#

تم حل قضية تعود إلى 19 عاماً في كيرالا، الهند، مؤخراً بمساعدة تحسين الصور المدعوم بالذكاء الاصطناعي. قام المحققون بإعادة فحص صور قديمة من وقت الجريمة واستخدموا مزيجاً من معالجة الصور والذكاء الاصطناعي لتوضيح ملامح الوجه وتوليد صور محدثة للمشتبه بهم. كانت إحدى الصور المحسنة تشبه إلى حد كبير شخصاً شوهد في صورة زفاف تمت مشاركتها عبر الإنترنت، مما أدى في النهاية إلى انفراجة في القضية.

تعتبر هذه القضية مثالاً جيداً على كيفية مساعدة أدوات الأدلة الجنائية الحديثة، وخاصة دمج الذكاء الاصطناعي مع تحسين الصور التقليدي، في مساعدة جهات إنفاذ القانون على إعادة فحص التحقيقات الطويلة وغير المحلولة. من خلال الكشف عن تفاصيل محجوبة أو تحديد أفراد تغيروا بشكل كبير بمرور الوقت، تثبت هذه التقنيات أنها أصول قوية في مجال الأدلة الجنائية الرقمية.

Link to this sectionاستخدام التجزئة المثالية لاستخراج الأدلة#

التجزئة المثالية هي مهمة رؤية حاسوبية يمكنها تحديد الأشياء الفردية في الصورة وتحديد كل منها بقناع مفصل على مستوى البكسل. يساعد هذا المحققين على عزل قطع الأدلة الرئيسية بدقة، حتى في البيئات الفوضوية أو المعقدة.

لنفترض أن هناك مسرح جريمة تظهر فيه مجموعات متعددة من آثار الأقدام أو آثار إطارات متداخلة في الأوساخ أو الثلج - يمكن لـ التجزئة المثالية تمييز كل واحدة وتحديدها بشكل منفصل. وهذا يسهل تحليل أنماط الحركة، أو مسارات المركبات، أو مسارات المشتبه بهم دون تشتيت من فوضى الخلفية.

بعيداً عن تحليل المسرح، يتم تطبيق التجزئة المثالية أيضاً على الصور الجنائية. في دراسة أجراها معهد زيورخ للطب الشرعي، استخدم الباحثون هذه التقنية لتحديد أنواع مختلفة من الجروح. لقد قاموا بتدريب نموذج رؤية على 1,753 صورة جنائية تحتوي على 4,666 جرحاً.

تمكن النموذج المدرب من اكتشاف وتصنيف سبعة أنواع من الإصابات، بما في ذلك جروح الطعن والحروق. لقد أظهر كيف يمكن للرؤية الحاسوبية دعم المحققين من خلال تحليل أنماط الإصابة بسرعة ودقة، مما يوفر الوقت ويحسن الاتساق في تقييمات الصور الجنائية.

Link to this sectionالتعرف التلقائي على لوحات الأرقام بتمكين من الرؤية الحاسوبية#

التعرف التلقائي على لوحات الأرقام (ANPR)، أو التعرف على لوحات الترخيص (LPR)، هو تطبيق للرؤية الحاسوبية يركز على الكشف التلقائي عن أرقام لوحات الترخيص وقراءتها واستخراجها من الصور أو لقطات الفيديو. يتضمن ذلك عادةً استخدام نماذج الرؤية الحاسوبية، مثل YOLO11، لاكتشاف الأشياء لتحديد موقع لوحة الترخيص داخل الإطار.

بمجرد تحديد اللوحة، يتم تطبيق التعرف الضوئي على الحروف (OCR) لاستخراج الأحرف الأبجدية الرقمية. يمكن بعد ذلك مقارنة هذه المعلومات بقواعد البيانات لتحديد مالك المركبة أو تتبع تحركاتها السابقة. تعتبر ANPR مفيدة بشكل خاص في التحقيقات المتعلقة بالمفقودين، وسرقة المركبات، والمخالفات المرورية، أو حوادث الصدم والهروب.

على سبيل المثال، في قضية مفقود، يمكن لجهات إنفاذ القانون إدخال رقم لوحة الترخيص في نظام LPR. إذا ظهرت المركبة على كاميرا مراقبة، يمكن للنظام وضع علامة على موقعها تلقائياً، مما يساعد الضباط على الاستجابة بسرعة. يلعب LPR أيضاً دوراً رئيسياً في قضايا مثل المركبات المسروقة أو حوادث الصدم والهروب من خلال توفير تتبع سريع ودقيق عبر شبكات المراقبة المتكاملة.

الشكل 5. اكتشاف لوحات الأرقام باستخدام YOLO11 (المصدر).

Link to this sectionإيجابيات وسلبيات استخدام الذكاء الاصطناعي في الأدلة الجنائية#

يوفر الذكاء الاصطناعي والرؤية الحاسوبية العديد من المزايا الرئيسية التي تعزز كفاءة وإمكانية الوصول وموثوقية التحقيقات الجنائية. إليكم بعض المزايا الرئيسية التي يجب مراعاتها:

• التحليل عن بعد: تُمكّن الرؤية الحاسوبية المحققين الجنائيين من رؤية مسارح الجريمة والأدلة، مثل الصور ومقاطع الفيديو والنماذج ثلاثية الأبعاد، من أي مكان دون الحاجة إلى التواجد شخصياً.
• الأرشفة طويلة المدى: يمكن تنظيم البيانات التي تعالجها أنظمة الرؤية بشكل جيد والبحث فيها بسهولة. إذا لزم الأمر في المستقبل، يمكن إعادة فحصها وتحليلها مرة أخرى باستخدام نماذج محسنة في القضايا القديمة.
• الاتساق: على عكس البشر، الذين قد يفسرون المعلومات البصرية بشكل مختلف بناءً على خبرتهم، تطبق نماذج الرؤية الحاسوبية نفس القواعد في كل مرة، مما يؤدي إلى تحليل أكثر اتساقاً وتوحيداً.

على الرغم من إمكاناتها، تأتي الرؤية الحاسوبية في الأدلة الجنائية أيضاً مع بعض التحديات التي يجب وضعها في الاعتبار. إليكم بعضاً من أهمها:

• جودة المدخلات: تعتمد نماذج الرؤية بشكل كبير على جودة البيانات التي تتلقاها. قد تفوت حلول الرؤية الحاسوبية أو تسيء تفسير تفاصيل مهمة إذا كانت الصور غير واضحة، أو ذات إضاءة سيئة، أو منخفضة الدقة. يمكن تخفيف ذلك من خلال تطبيق استراتيجية تعزيز البيانات الصحيحة.
• صعوبة التعامل مع البيانات غير المرئية: يمكن أن تواجه نماذج الرؤية الحاسوبية صعوبة عندما تصادف شيئاً جديداً - مثل أشياء غير عادية أو مسارح جريمة تختلف عن البيانات التي تم تدريبها عليها. يُعرف هذا بـ "الانحراف".
• التحديات القانونية: يمكن أن يثير استخدام الرؤية الحاسوبية في التحقيقات تساؤلات قانونية، مثل ما إذا كانت الأدلة مقبولة في المحكمة، ومدى خصوصية البيانات، وشفافية قرارات النظام.

Link to this sectionأبرز النقاط#

لا تزال الرؤية الحاسوبية في تطور، لكنها بالفعل تغير كيفية عمل العلوم الجنائية. من اكتشاف وتحديد قطع الأدلة الصغيرة من خلال التجزئة المثالية إلى بناء نماذج ثلاثية الأبعاد لمسرح الجريمة وتحسين المستندات، فهي تدعم المحققين في كل مرحلة من مراحل عملهم.

في المستقبل، من المرجح أن تعمل الرؤية الحاسوبية بشكل وثيق أكثر مع الذكاء الاصطناعي وتعلم الآلة لاكتشاف الأنماط بشكل أسرع وإجراء تنبؤات أفضل باستخدام بيانات القضايا السابقة. ومع استمرار تحسن التكنولوجيا، ستستمر في جلب طرق جديدة وأفضل لحل الجرائم.

انضم إلى مجتمعنا ومستودع GitHub لمعرفة المزيد عن الرؤية الحاسوبية. استكشف تطبيقات مثل الذكاء الاصطناعي في التصنيع والرؤية الحاسوبية في الزراعة على صفحات الحلول الخاصة بنا. تحقق من خيارات الترخيص لدينا وابدأ في البناء باستخدام الرؤية الحاسوبية اليوم!