الرؤية الحاسوبية تجعل تتبع الحركة أكثر موثوقية

عندما تشاهد مسرحية ويتحرك ممثلك المفضل عبر المسرح، تستطيع عيناك تتبعه بجهد واعٍ ضئيل للغاية. بالنسبة للبشر، يبدو هذا النوع من تتبع الحركة طبيعيًا. يربط دماغك تلقائيًا بين ما تراه من لحظة إلى أخرى، مما يملأ الفجوات ويحافظ على شعور بالاستمرارية مع تغير المشهد.

عندما يتعلق الأمر بالآلات، فإن المهمة نفسها أكثر تعقيدًا بكثير. تلتقط الكاميرا الفيديو كسلسلة من الإطارات الفردية، ويجب على النظام تحديد نفس الكائن مرارًا وتكرارًا خطوة بخطوة لتقدير المكان الذي انتقل إليه، واتخاذ قرار بشأن ما إذا كان هو الشخص الذي يجب الاستمرار في تتبعه.

هذا التحدي هو جوهر تتبع الحركة. يتضمن تتبع الحركة تتبع كائن ما عبر فيديو بمرور الوقت، وهو يلعب دورًا مهمًا في مجالات مثل تحليل الرياضة، والروبوتات، وتطبيقات الهاتف المحمول.

غالبًا ما يعتمد تتبع الحركة وتتبع الكاميرا التقليدي على الإعداد اليدوي، ونقاط التتبع، والإطارات الرئيسية. يمكن أن يعمل هذا في المشاهد البسيطة، لكنه يصبح سريعًا بطيئًا وغير موثوق عندما تكون الحركة سريعة أو محجوبة جزئيًا.

الشكل 1. نظرة على نظام تتبع الحركة (المصدر)

جعلت التطورات الأخيرة في الرؤية الحاسوبية هذا الأمر أسهل بكثير. الرؤية الحاسوبية هي فرع من فروع الذكاء الاصطناعي يساعد الآلات على فهم الصور والفيديو، مما يجعل تتبع الحركة أكثر دقة وأقل اعتمادًا على العمل اليدوي. من خلال اكتشاف الكائنات في كل إطار والحفاظ على ثبات هويتها بمرور الوقت، تقوم هذه الأنظمة بتتبع الحركة بشكل أكثر موثوقية في ظروف العالم الحقيقي.

في هذه المقالة، سنستكشف كيف يمكن للرؤية الحاسوبية جعل تتبع الحركة أكثر انسيابية. لنبدأ!

Link to this sectionطرق التقاط وتتبع الحركة التقليدية وقيودها#

غالبًا ما يتطلب تتبع الحركة التقليدي إعدادًا يدويًا دقيقًا، خاصة في سير عمل تحرير الفيديو والمؤثرات البصرية (VFX)، حيث يكون الهدف هو إرفاق رسومات أو مؤثرات أو تراكبات بالعناصر المتحركة في اللقطات.

تبدأ العديد من عمليات سير العمل بوضع نقاط تتبع على أجزاء محددة من اللقطة، ثم يتبعها البرنامج عبر الإطارات لرسم مسار الحركة. هذا شائع في أدوات مثل After Effects، وتظهر عمليات مماثلة في Premiere Pro من خلال ميزات مثل تتبع القناع، حيث يتتبع المحررون قناعًا أو منطقة بمرور الوقت.

تعد مطابقة الحركة (Match moving) طريقة شائعة أخرى. إنها تساعد في محاذاة العناصر الرقمية مع حركة الكاميرا الحقيقية بحيث تبقى المؤثرات أو الرسومات في مكانها داخل اللقطة الحية. يمكن أن تعمل هذه الأساليب بشكل جيد للمشاهد البسيطة، لكنها غالبًا ما تواجه صعوبات عندما تصبح اللقطات مزدحمة أو عندما تتحرك الكائنات بسرعة.

يمكن أن ينهار التتبع أيضًا عندما تتغير الإضاءة أو عندما يتم حجب الأهداف جزئيًا، مما قد يسبب انحرافًا أو قفزات مفاجئة في التتبع. وهذا يبطئ سير العمل ويجبر المحررين على إعادة تنفيذ أجزاء من اللقطة. عندما تغير الكائنات اتجاهها بسرعة، قد تجد أدوات تتبع الحركة القديمة صعوبة في مواكبتها، مما يجعل النتائج غير متسقة ويصعب الوثوق بها.

Link to this sectionكيف تغير الرؤية الحاسوبية تتبع الحركة#

تستخدم أنظمة الرؤية الحاسوبية المتطورة نماذج الذكاء الاصطناعي لمتابعة الكائنات المتحركة عبر الفيديو. بدلاً من الاعتماد على التعديلات اليدوية المستمرة أو التتبع الهش إطارًا بإطار، يتعلم النموذج كيف يبدو الكائن وكيف يميل للتحرك. يساعد هذا تتبع الحركة على البقاء مستقرًا حتى عندما تصبح المشاهد مزدحمة، أو تتغير الإضاءة، أو تختفي الكائنات لفترة وجيزة.

على سبيل المثال، تدعم نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 و Ultralytics YOLO26 القادم تتبع الكائنات من خلال اكتشافها في كل إطار. ببساطة، فهي تحدد ما هو موجود في الإطار ومكانه عن طريق إخراج صناديق الإحاطة (bounding boxes) ودرجات الثقة لكل كائن مكتشف.

الشكل 2. تتبع المركبات باستخدام Ultralytics YOLO11 داخل منطقة (المصدر)

ومن المثير للاهتمام أن نماذج YOLO لا تقوم في الواقع بتتبع الكائنات بمرور الوقت بمفردها. بدلاً من ذلك، يتم تمكين التتبع من خلال حزمة Python من Ultralytics، التي تربط اكتشافات YOLO بخوارزميات تتبع الكائنات المتعددة مثل ByteTrack و BoT-SORT. في هذا الإعداد، يكتشف YOLO الكائنات إطارًا بإطار، ويربط المتتبع تلك الاكتشافات عبر الإطارات للحفاظ على هوية ثابتة لكل كائن أثناء تحركه.

Link to this sectionتطبيقات العالم الحقيقي لتتبع الحركة المدعوم بالذكاء الاصطناعي#

بعد ذلك، لنلقِ نظرة فاحصة على بعض تطبيقات العالم الحقيقي حيث يُحدث تتبع الحركة المدعوم بالذكاء الاصطناعي تأثيرًا.

Link to this sectionتحليلات الرياضة وتتبع اللاعبين بدقة#

في مباراة كرة قدم، يتسارع اللاعبون ويتوقفون ويغيرون اتجاههم باستمرار، مما يجعل من الصعب قياس الحركة بدقة عبر الملعب. غالبًا ما يفشل التتبع اليدوي في هذه اللحظات، خاصة عندما يتداخل اللاعبون أو يتجمعون معًا أو يتحركون عبر مناطق مزدحمة.

يساعد تتبع الحركة المدعوم بالذكاء الاصطناعي من خلال متابعة كل لاعب عبر الحركة والحفاظ على مسارات حركته واضحة ومتسقة. على سبيل المثال، في دراسة حديثة، استخدم الباحثون YOLO11 لاكتشاف اللاعبين والكرة من زوايا كاميرا متعددة. حدد YOLO11 كل لاعب في كل إطار، بينما ربط نظام التتبع تلك الاكتشافات بمرور الوقت للحفاظ على هوية كل لاعب متسقة أثناء تحركهم.

الشكل 3. اكتشاف وتتبع لاعبي كرة قدم متعددين (المصدر)

Link to this sectionتتبع الحركة في الواقع المعزز والواقع الافتراضي#

الواقع المعزز (AR) هو ما يجعل من الممكن للتطبيقات وضع كائنات رقمية في العالم الحقيقي، مثل ملصق على منتج، أو شخصية على الأرض، أو تراكب على قدمك أثناء تحركك. لكي تبدو هذه التجارب قابلة للتصديق، يجب أن يظل المحتوى الافتراضي مثبتًا في المكان الصحيح أثناء تجولك، أو إمالة هاتفك، أو تحريك الكائن نفسه.

تلعب الرؤية الحاسوبية دورًا رئيسيًا هنا لأنها تساعد الجهاز المحمول على فهم ما ينظر إليه وكيف تتحرك الكاميرا عبر المشهد. بعبارة أخرى، إنها تتيح التتبع ثلاثي الأبعاد من خلال تقدير مكان وجود الكائن في الفضاء وكيفية توجيهه، ثم تحديث هذا الموقع أثناء تحرك المستخدم.

الشكل 4. مثال على التتبع ثلاثي الأبعاد داخل تطبيق واقع معزز (المصدر)

يعتمد الواقع الافتراضي (VR) على أفكار تتبع مماثلة، لكن الهدف مختلف. بدلاً من تثبيت المحتوى الرقمي في العالم الحقيقي، يركز الواقع الافتراضي على تتبع رأسك ويديك حتى يستجيب العالم الافتراضي بشكل طبيعي أثناء تحركك.

Link to this sectionتتبع المعدات المتحركة وأتمتة العمليات#

غالبًا ما تحتوي البيئات الصناعية على معدات ومنتجات تتحرك عبر مراحل متعددة من سير العمل. تعتمد كل مرحلة على التوقيت والتنسيق الدقيقين. يمكن أن يتأخر التتبع اليدوي لأن العناصر تتحرك بسرعات مختلفة، أو تتداخل مع بعضها البعض، أو تغير موضعها بسرعة.

يساعد تتبع الحركة المدعوم بالذكاء الاصطناعي من خلال منح أنظمة الإنتاج رؤية أوضح لكل كائن أثناء تحركه عبر الخط. في دراسة مثيرة للاهتمام، قامت شبكة من الكاميرات المتصلة بتتبع المنتجات عبر دورة إنتاج كاملة وقامت بتحديث توأم رقمي، وهو نسخة افتراضية من العملية الحقيقية، في الوقت الفعلي.

حدد النظام كل منتج، وتتبع حركته، وحافظ على محاذاة النموذج الرقمي مع ما كان يحدث في الموقع. أدى هذا النهج إلى تحسين المراقبة ودعم التشغيل الأكثر أمانًا من خلال منح المشغلين رؤية موثوقة في كل مرحلة. كما أظهر كيف يمكن لتتبع الحركة أن يتيح أتمتة أكثر مرونة وقابلية للتوسع عندما تتوفر بيانات تتبع متسقة.

Link to this sectionإيجابيات وسلبيات تتبع الحركة المدعوم بالذكاء الاصطناعي#

إليك بعض مزايا استخدام تتبع الحركة المدعوم بالذكاء الاصطناعي:

• تحسين الاسترداد من الانسداد: غالبًا ما يمكن لأنظمة الذكاء الاصطناعي الرؤية الحفاظ على المسارات أو استعادتها عندما تتداخل الكائنات أو تختفي لفترة وجيزة.
• قابلية التوسع: بمجرد نشرها، يمكن لأدوات التتبع بالذكاء الاصطناعي معالجة مقاطع فيديو طويلة وخلاصات كاميرات متعددة دون إعداد متكرر لكل لقطة.
• بيانات حركة أغنى: يمكن استخدام مخرجات التتبع لقياس المسارات، والعدد، ووقت التوقف، وتقديرات السرعة الأساسية للتحليلات.

يعمل التتبع المدعوم بالذكاء الاصطناعي بشكل جيد في العديد من الحالات، لكنه ليس جاهزًا للاستخدام الفوري في كل إعداد. إليك بعض القيود التي يجب مراعاتها:

• الصيانة المستمرة: يمكن أن يتغير الأداء بمرور الوقت مع تغير زوايا الكاميرا أو البيئات أو أعباء العمل، لذا غالبًا ما تكون التحديثات الدورية ضرورية.
• تعقيد التكامل: قد يتطلب توصيل أدوات التتبع بمحرري الفيديو أو التحليلات أو أنظمة الأتمتة الحالية محولات ومعايرة واختبارات إضافية.
• الحالات الاستثنائية في الظروف القاسية: يمكن أن لا تزال الإضاءة المنخفضة، وضبابية الحركة، والانسداد الشديد، والكائنات الصغيرة جدًا تسبب أخطاء في التتبع.

Link to this sectionأبرز النقاط#

أصبحت ميزات تتبع الحركة المدفوعة بالذكاء الاصطناعي بسرعة الخيار الأكثر عملية لفيديو العالم الحقيقي، حيث تكون الحركة سريعة، والمشاهد مزدحمة، ولا يمكن توسيع نطاق الإصلاحات اليدوية. تتحسن الرؤية الحاسوبية بسرعة، وهذا يجعل أنظمة التتبع أسهل في النشر وأكثر موثوقية في الظروف الصعبة. ونتيجة لذلك، أصبح تتبع الحركة أكثر فائدة عبر الروبوتات وتطبيقات الهاتف المحمول والتحليلات وإنشاء المحتوى.

انضم إلى مجتمعنا واستكشف أحدث تقنيات رؤية الذكاء الاصطناعي على مستودع GitHub الخاص بنا. تفضل بزيارة صفحات الحلول الخاصة بنا لمعرفة كيف تقود تطبيقات مثل الذكاء الاصطناعي في التصنيع والرؤية الحاسوبية في الرعاية الصحية التقدم، وتحقق من خيارات الترخيص لدينا لتشغيل حل الذكاء الاصطناعي التالي الخاص بك.