استكشاف كيف يمكن استخدام رؤية الكمبيوتر للكشف عن النظرة

رؤية الحاسوب (Computer vision) هي فرع من فروع الذكاء الاصطناعي (AI) يركز على تمكين الآلات من تحليل وتفسير البيانات المرئية بطريقة مماثلة للبشر. أحد التطبيقات الرائعة بشكل خاص لرؤية الذكاء الاصطناعي هو اكتشاف النظرة، مما يجعل من الممكن للآلات تتبع وفهم إلى أين ينظر الشخص.

بصفتنا بشراً، يمكننا بشكل طبيعي تتبع نظرة شخص ما وفهم ما يركز عليه. على سبيل المثال، إذا كنت تتحدث مع صديق ونظر فجأة نحو الباب، فقد تستدير غريزياً لترى ما لفت انتباهه. من ناحية أخرى، لا تمتلك الآلات هذه القدرة المدمجة - يجب تدريبها باستخدام تقنيات الرؤية الحاسوبية للتعرف على حركات العين وتفسير اتجاه النظرة. 

مع توقع وصول سوق اكتشاف النظرة العالمي إلى 11.9 مليار دولار بحلول عام 2032، تتبناه العديد من الصناعات لتطبيقات مختلفة. على سبيل المثال، يتم استخدام اكتشاف النظرة في السيارات لتحسين سلامة السائق من خلال مراقبة مستويات الانتباه واكتشاف علامات النعاس أو تشتت الانتباه.

في هذه المقالة، سنستكشف كيف يتم استخدام الرؤية الحاسوبية لتتبع حركة العين واكتشاف النظرة. وسننظر أيضًا في بعض تطبيقاتها الرئيسية عبر مختلف الصناعات. هيا بنا نبدأ!

ما هو تتبع العين وكشف النظرة؟

تتبع العين واكتشاف النظرة هما تقنيتان تستخدمان لتحديد تركيز انتباه الشخص من خلال تحليل حركات العين واتجاه النظرة. بفضل التقدم في الذكاء الاصطناعي وتكنولوجيا الاستشعار، أصبح من الممكن الآن تتبع عيون الشخص في الوقت الفعلي. 

تقليديًا، تعتمد معظم أنظمة تتبع العين على كاميرات الأشعة تحت الحمراء (IR)، والتي تكتشف حركات حدقة العين عن طريق إضاءة العينين بضوء الأشعة تحت الحمراء القريبة والتقاط انعكاسات القرنية. توفر هذه الأنظمة دقة عالية. ومع ذلك، فإنها تتطلب غالبًا أغطية رأس متخصصة، والتي قد تكون غير مريحة للارتداء وعرضة لمشاكل المعايرة.

مع صعود الذكاء الاصطناعي، كان الباحثون يستكشفون بنشاط طرق تتبع العين القائمة على رؤية الكمبيوتر. على عكس الأنظمة التقليدية القائمة على الأشعة تحت الحمراء، تعتمد هذه الأساليب على نماذج رؤية الكمبيوتر مثل Ultralytics YOLO11 لاكتشاف ميزات الوجه مثل العيون والحدقات، بالإضافة إلى إجراء تقدير لوضع الرأس. بالإضافة إلى ذلك، تم تصميم نماذج التعلم العميق المتخصصة مثل GazeNet من NVIDIA خصيصًا لتقدير النظرة. 

‍

في حين لا يزال تتبع حركة العين القائم على رؤية الكمبيوتر مجالًا قيد التطوير، إلا أنه يحمل إمكانات لجعل تتبع حركة العين أكثر سهولة، مما يقلل التكاليف ويحسن سهولة الاستخدام للتطبيقات في مجالات التسويق وعلم النفس وعلم الأعصاب.

تطور كشف النظرة وتتبع العين

بعد ذلك، دعنا نستكشف التحول من الأنظمة التقليدية القائمة على الأشعة تحت الحمراء إلى حلول أكثر سهولة تعتمد على البرامج.

قد تتساءل عما إذا كان تتبع العين واكتشاف النظرة يمكن إجراؤهما بدون الذكاء الاصطناعي - فلماذا هناك بحث مستمر حول دمج الذكاء الاصطناعي ورؤية الكمبيوتر في هذه التقنيات؟ في حين أن طرق تتبع العين التقليدية موجودة، إلا أنها تعتمد غالبًا على كاميرات الأشعة تحت الحمراء المتخصصة وأجهزة تتبع العين المثبتة على الرأس، والتي قد تكون باهظة الثمن ومرهقة وتتطلب ظروف إضاءة محكمة. ومع ذلك، تتيح الحلول التي تعتمد على الذكاء الاصطناعي تتبع العين باستخدام كاميرات الويب القياسية وكاميرات الهواتف الذكية، مما يقلل التكاليف ويحسن إمكانية الوصول. 

‍

فيما يلي بعض العوامل الأخرى وراء تطور تقنية تتبع العين وكشف النظرة:

• التطبيقات (Applications): تسمح الأساليب التي تعتمد على البرمجيات لهذا المجال بالتوسع إلى ما وراء البحث ليشمل الأجهزة الاستهلاكية ومجالات مثل الألعاب.
  ‍
• قابلية التوسع: يمكن للذكاء الاصطناعي أن يتدخل لجعل حلول الكشف عن النظرة متاحة لجمهور أوسع، من المستخدمين الأفراد إلى الصناعات واسعة النطاق.
  ‍
• التطورات في تكنولوجيا الكاميرا: اليوم، لدينا إمكانية الوصول إلى كاميرات هواتف ذكية وكاميرات ويب ذات دقة أعلى تعزز دقة تتبع العين - وهو أمر لم يكن ممكنًا قبل 20 عامًا.

استخدام Ultralytics YOLO11 لاكتشاف النظرة وتتبع العين

الآن بعد أن ناقشنا دور الرؤية الحاسوبية في تتبع العين واكتشاف النظرة، دعنا نشرح كيفية استخدام YOLO11 هنا.

يدعم Ultralytics YOLO11 مهام مثل اكتشاف الكائنات وتقدير الوضعية. تم تدريبه مسبقًا على مجموعة بيانات COCO، ويحقق دقة عالية في اكتشاف الكائنات المختلفة. على وجه التحديد، بالنسبة لحل اكتشاف النظرة، يمكن أن يلعب YOLO11 دورًا داعمًا. 

في حين أنه لا يمكنه التنبؤ مباشرة باتجاه النظرة، إلا أنه يمكن ضبطه بدقة لاكتشاف الوجوه والعيون والتلاميذ، وهي مفاتيح لمزيد من التحليل. بمجرد تحديد هذه الميزات، يمكن لنماذج إضافية معالجة بيانات حركة العين لتقدير اتجاه النظرة. 

على سبيل المثال، لتحسين الدقة، يمكن تدريب YOLO11 بشكل مخصص على مجموعات بيانات مثل WIDER FACE لاكتشاف الوجه. أيضًا، فيما يتعلق بقدرات تقدير الوضع في YOLO11، يمكن أن يساعد في تتبع اتجاه الرأس، مما يعزز دقة اكتشاف النظرة.

‍

تطبيقات واقعية لاكتشاف النظرة

يتمتع اكتشاف النظرة، الذي يتم تمكينه بواسطة الرؤية الحاسوبية، بمجموعة واسعة من التطبيقات عبر الصناعات، بدءًا من تحسين السلامة في قطاع السيارات وحتى تحليل التركيز في الألعاب. دعنا نستكشف كيف تستفيد المجالات المختلفة من هذه التقنية.

تتبع النظرة في الألعاب

يتم استخدام تتبع العين في الألعاب لتوفير رؤى في الوقت الفعلي حول تركيز اللاعب واتخاذ القرارات وأوقات رد الفعل. من خلال تتبع حركات العين، تساعد هذه التقنية اللاعبين على تحسين استراتيجياتهم وتعزيز برامج التدريب وتحسين تفاعل الجمهور من خلال عرض مرئي لمكان نظر اللاعبين خلال اللحظات الرئيسية.

مثال مثير للاهتمام على ذلك هو سباقات المحاكاة، وهي رياضة سيارات افتراضية تنافسية حيث يتسابق اللاعبون باستخدام محاكاة قيادة واقعية. يساعد تتبع العين في تحليل كيفية تركيز السائقين على المسار، والتفاعل مع المنافسين، والتنقل في المنعطفات الحادة. من خلال تتبع نظراتهم في الوقت الفعلي، يمكن للمدربين تحديد الأنماط واكتشاف عوامل التشتيت وتحسين استراتيجيات السباق. 

‍

بالإضافة إلى سباقات المحاكاة، يتم أيضًا استخدام تتبع العين في الألعاب التنافسية السريعة لتحليل ردود أفعال اللاعب وأوقات الاستجابة وكيفية تركيزهم على العناصر الرئيسية داخل اللعبة. من خلال فهم المكان الذي ينظر إليه اللاعب قبل اتخاذ خطوة، تساعد هذه البيانات في تحسين اتخاذ القرارات وتحسين الدقة وتعزيز التدريب للعب عالي المستوى.

تقدير النظرة للأبحاث النفسية

هناك العديد من تطبيقات رؤية الذكاء الاصطناعي لتقدير النظرة المتعلقة بالبحث. مثال جيد على ذلك هو استخدامه في علم النفس لدراسة الانتباه والحمل المعرفي والسلوك الاجتماعي. من خلال تحليل حركات العين، يمكن للباحثين اكتساب رؤى حول الإدراك واتخاذ القرارات والظروف الصحية العقلية مثل التوحد واضطراب فرط الحركة ونقص الانتباه. 

على وجه التحديد، يساعد تتبع حركة العين باستخدام رؤية الكمبيوتر في تحديد أنماط حركة العين، ومدة التثبيت، والانتباه البصري، مما يمكن أن يكشف عن الحالات المعرفية والعاطفية. مع التقدم في التعلم العميق وتقدير حركة العين المدفوع بالذكاء الاصطناعي، أصبحت هذه الطرق أكثر دقة وسهولة، مما يسمح بتطبيقات أوسع في الأبحاث العصبية.

السلامة في قطاع السيارات

على مر السنين، استخدم الباحثون طرقًا مختلفة لدراسة انتباه وتركيز السائقين أثناء ظروف المرور المختلفة. من بين هذه الطرق، كان تتبع العين أمرًا بالغ الأهمية ويمكن أن يوفر نظرة ثاقبة حول المكان الذي ينظر إليه السائق أثناء القيادة. 

بمساعدة نماذج رؤية الكمبيوتر، يمكن لاكتشاف النظرة أن يزيد من تحسين هذا التحليل من خلال تتبع حركات العين بدقة في الوقت الفعلي. يمكن أن يمنحنا هذا التحليل فهمًا أفضل لسلوك السائق، مما يساعد في تحديد عوامل تشتيت الانتباه أو التعب أو حالات فقدان التركيز، مما يمكن أن يحسن السلامة على الطرق ويساعد في تطوير أنظمة متقدمة لمساعدة السائق.

‍

على سبيل المثال، إذا كان السائق غالبًا ما ينظر بعيدًا عن الطريق للتحقق من هاتفه أو كان بطيئًا في رد الفعل عند التقاطعات، فيمكن للنظام اكتشاف هذه السلوكيات وإصدار تنبيهات لإعادة تركيز انتباهه، مما قد يمنع وقوع الحوادث.

إيجابيات وسلبيات تتبع حركة العين واكتشاف النظرة

فيما يلي بعض الفوائد الرئيسية التي يمكن أن تجلبها تقنيات تتبع العين وكشف النظرة إلى حياتنا اليومية:

• زيادة الوعي: يوفر تتبع العين رؤى حول كيفية تفاعل الأشخاص بصريًا مع محيطهم، مما يساعد على فهم أنماط الانتباه والتركيز بشكل أفضل.
  ‍
• اتخاذ قرارات أفضل: تساعد البيانات التي يتم جمعها من تتبع حركة العين الباحثين والمهنيين على اتخاذ قرارات مستنيرة بناءً على أنماط الانتباه الموضوعية.
  ‍
• تحسين بيئة العمل البصرية: يمكن أن يساعد تحليل سلوك النظرة في تصميم الشاشات وأماكن العمل والبيئات التي تقلل من إجهاد العين وتحسن الراحة.

في حين أن هذه الفوائد تسلط الضوء على كيف يمكن أن يؤثر الكشف عن النظرة بشكل إيجابي على حياتنا، فمن المهم أيضًا مراعاة التحديات التي ينطوي عليها تنفيذه. فيما يلي بعض القيود الرئيسية التي يجب وضعها في الاعتبار:

• مخاوف الخصوصية: يمكن أن يثير تتبع العين المستمر مشكلات تتعلق بالخصوصية، مما يجعل المستخدمين غير مرتاحين. يمكن أن يساعد ضمان الشفافية وموافقة المستخدم ومعالجة البيانات محليًا في التخفيف من هذه المخاوف.

• طلب حسابي مرتفع: يمكن أن يتطلب تتبع النظرة في الوقت الفعلي أجهزة قوية، مما يحد من إمكانية الوصول على الأجهزة منخفضة الطاقة. ومع ذلك، تساعد النماذج المحسنة في تحسين الكفاءة.

• قيود الدقة: يمكن أن يكون تتبع حركة العين أقل موثوقية في البيئات الواقعية بسبب التغيرات في الإضاءة أو حركات الرأس أو العوائق مثل النظارات والشعر. يمكن أن تؤثر زوايا الكاميرا أيضًا على الأداء.

إبقاء عينيك على المستقبل

إن تتبع العين واكتشاف النظرة، المدعومين بنماذج رؤية الكمبيوتر مثل YOLO11، يغيران الطريقة التي نتفاعل بها مع العالم. من جعل الطرق أكثر أمانًا إلى فهم السلوك البشري، أصبحت هذه التكنولوجيا مفيدة بشكل متزايد في الحياة اليومية.

في حين أن هناك تحديات مثل مخاوف الخصوصية والحاجة إلى أجهزة كمبيوتر قوية، إلا أن التطورات في الذكاء الاصطناعي ورؤية الكمبيوتر تجعل تتبع حركة العين أكثر دقة وسهولة في الاستخدام. ومع استمرار تحسنه، فمن المرجح أن يلعب دورًا أكبر في مجموعة من الصناعات.

لمعرفة المزيد، تفضل بزيارة مستودع GitHub الخاص بنا وتفاعل مع مجتمعنا. استكشف الابتكارات في قطاعات مثل الذكاء الاصطناعي في السيارات ذاتية القيادة و الرؤية الحاسوبية في الزراعة في صفحات الحلول الخاصة بنا. تحقق من خيارات الترخيص الخاصة بنا وأضفِ الحيوية على مشاريع Vision AI الخاصة بك. 🚀