كيفية حساب المسافة باستخدام نماذج الرؤية الحاسوبية؟

عندما تعبر الطريق وترى سيارة قادمة نحوك، يمكنك فوراً تقدير المسافة التي تفصلك عنها تقريباً. يعود هذا التقدير السريع، الذي يكاد يكون غريزياً، إلى الفهم المكاني لمحيطك. بناءً على هذا الإدراك، يمكنك اتخاذ قرار بالتسريع أو التوقف أو مواصلة المشي.

على نحو مشابه، يُعد computer vision فرعًا من الذكاء الاصطناعي (AI) الذي يتيح للآلات تطوير فهم لمحيطها من خلال تفسير البيانات المرئية. تمامًا مثل قدرتك على تقييم مدى قرب السيارة لاتخاذ قرارات سريعة، يمكن لنماذج الرؤية الحاسوبية تحليل الصور والفيديوهات، مما يساعد الآلات على استشعار العالم من حولها والتفاعل معه.

على سبيل المثال، Ultralytics YOLO11 هو نموذج رؤية حاسوبية يمكنه اكتشاف الأشياء وتتبعها في الصور والفيديوهات في الوقت الفعلي. ببساطة، يعمل YOLO11 من خلال فحص الصورة بأكملها دفعة واحدة وليس على أجزاء، مما يجعله أسرع وأكثر كفاءة. يمكنه أيضًا التعامل مع مهام الرؤية الحاسوبية مثل تجزئة المثيلات، وتقدير الوضعية، وتصنيف الصور.

على وجه الخصوص، يمكن استخدام إمكانيات Ultralytics YOLO11 لحساب المسافة الفاصلة بين الكائنات، وهو أمر مفيد في العديد من المجالات مثل التصنيع، والتجزئة، وإدارة الحشود، مما يساعد على تحسين الأمان والكفاءة.

في هذه المقالة، سنستكشف كيف يمكن استخدام Ultralytics YOLO11 في حساب المسافة في تطبيقات الرؤية الحاسوبية، ولماذا يُعد ذلك مهمًا، وتأثيره عبر مختلف الصناعات.

Fig 1. مثال على استخدام YOLO لحساب مسافة هبوط طائرة.

نظرة عامة على حساب المسافة في الرؤية الحاسوبية#

يتضمن حساب المسافة في الرؤية الحاسوبية اكتشاف وتحديد ومقياس البكسلات بين كائنين في الصورة. البكسلات هي الوحدات الفردية التي تشكل الصورة الرقمية، حيث يمثل كل منها نقطة واحدة ذات لون أو قيمة كثافة محددة.

لتحويل قياسات البكسل إلى مسافات في العالم الحقيقي، تُمثل calibration العنصر الأساسي. يمكنك التفكير في الأمر على أنه استخدام مسطرة لقياس شيء ما ثم استخدام هذا القياس لفهم حجم الأشياء الأخرى. من خلال الرجوع إلى كائنات ذات أحجام معروفة، تخلق المعايرة رابطًا بين البكسلات والمسافات الفيزيائية الفعلية.

دعونا نلقي نظرة على مثال لنرى كيف يعمل هذا. في الصورة أدناه، العملة المعدنية هي كائن مرجعي، وحجمها (0.9 بوصة في 1.0 بوصة) معروف. من خلال مقارنة قياسات البكسل للكائنات الأخرى بحجم العملة، يمكننا حساب حجمها في العالم الحقيقي.

Fig 2. يمكن استخدام عملة معدنية كمرجع لقياس الحجم في العالم الحقيقي للكائنات الأخرى.

ومع ذلك، يتم حساب المسافة في مستوى ثنائي الأبعاد (2D)، مما يعني أنه يقيس فقط المسافات الأفقية والعمودية بين الكائنات. يختلف هذا عن تقدير العمق، الذي يقيس مسافة الكائنات في الفضاء ثلاثي الأبعاد، بما في ذلك بعدها عن الكاميرا.

بينما يمكن لـ depth cameras قياس العمق الحقيقي وتقديم معلومات مكانية أكثر تفصيلًا، إلا أنه في كثير من الحالات تكون المسافة المعايرة البسيطة كافية. على سبيل المثال، معرفة مدى تباعد الكائنات في مستوى ثنائي الأبعاد (2D) يعمل بشكل جيد لمهام مثل تتبع الكائنات أو إدارة الطوابير، لذا فإن تقدير العمق ليس مطلوبًا في تلك المواقف.

فهم كيفية عمل حساب المسافة باستخدام Ultralytics YOLO11#

بعد ذلك، سنستعرض كيفية حساب المسافة بين كائنين باستخدام دعم Ultralytics YOLO11 لـ اكتشاف الكائنات والتتبع. إليك تفصيل ذلك:

• اكتشاف الكائنات وتتبّعها: يمكن استخدام Ultralytics YOLO11 لاكتشاف الكائنات من خلال التعرّف عليها في إطار واحد وتتبّع حركة إطارها تلو الآخر في مقطع فيديو. وهو يُعيّن مُعرّف تتبّع (track ID) فريداً لكل كائن، مما يتيح للنظام مراقبة موقعه وحركته طوال الفيديو.
• صناديق الإحاطة: تُرسَم صناديق الإحاطة حول الكائنات المُكتشفة بناءً على نتائج اكتشاف الكائنات في Ultralytics YOLO11، والتي تحدد موقعها في الصورة.
• تحديد الكائنات: يمكن تحديد كائنين للتركيز عليهما، ويقوم Ultralytics YOLO11 بتحديث صناديق الإحاطة مع حركة الكائنات في الوقت الفعلي.
• حساب النقطة المركزية (Centroid): يتم حساب النقاط المركزية (نقاط المنتصف لصناديق إحاطة الكائنين) بناءً على إحداثيات زوايا صندوق الإحاطة، مما يمثل مواقع الكائنات.
• حساب المسافة: يمكن بعد ذلك استخدام النقاط المركزية للكائنين لحساب المسافة الإقليدية بينهما. المسافة الإقليدية هي مسافة الخط المستقيم بين نقطتين في مستوى ثنائي الأبعاد، يتم حسابها باستخدام الاختلافات في كل من الاتجاهين الأفقي والعمودي. يوفر هذا المسافة بين الكائنين بالبكسل.

من المهم أن تضع في اعتبارك أن المسافات المحسوبة باستخدام هذه الطريقة هي تقديرات فقط لأنها تعتمد على قياسات البكسل ثنائية الأبعاد.

الشكل 3. استخدام Ultralytics YOLO لاكتشاف شخص وحساب المسافات.

تأثير تقدير المسافة بواسطة YOLO#

بالنظر إلى أن حساب المسافات باستخدام Ultralytics YOLO11 يُعدّ تقديراً، قد تتساءل: أين يمكن استخدام هذا، وكيف يمكن أن يُحدث فرقاً؟

نظرًا لاستخدام المعايرات للوصول إلى تقديرات المسافات هذه، فهي دقيقة بما يكفي للمساعدة في العديد من المواقف العملية. يُعدّ تقدير المسافة في Ultralytics YOLO11 مفيدًا بشكل خاص في البيئات الديناميكية، مثل المستودعات، حيث تكون الكائنات في حركة مستمرة وتكون التعديلات الفورية ضرورية للحفاظ على سير العمل بسلاسة.

من الأمثلة المثيرة للاهتمام استخدام YOLO11 لـ track packages على سير ناقل وتقدير المسافة بينها في الوقت الفعلي. يساعد ذلك مديري المستودعات على التأكد من تباعد الحزم بشكل صحيح، مما يمنع التصادمات ويحافظ على سير العمل بسلاسة.

في مثل هذه الحالات، لا تكون المسافة الدقيقة ضرورية دائماً. عادةً ما يتم تعيين نطاق أو حد للمسافة المثلى، لذا يعمل التقدير بشكل جيد لهذه الأنواع من التطبيقات.

الشكل 4. اكتشاف الطرود باستخدام Ultralytics YOLO11 وحساب المسافة بينها.

حساب المسافة في تطبيقات الرؤية الحاسوبية#

يمكن أن تستفيد تطبيقات رؤية الحاسوب المختلفة من حساب المسافة بين الكائنات باستخدام Ultralytics YOLO11. ففي تحليل قطاع التجزئة، على سبيل المثال، يساعد في تحسين إدارة طوابير الانتظار من خلال تتبّع مواقع العملاء في الوقت الفعلي. وهذا يتيح للشركات تخصيص الموارد بشكل أفضل، وتقليل أوقات الانتظار، وخلق تجربة تسوق أكثر سلاسة. ومن خلال ضبط مستويات التوظيف ديناميكيًا وإدارة تدفق العملاء، يمكن للمتاجر منع الاكتظاظ وتحسين استغلال المساحة.

وبالمثل، في traffic management، يساعد تقدير المسافة في مراقبة تباعد المركبات وتحليل أنماط الحركة المرورية. يمكن استخدام ذلك لاكتشاف السلوكيات الخطرة، مثل القيادة عن قرب شديد، وضبط إشارات المرور للحفاظ على انسيابية الحركة. يمكن أن يساعد ذلك في جعل الطرق أكثر أمانًا من خلال تحديد المشكلات المحتملة وتحسين الإدارة المرورية العامة في الوقت الفعلي.

Fig 5. يمكن استخدام حساب المسافة المدعوم بالرؤية لمراقبة حركة المرور.

ظهر استخدام فريد آخر لهذه التقنية خلال COVID-19 pandemic عندما ساعدت في تعزيز التباعد الاجتماعي. لقد ضمنت الحفاظ على مسافة آمنة بين الأفراد في الأماكن العامة والمتاجر والمستشفيات، مما قلل من مخاطر انتشار الفيروس.

من خلال تتبع المسافات في الوقت الفعلي، يمكن إرسال تنبيهات عندما يكون الأفراد قريبين جداً من بعضهم البعض، مما يسهل على الشركات ومقدمي الرعاية الصحية الاستجابة بسرعة والحفاظ على بيئة أكثر أماناً للجميع.

إيجابيات وسلبيات حساب المسافة في الرؤية الحاسوبية#

الآن بعد أن ناقشنا بعض تطبيقات حساب المسافة باستخدام الرؤية الحاسوبية، إليك نظرة فاحصة على الفوائد المرتبطة بالقيام بذلك:

• الأتمتة: يمكن للرؤية الاصطناعية أتمتة مهام حساب المسافة التي تتطلب بخلاف ذلك تتبعاً يدوياً، مما يقلل من الأخطاء البشرية وتكاليف العمالة مع زيادة الإنتاجية.
• تحسين الموارد: من خلال معرفة التباعد والقرب التقريبي للكائنات، يمكن تحسين الموارد (مثل الموظفين أو الآلات)، مما يقلل من الهدر ويحسن سير العمل.
• الحد الأدنى من تعقيد الإعداد: بمجرد إعدادها، تكون أنظمة حساب المسافة المعتمدة على الرؤية منخفضة الصيانة نسبياً وتتطلب تدخلاً بشرياً أقل مقارنة بالأنظمة الأخرى التي تعتمد على الإدخال اليدوي أو الآلات المعقدة.

على الرغم من هذه المزايا، هناك أيضاً بعض القيود التي يجب وضعها في الاعتبار عند تنفيذ مثل هذه الأنظمة. إليك نظرة سريعة على العوامل الرئيسية التي يجب مراعاتها عندما يتعلق الأمر بحساب المسافة باستخدام الرؤية الحاسوبية:

• الحساسية للعوامل البيئية: يمكن أن تتأثر دقة حساب المسافة بظروف الإضاءة، أو الظلال، أو الانعكاسات، أو العوائق، مما يؤدي إلى أخطاء أو تناقضات محتملة.
• Privacy concerns: قد يثير استخدام الرؤية الحاسوبية لتتبع الكائنات أو الأشخاص مشكلات تتعلق بالخصوصية، لا سيما في الأماكن العامة أو البيئات الحساسة حيث قد تكون البيانات الشخصية متضمنة.
• التعقيد في سيناريوهات الكائنات المتعددة: في البيئات التي تحتوي على العديد من الكائنات المتحركة، يمكن أن يؤدي حساب المسافات بين كائنات متعددة في وقت واحد بدقة إلى حدوث ارتباك، خاصة إذا كانت قريبة من بعضها البعض أو متداخلة.

أبرز النقاط#

يُعدّ حساب المسافة بين الكائنات باستخدام Ultralytics YOLO11 حلاً موثوقًا يمكنه دعم عملية اتخاذ القرار. وهو مفيد بشكل خاص في البيئات الديناميكية مثل المستودعات، ومتاجر التجزئة، وإدارة حركة المرور، حيث يمكن أن يؤدي تتبّع تقارب الكائنات إلى تحسين الكفاءة والسرعة.

يجعل Ultralytics YOLO11 من الممكن أتمتة المهام التي تتطلب عادةً جهدًا يدويًا. ورغم وجود بعض التحديات، مثل الحساسية للعوامل البيئية ومخاوف الخصوصية، فإن الفوائد مثل الأتمتة، وقابلية التوسع، وسهولة التكامل تجعل له تأثيرًا كبيرًا. ومع استمرار تحسن رؤية الحاسوب، لا سيما في مجالات مثل حساب المسافات، فمن المرجح أن نشهد تحولاً حقيقياً في كيفية تفاعل الآلات مع محيطها وفهمها له.

انضم إلى community الخاصة بنا! استكشف GitHub repository الخاص بنا لمعرفة المزيد حول ذكاء الرؤية. إذا كنت مهتمًا بالاستفادة من الرؤية الحاسوبية، فراجع licensing options الخاصة بنا. تعرف على كيف تعمل computer vision in healthcare على تحسين الكفاءة وشاهد تأثير AI in agriculture من خلال زيارة صفحات الحلول الخاصة بنا!