ما تقدير الوضعية وأين يمكن استخدامه؟

عندما ترى شخصًا منحنياً أو واقفًا منتصبًا مع إرجاع كتفيه إلى الخلف، يتضح فورًا ما إذا كانت وضعيته سيئة أم واثقة. لا يحتاج أحد إلى شرح ذلك لك. ويرجع ذلك إلى أننا تعلمنا بطبيعتنا، بمرور الوقت، تفسير لغة الجسد.

من خلال الخبرة والملاحظة، أصبحت أدمغتنا بارعة جدًا في التعرّف على وضعيات مختلف الكائنات، ومنها البشر. وبفضل التطورات الحديثة في الذكاء الاصطناعي (AI) والرؤية الحاسوبية، وهو مجال يتيح للآلات تفسير المعلومات المرئية من العالم، بدأت الآلات بدورها في تعلم هذه القدرة ومحاكاتها.

تقدير الوضعية مهمة في الرؤية الحاسوبية تساعد الآلات على تحديد موضع شخص أو جسم واتجاهه من خلال تحليل الصور أو الفيديو. وتنجز ذلك عبر تحديد النقاط الرئيسية في الجسم، مثل المفاصل والأطراف، لفهم كيفية تحرك شخص ما أو حتى شيء ما.

تُستخدم هذه التكنولوجيا على نطاق واسع في مجالات مثل اللياقة البدنية والرعاية الصحية والرسوم المتحركة. ففي بيئات العمل، على سبيل المثال، يمكن استخدامها لمراقبة وضعية الموظفين ودعم مبادرات السلامة والصحة. وتجعل نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 ذلك ممكنًا من خلال تقدير وضعيات جسم الإنسان في الوقت الفعلي.

الشكل 1. مثال على استخدام Ultralytics YOLO11 لمراقبة وضعية العاملين.

في هذا المقال، سنتعمق في تقدير الوضعية وكيفية عمله، إلى جانب حالات استخدام واقعية يُحدث فيها فرقًا.

تطور تقدير الوضعية#

بدأت الأبحاث في تقدير الوضعية في أواخر ستينيات القرن العشرين وسبعينياته. وعلى مر السنين، انتقلت الأساليب المستخدمة في مهمة الرؤية الحاسوبية هذه من الرياضيات والهندسة الأساسية إلى أساليب أكثر تقدمًا تستند إلى الذكاء الاصطناعي.

في البداية، اعتمدت التقنيات على زوايا كاميرا ثابتة ونقاط مرجعية معروفة. ثم تطورت لتشمل النماذج ثلاثية الأبعاد ومطابقة السمات. واليوم، تستطيع نماذج التعلم العميق مثل Ultralytics YOLO11 وخليفته Ultralytics YOLO26 اكتشاف مواضع الجسم في الصور أو الفيديو في الوقت الفعلي، ما يجعل تقدير الوضعية أسرع وأكثر دقة من أي وقت مضى.

مع تحسن التقنية، أدرك الباحثون إمكانات مراقبة وضعيات أجسام مختلفة وتتبعها، ولا سيما البشر والحيوانات. ويكتسب تقدير الوضعية أهمية خاصة لأنه يتيح لأدوات الذكاء الاصطناعي فهم وضعية الجسم وحركته وقياسهما بطرق لم تكن ممكنة من قبل.

فعلى سبيل المثال، يتيح للحواسيب التعرف على الإيماءات للتفاعل دون استخدام اليدين، وتحليل حركات الرياضيين لتحسين الأداء، وإنشاء رسوم متحركة واقعية في ألعاب الفيديو، بل ويدعم الرعاية الصحية من خلال تتبع تقدم المرضى في التعافي.

ما الفرق بينه وبين مهام الرؤية الحاسوبية الأخرى؟#

يختلف تقدير الوضعية عن مهام الرؤية الحاسوبية الأخرى، مثل اكتشاف الأجسام وتقسيم الكائنات. إذ تركز هذه المهام أساسًا على تحديد الأجسام وتحديد مواقعها داخل الصورة.

يرسم اكتشاف الأجسام، على سبيل المثال، مربعات إحاطة حول عناصر مثل الأشخاص أو المركبات أو الحيوانات للإشارة إلى وجودها ومواضعها. أما تقسيم الكائنات فيتجاوز ذلك إلى تحديد الشكل الدقيق لكل جسم على مستوى البكسل.

لكن كلتا الطريقتين تهتمان أساسًا بماهية الجسم ومكانه، ولا تقدمان أي معلومات عن وضعية الجسم أو ما قد يفعله. وهنا تبرز أهمية تقدير الوضعية.

من خلال تحديد النقاط الرئيسية في الجسم، مثل المرفقين والركبتين أو حتى الذيل، يستطيع تقدير الوضعية تفسير وضعية الجسم وحركته. ويتيح ذلك فهمًا أعمق للأفعال والإيماءات وديناميكيات الجسم، بما في ذلك الحركة في الفضاء ثلاثي الأبعاد.

فهم آلية عمل تقدير الوضعية#

تتبع نماذج تقدير الوضعية عمومًا نهجين رئيسيين: من أسفل إلى أعلى ومن أعلى إلى أسفل. في نهج من أسفل إلى أعلى، يكتشف النموذج أولًا النقاط الرئيسية المنفردة، مثل المرفقين والركبتين والكتفين، ثم يجمعها لتحديد الشخص أو الجسم الذي تنتمي إليه. أما نهج من أعلى إلى أسفل فيبدأ باكتشاف كل جسم أولًا (مثل شخص في الصورة)، ثم يحدد النقاط الرئيسية الخاصة بذلك الجسم.

الشكل 2. طريقتا تقدير الوضعية من أسفل إلى أعلى ومن أعلى إلى أسفل.

تمزج بعض النماذج الأحدث، مثل Ultralytics YOLO11، بين مزايا النهجين. إذ يحافظ YOLO11 على كفاءة النهج التصاعدي بتجاوز خطوة التجميع اليدوي، مع الاستفادة من دقة الأنظمة التنازلية عبر اكتشاف الأشخاص وتقدير وضعياتهم دفعة واحدة، ضمن عملية واحدة مبسطة.

التدريب المخصص لـ Ultralytics YOLO11 لتقدير الوضعية#

بينما نستعرض آلية عمل نماذج تقدير الوضعية، قد تتساءل: كيف تتعلم هذه النماذج فعليًا تقدير وضعية الأجسام المختلفة؟ هنا يأتي دور التدريب المخصص.

يعني التدريب المخصص تعليم نموذج التعرّف على نقاط رئيسية محددة باستخدام بياناتك الخاصة. ونظرًا إلى أن بناء نموذج من الصفر يتطلب عددًا كبيرًا من الصور الموسومة ووقتًا طويلًا، يختار كثيرون التعلم بالنقل. ويتضمن ذلك البدء بنموذج دُرّب مسبقًا على مجموعة بيانات كبيرة، مثل نموذج Ultralytics YOLO11 لتقدير الوضعية، المدرّب مسبقًا على مجموعة بيانات COCO-Pose، ثم ضبطه بدقة باستخدام بياناتك الخاصة لمهمة أو حالة استخدام محددة.

لنفترض أنك تعمل على وضعيات اليوغا؛ يمكنك ضبط Ultralytics YOLO11 بدقة باستخدام صور وُسِمت فيها كل وضعية بنقاط مفتاحية خاصة بهذا النشاط. ولتنفيذ ذلك، ستحتاج إلى مجموعة بيانات للوضعيات تضم صورًا مشروحة يمكن للنموذج التعلم منها.

أثناء التدريب، يمكنك ضبط إعدادات مثل حجم الدفعة (عدد الصور التي تُعالج في المرة الواحدة)، ومعدل التعلم (مدى سرعة تحديث النموذج لتعلمه)، وعدد العصور التدريبية (عدد مرات مرور النموذج على مجموعة البيانات) لتحسين الدقة. وهذا يجعل إنشاء نماذج تقدير وضعية مصممة لتلبية احتياجاتك المحددة أسهل بكثير.

التطبيقات الواقعية لتقدير الوضعية#

بعد أن ناقشنا ماهية تقدير الوضعية وكيفية عمله، لنلقِ نظرة عن كثب على بعض حالات استخدامه الواقعية.

استخدام تقدير الوضعية في العلاج الطبيعي#

أصبح تقدير الوضعية تدريجيًا أداة موثوقة في قطاع الرعاية الصحية، ولا سيما في العلاج الطبيعي. وباستخدام الذكاء الاصطناعي والرؤية الحاسوبية، تستطيع هذه الأنظمة تتبع وضعية الجسم وحركاته في الوقت الفعلي وتقديم ملاحظات، على نحو يشبه ما يقدمه اختصاصي العلاج الطبيعي.

فعلى سبيل المثال، يمكن لمريض يتعافى من جراحة الركبة استخدام نظام لتقدير الوضعية للتأكد من أنه يؤدي تمارين إعادة التأهيل على نحو صحيح. ويستطيع النظام رصد الحركات غير الصحيحة واقتراح سبل لتحسينها، ما يساعد المريض على الالتزام بالخطة وتجنب الإصابة.

الشكل 3. مثال على استخدام Ultralytics YOLO11 في العلاج الطبيعي.

إلى جانب إعادة التأهيل، يشق تقدير الوضعية طريقه أيضًا إلى تطبيقات اللياقة البدنية. فعلى سبيل المثال، يمكن لشخص يتمرن في المنزل استخدام التطبيق للتحقق من صحة وضعيته أثناء التمارين. ويمكن للتطبيق تقديم ملاحظات آنية، مثل تعديل زاوية القرفصاء أو التأكد من استقامة ظهرك أثناء تمرين الرفعة المميتة. ويساعد ذلك المستخدمين على تحسين وضعيتهم وتجنب الإصابات من دون الحاجة إلى مدرب.

التقاط الحركة للترفيه بفضل تقدير الوضعية#

غيّر تقدير الوضعية طريقة التقاط الحركة في مجال الترفيه، فجعلها أبسط وأكثر سهولة. في الماضي، كان التقاط الحركة يتطلب وضع علامات على جسم الشخص وتعقبها بكاميرات خاصة، وهي عملية قد تكون صعبة ومكلفة.

والآن، بفضل التطورات في الذكاء الاصطناعي والرؤية الحاسوبية، يمكننا استخدام الكاميرات العادية والخوارزميات لتتبع حركات الجسم من دون الحاجة إلى علامات، ما يجعل العملية أكثر كفاءة ودقة، حتى في الوقت الفعلي.

ومن الأمثلة الرائعة على ذلك Disney's AR (الواقع المعزز) Poser. تتيح لك هذه الأداة الممتعة التقاط صورة بهاتفك وجعل شخصية رقمية تحاكي وضعيتك في الواقع المعزز. وتعمل الأداة على تحليل وضعيتك في الصورة ومطابقتها مع شخصية ثلاثية الأبعاد، لإنشاء صورة سيلفي ممتعة وشخصية بتقنية الواقع المعزز.

الشكل 4. شخصية بالواقع المعزز تحاكي وضعية شخص باستخدام تقدير الوضعية.

دراسة السلوك الاجتماعي باستخدام تقدير وضعيات الحيوانات#

تساعد دراسة سلوك الحيوانات العلماء على فهم كيفية تواصل الحيوانات، والعثور على شركاء، ورعاية صغارها، والعيش ضمن مجموعات. وهذه المعرفة ضرورية لحماية الحياة البرية واكتساب فهم أعمق للعالم الطبيعي.

يبسط تقدير الوضعية هذه العملية عبر تتبع حركات الحيوانات ووضعياتها باستخدام الصور ومقاطع الفيديو، من دون تثبيت مستشعرات أو علامات على الحيوانات. وتستطيع هذه الأنظمة مراقبة وضعياتها تلقائيًا، ما يوفر رؤى حول سلوكيات مثل التنظيف واللعب والقتال.

ومن الأمثلة المثيرة للاهتمام استخدام العلماء تقدير الوضعية لدراسة سلوك القردة العليا. وقد جمع الباحثون بالفعل مجموعات بيانات مثل OpenApePose، التي تضم أكثر من 71,000 صورة موسومة لستة أنواع من القردة العليا.

الشكل 5. تقدير وضعية القردة العليا.

إيجابيات تقدير الوضعية وسلبياته#

فيما يلي بعض الفوائد الرئيسية التي يمكن أن يقدمها تقدير الوضعية لمختلف القطاعات:

• قابلية التوسع: يمكن نشر أنظمة تقدير الوضعية على مجموعة واسعة من الأجهزة، من الهواتف الذكية إلى إعدادات الكاميرات المتقدمة، ما يجعلها قابلة للتوسع بدرجة كبيرة ومتاحة لحالات استخدام وبيئات مختلفة.
• فعالية التكلفة: يعتمد تقدير الوضعية على الكاميرات العادية ولا يتطلب مستشعرات أو علامات باهظة الثمن، لذا يمكن أن يكون حلًا أقل تكلفة لتتبع الحركة في التطبيقات البحثية والتجارية على حد سواء.
• المراقبة المستمرة: يمكن لأنظمة تقدير الوضعية توفير تتبع مستمر في الوقت الفعلي، ما يتيح مراقبة التغيرات بمرور الوقت، سواء لمتابعة تقدم المريض في إعادة التأهيل أو تتبع سلوك الحيوانات في البرية.

على الرغم من وضوح مزايا تقدير الوضعية في مختلف المجالات، ثمة تحديات ينبغي أخذها في الاعتبار. وفيما يلي بعض القيود الرئيسية التي يجب مراعاتها:

• محدودية التعميم: لا تعمم كثير من النماذج المدرّبة على مجموعات بيانات بشرية جيدًا على الحيوانات أو البنى الجسدية غير الشائعة، إلا بعد إعادة تدريبها على مجموعات بيانات محددة.
• القيود البيئية: قد يتراجع الأداء في ظروف الإضاءة السيئة، أو عند حدوث ضبابية بسبب الحركة السريعة، أو في الخلفيات المزدحمة.
• حساسية عالية للحجب: قد تنخفض الدقة عندما تكون أجزاء الجسم محجوبة أو خارج إطار الصورة، ولا سيما في المشاهد المزدحمة أو عند تتبع عدة أشخاص.

أبرز النقاط#

قطع تقدير الوضعية شوطًا طويلًا منذ بداياته، إذ تطور من أنظمة تستخدم العلامات إلى أدوات مؤثرة تستند إلى نماذج التعلم العميق مثل Ultralytics YOLO11. وسواء استُخدم لتحسين العلاج الطبيعي، أو لتشغيل تجارب تفاعلية بالواقع المعزز، أو لدعم أبحاث الحياة البرية، فإنه يغيّر طريقة فهم الآلات للحركة ووضعية الجسم. ومع استمرار تقدم التقنية، سيكون التصدي لقيودها أساسيًا لإتاحة مزيد من الاستخدامات العملية وتحسين قدرة الآلات على فهم كيفية تحركنا وتحرك الكائنات الحية الأخرى.

هل يثير الذكاء الاصطناعي فضولك؟ استكشف مستودعنا على GitHub، وتواصل مع مجتمعنا، واطّلع على خيارات الترخيص لدينا لبدء مشروعك في الرؤية الحاسوبية. تعرّف على مزيد من الابتكارات، مثل الذكاء الاصطناعي في قطاع البيع بالتجزئة والرؤية الحاسوبية في قطاع الخدمات اللوجستية، في صفحات الحلول لدينا.