ما هو تقدير الوضع وأين يمكن استخدامه؟

عندما ترى شخصاً منحنياً أو واقفاً باستقامة مع إرجاع كتفيه إلى الوراء، يتضح لك فوراً ما إذا كان وضعه الجسدي سيئاً أو واثقاً. لا يحتاج أحد لشرح ذلك لك. وذلك لأننا تعلمنا بمرور الوقت تفسير لغة الجسد بشكل طبيعي.

من خلال الخبرة والملاحظة، أصبحت أدمغتنا بارعة جداً في التعرف على وضعية مختلف الأجسام، بما في ذلك البشر. وبفضل التطورات الأخيرة في الذكاء الاصطناعي (AI) والرؤية الحاسوبية، وهو مجال يُمكّن الآلات من تفسير المعلومات المرئية من العالم، بدأت الآلات الآن في تعلم ومحاكاة هذه القدرة أيضاً.

تقدير الوضعية هو مهمة في الرؤية الحاسوبية تساعد الآلات على معرفة موقع واتجاه شخص أو جسم ما من خلال النظر إلى الصور أو الفيديو. ويتم ذلك عن طريق تحديد نقاط رئيسية على الجسم، مثل المفاصل والأطراف، لفهم كيفية تحرك شخص ما، أو حتى شيء ما.

تُستخدم هذه التقنية على نطاق واسع في مجالات مثل اللياقة البدنية، والرعاية الصحية، والرسوم المتحركة. في بيئات العمل، على سبيل المثال، يمكن استخدامها لمراقبة وضعية الموظفين ودعم مبادرات السلامة والعافية. تجعل نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 هذا الأمر ممكناً من خلال تقدير وضعيات البشر في الوقت الفعلي.

الشكل 1. مثال على استخدام YOLO11 لمراقبة وضعية العمال.

في هذه المقالة، سنلقي نظرة فاحصة على تقدير الوضعية وكيفية عمله، إلى جانب حالات الاستخدام الواقعية التي يحدث فيها فرقاً. لنبدأ!

Link to this sectionتطور تقدير الوضعية#

بدأ البحث في تقدير الوضعية في أواخر الستينيات والسبعينيات. وعلى مر السنين، تحولت الأساليب المتبعة في مهمة الرؤية الحاسوبية هذه من الرياضيات والهندسة الأساسية إلى طرق أكثر تقدماً مدفوعة بالذكاء الاصطناعي.

في البداية، اعتمدت التقنيات على زوايا كاميرا ثابتة ونقاط مرجعية معروفة. لاحقاً، تطورت لتشمل نماذج ثلاثية الأبعاد ومطابقة الميزات. اليوم، يمكن لنماذج التعلم العميق مثل YOLO11 اكتشاف وضعيات الجسم في الوقت الفعلي من الصور أو الفيديو، مما يجعل تقدير الوضعية أسرع وأكثر دقة من أي وقت مضى.

مع تحسن التكنولوجيا، رأى الباحثون التطبيقات المحتملة للقدرة على مراقبة وتتبع وضعيات مختلف الأجسام، وخاصة البشر والحيوانات. يعد تقدير الوضعية مهماً بشكل خاص لأنه يُمكّن أدوات الذكاء الاصطناعي من فهم وقياس الوضعية والحركة بطرق لم تكن ممكنة من قبل.

على سبيل المثال، يسمح للحواسيب بالتعرف على الإيماءات للتفاعل بدون استخدام اليدين، وتحليل حركات الرياضيين لتحسين الأداء، وتشغيل رسوم متحركة واقعية في ألعاب الفيديو، وحتى دعم الرعاية الصحية من خلال تتبع تقدم تعافي المرضى.

Link to this sectionكيف يختلف عن مهام الرؤية الحاسوبية الأخرى؟#

يختلف تقدير الوضعية عن مهام الرؤية الحاسوبية الأخرى مثل اكتشاف الأجسام وتجزئة المثيلات. تركز هذه المهام في المقام الأول على تحديد وتحديد مواقع الأجسام داخل الصورة.

يقوم اكتشاف الأجسام، على سبيل المثال، برسم مربعات إحاطة حول العناصر مثل الأشخاص أو المركبات أو الحيوانات للإشارة إلى وجودها وموقعها. تأخذ تجزئة المثيلات هذا الأمر خطوة إلى الأمام من خلال تحديد الشكل الدقيق لكل جسم على مستوى البكسل.

ومع ذلك، تهتم كلتا هاتين الطريقتين بماهية الجسم ومكانه - فهما لا توفران أي معلومات حول كيفية تموضع الجسم أو ما قد يفعله. وهنا يصبح تقدير الوضعية أمراً بالغ الأهمية.

من خلال تحديد النقاط الرئيسية على الجسم، مثل المرفقين أو الركبتين أو حتى الذيل، يمكن لتقدير الوضعية تفسير الوضعية والحركة. وهذا يسمح بفهم أعمق للأفعال والإيماءات وديناميكيات الجسم، بما في ذلك الحركة في الفضاء ثلاثي الأبعاد.

Link to this sectionفهم كيفية عمل تقدير الوضعية#

تتبع نماذج تقدير الوضعية عموماً نهجين رئيسيين: النهج التصاعدي (bottom-up) والنهج التنازلي (top-down). في النهج التصاعدي، يكتشف النموذج أولاً النقاط الرئيسية الفردية، مثل المرفقين أو الركبتين أو الكتفين، ثم يجمعها لمعرفة الشخص أو الجسم الذي تنتمي إليه. في المقابل، يبدأ النهج التنازلي باكتشاف كل جسم أولاً (مثل شخص في الصورة) ثم يحدد النقاط الرئيسية لذلك الجسم المحدد.

الشكل 2. طرق تقدير الوضعية التصاعدية مقابل التنازلية.

تجمع بعض النماذج الأحدث، مثل YOLO11، بين مزايا كلا النهجين. فهي تحافظ على كفاءة الطريقة التصاعدية من خلال تخطي خطوة التجميع اليدوي، بينما تستفيد أيضاً من دقة الأنظمة التنازلية من خلال اكتشاف الأشخاص وتقدير وضعياتهم دفعة واحدة - في عملية واحدة مبسطة.

Link to this sectionالتدريب المخصص لنموذج YOLO11 لتقدير الوضعية#

بينما نستعرض كيفية عمل نماذج تقدير الوضعية، قد تتساءل: كيف تتعلم هذه النماذج في الواقع تقدير وضعية الأجسام المختلفة؟ وهنا تأتي فكرة التدريب المخصص إلى الصورة.

يعني التدريب المخصص تعليم النموذج التعرف على نقاط رئيسية محددة باستخدام بياناتك الخاصة. نظراً لأن بناء نموذج من الصفر يتطلب كمية كبيرة من الصور المصنفة ووقتاً كبيراً، يختار الكثيرون التعلم بالنقل. يتضمن ذلك البدء بنموذج تم تدريبه بالفعل على مجموعة بيانات كبيرة، مثل نموذج تقدير الوضعية YOLO11، والذي تم تدريبه مسبقاً على مجموعة بيانات COCO-Pose، ثم ضبطه بدقة باستخدام بياناتك الخاصة لمهمة أو حالة استخدام محددة.

لنفترض أنك تعمل مع وضعيات اليوغا - يمكنك ضبط YOLO11 بدقة باستخدام صور حيث يتم تصنيف كل وضعية بنقاط رئيسية خاصة بذلك النشاط. للقيام بذلك، ستحتاج إلى مجموعة بيانات مخصصة من الصور المشروحة التي يمكن للنموذج التعلم منها.

أثناء التدريب، يمكنك ضبط إعدادات مثل حجم الدفعة (عدد الصور التي تتم معالجتها في وقت واحد)، ومعدل التعلم (مدى سرعة تحديث النموذج لتعلمه)، والحقبات (عدد المرات التي يدور فيها النموذج عبر مجموعة البيانات) لتحسين الدقة. وهذا يجعل بناء نماذج تقدير الوضعية المصممة لاحتياجاتك الخاصة أسهل بكثير.

Link to this sectionتطبيقات واقعية لتقدير الوضعية#

الآن بعد أن ناقشنا ماهية تقدير الوضعية وكيفية عمله، دعونا نلقي نظرة فاحصة على بعض حالات استخدامه في العالم الحقيقي.

Link to this sectionاستخدام تقدير الوضعية للعلاج الطبيعي#

أصبح تقدير الوضعية تدريجياً أداة موثوقة في صناعة الرعاية الصحية، وخاصة في العلاج الطبيعي. باستخدام الذكاء الاصطناعي والرؤية الحاسوبية، يمكن لهذه الأنظمة تتبع الوضعية والحركات في الوقت الفعلي وتقديم الملاحظات، على غرار ما يقدمه أخصائي العلاج الطبيعي.

على سبيل المثال، يمكن لمريض يتعافى من جراحة في الركبة استخدام نظام تقدير الوضعية للتأكد من أنه يقوم بتمارين إعادة التأهيل بشكل صحيح. يمكن للنظام رصد أي حركات غير صحيحة وتقديم اقتراحات للتحسين، مما يساعد المريض على البقاء على المسار الصحيح وتجنب الإصابة.

الشكل 3. مثال على استخدام YOLO11 للعلاج الطبيعي.

إلى جانب إعادة التأهيل، يشق تقدير الوضعية طريقه أيضاً إلى تطبيقات اللياقة البدنية. على سبيل المثال، يمكن لشخص يتدرب في المنزل استخدام التطبيق للتحقق من أدائه أثناء التمارين. يمكن للتطبيق تقديم ملاحظات في الوقت الفعلي، مثل تعديل زاوية القرفصاء (squat) أو التأكد من استقامة ظهرك أثناء تمرين الرفعة الميتة (deadlift). هذا يساعد المستخدمين على تحسين أدائهم ومنع الإصابات دون الحاجة إلى مدرب.

Link to this sectionالتقاط الحركة للترفيه بتمكين من تقدير الوضعية#

غير تقدير الوضعية طريقة عمل التقاط الحركة في الترفيه، مما جعله أبسط وأكثر سهولة. في الماضي، كان التقاط الحركة يتطلب وضع علامات على جسم الشخص وتتبعها بكاميرات خاصة، وهو ما قد يكون صعباً ومكلفاً.

الآن، مع التقدم في الذكاء الاصطناعي والرؤية الحاسوبية، يمكننا استخدام كاميرات عادية وخوارزميات لتتبع حركات الجسم دون الحاجة إلى علامات، مما يجعل العملية أكثر كفاءة ودقة، حتى في الوقت الفعلي.

مثال رائع على ذلك هو Disney's AR (Augmented Reality) Poser. تتيح لك هذه الأداة الممتعة التقاط صورة بهاتفك وجعل شخصية رقمية تقلد وضعيتك في الواقع المعزز. يعمل هذا عن طريق تحليل وضعيتك في الصورة ومطابقتها مع شخصية ثلاثية الأبعاد، مما يخلق صورة سيلفي ممتعة ومخصصة بتقنية الواقع المعزز.

الشكل 4. شخصية واقع معزز تحاكي وضعية شخص باستخدام تقدير الوضعية.

Link to this sectionأبحاث السلوك الاجتماعي مدفوعة بتقدير وضعية الحيوانات#

تساعد دراسة سلوك الحيوان العلماء على فهم كيفية تواصل الحيوانات، وإيجاد رفاقها، ورعاية صغارها، والعيش في مجموعات. هذه المعرفة حيوية لحماية الحياة البرية واكتساب فهم أعمق للعالم الطبيعي.

يبسط تقدير الوضعية هذه العملية من خلال تتبع حركات ووضعية الحيوان باستخدام الصور ومقاطع الفيديو، دون وضع أجهزة استشعار أو علامات على الحيوانات. يمكن لهذه الأنظمة مراقبة وضعياتها تلقائياً، مما يوفر رؤى حول سلوكيات مثل التنظيف، أو اللعب، أو القتال.

مثال مثير للاهتمام على ذلك هو استخدام العلماء لتقدير الوضعية لدراسة سلوك القردة. في الواقع، قام الباحثون بتجميع مجموعات بيانات مثل OpenApePose، والتي تحتوي على أكثر من 71,000 صورة مصنفة من ستة أنواع من القردة.

الشكل 5. تقدير وضعية القردة.

Link to this sectionإيجابيات وسلبيات تقدير الوضعية#

إليك بعض المزايا الرئيسية التي يمكن أن يوفرها تقدير الوضعية لمختلف الصناعات:

• القابلية للتوسع: يمكن نشر أنظمة تقدير الوضعية على مجموعة واسعة من الأجهزة، من الهواتف الذكية إلى إعدادات الكاميرا المتقدمة، مما يجعلها قابلة للتوسع بدرجة كبيرة ومتاحة لحالات استخدام وبيئات مختلفة.
• فعالة من حيث التكلفة: نظراً لأن تقدير الوضعية يعتمد على كاميرات عادية ولا يتطلب أجهزة استشعار أو علامات باهظة الثمن، فقد يكون حلاً أكثر فعالية من حيث التكلفة لتتبع الحركة في كل من الأبحاث والتطبيقات التجارية.
• المراقبة المستمرة: يمكن لأنظمة تقدير الوضعية توفير تتبع مستمر في الوقت الفعلي، مما يسمح بمراقبة التغيرات بمرور الوقت، سواء كان ذلك لتقدم المريض في إعادة التأهيل أو تتبع سلوك الحيوان في البرية.

على الرغم من أن مزايا تقدير الوضعية واضحة عبر مختلف المجالات، إلا أن هناك أيضاً بعض التحديات التي يجب مراعاتها. إليك بضعة قيود رئيسية يجب وضعها في الاعتبار:

• محدودية التعميم: لا تعمم العديد من النماذج المدربة على مجموعات بيانات بشرية بشكل جيد على الحيوانات أو هياكل الجسم غير الشائعة دون إعادة التدريب على مجموعات بيانات محددة.

• القيود البيئية: قد ينخفض الأداء في ظل الإضاءة الضعيفة، أو ضبابية الحركة السريعة، أو الخلفيات المزدحمة.

• حساسية عالية للاحتجاب (occlusion): يمكن أن تنخفض الدقة عندما تكون أجزاء الجسم محجوبة أو خارج الإطار، خاصة في المشاهد المزدحمة أو تتبع عدة أشخاص.

Link to this sectionأبرز النقاط#

لقد قطع تقدير الوضعية شوطاً طويلاً منذ أيامه الأولى، متطوراً من أنظمة تستخدم العلامات إلى أدوات مؤثرة مدفوعة بنماذج التعلم العميق مثل YOLO11. سواء كان ذلك في تحسين العلاج الطبيعي، أو تشغيل تجارب الواقع المعزز التفاعلية، أو المساعدة في أبحاث الحياة البرية، فإن تقدير الوضعية يغير الطريقة التي تفهم بها الآلات الحركة والوضعية. مع استمرار تقدم التكنولوجيا، سيكون معالجة قيودها مفتاحاً لفتح المزيد من الاستخدامات العملية وجعل الآلات أفضل في فهم كيفية تحركنا نحن والكائنات الحية الأخرى.

هل تشعر بالفضول تجاه الذكاء الاصطناعي؟ استكشف مستودع GitHub الخاص بنا، وتواصل مع مجتمعنا، واطلع على خيارات الترخيص الخاصة بنا لبدء مشروع الرؤية الحاسوبية الخاص بك. تعرف على المزيد حول الابتكارات مثل الذكاء الاصطناعي في البيع بالتجزئة والرؤية الحاسوبية في الخدمات اللوجستية على صفحات الحلول الخاصة بنا.