تعرّف على كيفية عمل تقدير الوضعية وتطبيقاته في العالم الحقيقي، وكيف تمكّن نماذج مثل Ultralytics YOLO11 الآلات من تفسير حركة الجسم ووضعيته.
عندما ترى شخصًا متراخيًا أو واقفًا بوضعية متراخية أو واقفًا بوضعية مائلة إلى الخلف، يتضح لك على الفور ما إذا كانت وضعيته ضعيفة أو واثقة. لا أحد يحتاج إلى شرح ذلك لك. ذلك لأننا بمرور الوقت تعلمنا بشكل طبيعي تفسير لغة الجسد.
من خلال الخبرة والملاحظة، أصبحت أدمغتنا جيدة جداً في التعرف على وضعية الأجسام المختلفة، بما في ذلك البشر. وبفضل التطورات الأخيرة في مجال الذكاء الاصطناعي (AI) والرؤية الحاسوبية، وهو مجال يمكّن الآلات من تفسير المعلومات البصرية من العالم، بدأت الآلات الآن في تعلم هذه القدرة وتكرارها أيضاً.
تقدير الوضعية هي إحدى مهام الرؤية الحاسوبية التي تساعد الآلات على معرفة موضع واتجاه الشخص أو الجسم من خلال النظر إلى الصور أو الفيديو. وهي تقوم بذلك من خلال تحديد النقاط الرئيسية في 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. ففي بيئات العمل، على سبيل المثال، يمكن استخدامها في بيئات العمل لمراقبة وضعية الموظف ودعم مبادرات السلامة والعافية. نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 تجعل ذلك ممكنًا من خلال تقدير وضعيات الإنسان في الوقت الفعلي.
في هذه المقالة، سنلقي نظرة فاحصة على تقدير الوضعية وكيفية عملها، إلى جانب حالات الاستخدام الواقعية التي تُحدث فيها فرقًا. لنبدأ!
بدأ البحث في تقدير الوضعية في أواخر الستينيات والسبعينيات. على مر السنين، تحولت الأساليب المتبعة في مهمة الرؤية الحاسوبية هذه من الرياضيات والهندسة الأساسية إلى أساليب أكثر تقدماً مدفوعة بالذكاء الاصطناعي.
في البداية، اعتمدت التقنيات على زوايا الكاميرا الثابتة والنقاط المرجعية المعروفة. ثم تطورت لاحقاً لتشمل النماذج ثلاثية الأبعاد ومطابقة السمات. واليوم، يمكن لنماذج التعلّم العميق مثل YOLO11 اكتشاف مواضع 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 الأجسام المختلفة، وخاصة البشر والحيوانات. يُعد تقدير الوضعية مهمًا بشكل خاص لأنه يمكّن أدوات الذكاء الاصطناعي من فهم وقياس الوضعية والحركة بطرق لم تكن ممكنة من قبل.
على سبيل المثال، يسمح لأجهزة الكمبيوتر بالتعرف على الإيماءات للتفاعل بدون استخدام اليدين، ويحلل حركات الرياضيين لتحسين الأداء، ويدعم الرسوم المتحركة الواقعية في ألعاب الفيديو، بل ويدعم الرعاية الصحية من خلال تتبع تقدم المرضى في التعافي.
تختلف عملية تقدير الوضعية عن مهام الرؤية الحاسوبية الأخرى مثل اكتشاف الأجسام وتجزئة المثيل. تركز هذه المهام في المقام الأول على تحديد الأجسام وتحديد موقعها داخل الصورة.
على سبيل المثال، يرسم الكشف عن الكائنات مربعات محددة حول عناصر مثل الأشخاص أو المركبات أو الحيوانات للإشارة إلى وجودها وموقعها. يأخذ تجزئة المثيل هذا الأمر خطوة إلى الأمام من خلال تحديد الشكل الدقيق لكل كائن على مستوى البكسل.
ومع ذلك، فإن كلتا الطريقتين تهتمان بشكل أساسي بماهية الجسم ومكانه - لا توفران أي معلومات حول كيفية وضع الجسم أو ما قد يفعله. وهنا يصبح تقدير الوضعية أمرًا بالغ الأهمية.
من خلال تحديد النقاط الرئيسية في الجسم، مثل المرفقين أو الركبتين أو حتى الذيل، يمكن لتقدير الوضعية تفسير الوضعية والحركة. يسمح ذلك بفهم أعمق للأفعال والإيماءات وديناميكيات الجسم، بما في ذلك الحركة في الفضاء ثلاثي الأبعاد.
تتبع نماذج تقدير الوضعية عمومًا نهجين رئيسيين: من الأسفل إلى الأعلى ومن الأعلى إلى الأسفل. في النهج التصاعدي، يكتشف النموذج أولاً النقاط الرئيسية الفردية، مثل المرفقين أو الركبتين أو الكتفين، ثم يقوم بتجميعها لمعرفة الشخص أو الجسم الذي تنتمي إليه. في المقابل، يبدأ النهج التصاعدي من أعلى إلى أسفل باكتشاف كل كائن أولاً (مثل شخص في الصورة) ثم تحديد النقاط الرئيسية لهذا الكائن المحدد.
تمزج بعض النماذج الأحدث، مثل YOLO11 بين مزايا كلا النهجين. فهي تحافظ على كفاءة الطريقة التصاعدية من الأسفل إلى الأعلى من خلال تخطي خطوة التجميع اليدوي، مع الاستفادة من دقة الأنظمة التصاعدية من الأعلى إلى الأسفل من خلال اكتشاف الأشخاص وتقدير أوضاعهم دفعة واحدة - في عملية واحدة مبسطة.
أثناء استعراضنا لكيفية عمل نماذج تقدير الوضع، قد تتساءل: كيف تتعلم هذه النماذج فعلياً تقدير وضع الأجسام المختلفة؟ هنا تدخل فكرة التدريب المخصص في الصورة.
التدريب المخصص يعني تعليم نموذج للتعرف على نقاط رئيسية محددة باستخدام بياناتك الخاصة. نظرًا لأن بناء نموذج من الصفر يتطلب قدرًا كبيرًا من الصور المصنفة ووقتًا كبيرًا، يختار العديد من الأشخاص التعلم المنقول. ويتضمن ذلك البدء بنموذج تم تدريبه بالفعل على مجموعة بيانات كبيرة، مثل نموذج تقدير الوضعية YOLO11 الذي تم تدريبه مسبقًا على مجموعة بيانات COCO-Pose، ثم ضبطه باستخدام بياناتك الخاصة لمهمة أو حالة استخدام محددة.
لنفترض أنك تعمل على وضعيات اليوغا - يمكنك ضبط YOLO11 باستخدام الصور حيث يتم تصنيف كل وضعية بنقاط رئيسية خاصة بهذا النشاط. للقيام بذلك، ستحتاج إلى مجموعة بيانات مخصصة من الصور المشروحة التي يمكن للنموذج التعلم منها.
أثناء التدريب، يمكنك ضبط الإعدادات مثل حجم الدُفعات (عدد الصور التي تتم معالجتها في آنٍ واحد)، ومعدل التعلّم (مدى سرعة تحديث النموذج لعملية التعلّم)، والحقب الزمنية (عدد المرات التي يتنقل فيها النموذج بين مجموعة البيانات) لتحسين الدقة. هذا يجعل من الأسهل بكثير بناء نماذج تقدير الوضعية المصممة خصيصًا لتلبية احتياجاتك الخاصة.
والآن بعد أن ناقشنا ما هو تقدير الوضعية وكيفية عمله، دعنا نلقي نظرة فاحصة على بعض حالات استخدامه في العالم الحقيقي.
أصبح تقدير الوضعية تدريجياً أداة موثوقة في مجال الرعاية الصحية، وخاصة في العلاج الطبيعي. فباستخدام الذكاء الاصطناعي والرؤية الحاسوبية، يمكن لهذه الأنظمة تتبع الوضعية والحركات في الوقت الفعلي وتقديم ملاحظات مشابهة لما يقدمه أخصائي العلاج الطبيعي.
على سبيل المثال، يمكن للمريض الذي يتعافى من جراحة في الركبة استخدام نظام تقدير الوضعيات للتأكد من أنه يقوم بتمارين إعادة التأهيل بشكل صحيح. يمكن للنظام اكتشاف أي حركات غير صحيحة وتقديم اقتراحات لتحسينها، مما يساعد المريض على البقاء على المسار الصحيح وتجنب الإصابة.
بعيدًا عن إعادة التأهيل، يشق تقدير الوضعيات طريقه أيضًا إلى تطبيقات اللياقة البدنية. على سبيل المثال، يمكن للشخص الذي يمارس التمارين في المنزل استخدام التطبيق للتحقق من شكله أثناء التمارين. يمكن للتطبيق أن يقدم ملاحظات في الوقت الفعلي، مثل تعديل زاوية القرفصاء أو التأكد من استقامة الظهر أثناء تمرين الرفعة المميتة. وهذا يساعد المستخدمين على تحسين شكلهم وتجنب الإصابات دون الحاجة إلى مدرب.
لقد غيّر تقدير الوضعية الطريقة التي يعمل بها التقاط الحركة في مجال الترفيه، مما جعلها أبسط وأكثر سهولة. في الماضي، كان التقاط الحركة يتطلب وضع علامات على جسم الشخص وتتبعه بكاميرات خاصة، وهو ما كان يتطلب وضع علامات على جسم الشخص وتتبعه بكاميرات خاصة، وهو ما كان صعباً ومكلفاً.
والآن، مع التقدم في مجال الذكاء الاصطناعي والرؤية الحاسوبية، يمكننا استخدام الكاميرات العادية والخوارزميات لتتبع حركات الجسم دون الحاجة إلى علامات، مما يجعل العملية أكثر كفاءة ودقة، حتى في الوقت الفعلي.
ومن الأمثلة الرائعة على ذلك أداة ديزني للواقع المعزز (الواقع المعزز). تسمح لك هذه الأداة الممتعة بالتقاط صورة بهاتفك والحصول على شخصية رقمية تنسخ وضعيتك في الواقع المعزز. تعمل هذه الأداة من خلال تحليل وضعيتك في الصورة ومطابقتها مع شخصية ثلاثية الأبعاد، مما يخلق صورة شخصية ممتعة ومخصصة بالواقع المعزز.
تساعد دراسة سلوك الحيوانات العلماء على فهم كيفية تواصل الحيوانات وعثورها على رفاقها ورعاية صغارها والعيش في مجموعات. هذه المعرفة ضرورية لحماية الحياة البرية واكتساب فهم أعمق للعالم الطبيعي.
يعمل تقدير الوضعية على تبسيط هذه العملية من خلال تتبع حركات الحيوانات ووضعيتها باستخدام الصور ومقاطع الفيديو، دون إرفاق أجهزة استشعار أو علامات بالحيوانات. يمكن لهذه الأنظمة مراقبة وضعيات الحيوانات تلقائيًا، مما يوفر رؤى حول سلوكياتها مثل الاستمالة أو اللعب أو القتال.
ومن الأمثلة المثيرة للاهتمام على ذلك استخدام العلماء لتقدير الوضعية لدراسة سلوك القردة. في الواقع، قام الباحثون بتجميع مجموعات بيانات مثل OpenApePose، والتي تحتوي على أكثر من 71,000 صورة موسومة من ستة أنواع من القردة.
فيما يلي بعض الفوائد الرئيسية التي يمكن أن يجلبها تقدير الوضع لمختلف الصناعات:
في حين أن مزايا تقدير الوضعية واضحة في مختلف المجالات، إلا أن هناك أيضًا بعض التحديات التي يجب أخذها في الاعتبار. فيما يلي بعض القيود الرئيسية التي يجب وضعها في الاعتبار:
قطعت عملية تقدير الوضعية شوطاً طويلاً منذ بداياتها، حيث تطورت من أنظمة تستخدم العلامات إلى أدوات مؤثرة مدفوعة بنماذج التعلم العميق مثل YOLO11. وسواء كان ذلك لتحسين العلاج الطبيعي، أو لتشغيل تجارب الواقع المعزز التفاعلية، أو للمساعدة في أبحاث الحياة البرية، فإن تقدير الوضعية يغير الطريقة التي تفهم بها الآلات الحركة والوضعية. ومع استمرار تقدم التكنولوجيا، فإن معالجة حدودها ستكون مفتاحاً لفتح المزيد من الاستخدامات العملية وجعل الآلات أفضل في فهم كيفية تحركنا نحن والكائنات الحية الأخرى.
هل لديك فضول حول الذكاء الاصطناعي؟ استكشف مستودع GitHub الخاص بنا، وتواصل مع مجتمعنا، وتحقق من خيارات الترخيص لدينا لبدء مشروع رؤية الكمبيوتر الخاص بك. تعرّف على المزيد حول الابتكارات مثل الذكاء الاصطناعي في مجال البيع بالتجزئة والرؤية الحاسوبية في مجال الخدمات اللوجستية على صفحات الحلول الخاصة بنا.
