نموذج أولي لمراقبة الامتحانات يستخدم YOLO وMediaPipe وOpenCV لتحليل اتجاه رأس الطالب، فيؤشر الالتفات بإطار أحمر للمراجعة والتوجه الأمامي بإطار أخضر.
مشروع أكاديمي لبناء نموذج أولي لمراقبة الامتحانات بالرؤية الحاسوبية، يحلل إطارات الكاميرا لرصد مؤشرات سلوكية قد ترتبط بمحاولات الغش، وأبرزها التفات الرأس عن الاتجاه الأمامي. نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز، باستخدام Python ومكتبة OpenCV، ونموذج YOLO لتحديد الشخص في المشهد، ومكتبة MediaPipe لاستخراج معالم الوجه والجسم.
في النسخة المنفذة، يصنف النظام الالتفات نحو اليمين أو اليسار، طفيفًا كان أو كاملًا، حالةً تستدعي المراجعة ويرسم إطارًا أحمر حول وجه الطالب، بينما يعد التوجه المستقيم نحو الشاشة حالة طبيعية ويرسم إطارًا أخضر. واختُبر النموذج بكاميرا عادية في بيئة مضبوطة من حيث الحركة والإضاءة وزاوية التصوير، لا في قاعات امتحان فعلية، ولا يتضمن المشروع مقاييس دقة رقمية خاصة به.
| العنصر | البيانات |
|---|---|
| نوع المشروع | نموذج أولي للرؤية الحاسوبية لتحليل السلوك أثناء الامتحانات |
| المجال | التعليم، الذكاء الاصطناعي، الرؤية الحاسوبية، تقدير الوضعيات |
| حالة المشروع | نموذج أولي مختبر في بيئة مضبوطة بكاميرا عادية |
| دور تكنو إنجاز | دعم ومساعدة تقنية للطلاب أثناء تطوير المشروع |
| تقنيات أساسية | Python، OpenCV، YOLO، MediaPipe، Visual Studio Code على Windows |
| المخرجات | تصنيف لحظي لاتجاه الرأس، إطار أحمر للحالة المشبوهة وأخضر للحالة الطبيعية |
تعتمد مراقبة الامتحانات تقليديًا على المراقبين، وهو أسلوب يواجه صعوبات واضحة: مراقبة عدد كبير من الطلاب في وقت واحد، واختلاف المعايير بين المراقبين، وتراجع التركيز مع التعب على مدى ساعات الامتحان، إضافة إلى الكلفة البشرية واللوجستية المرتفعة في الامتحانات الكبيرة. وقد تفوت المراقب حركات مثل الالتفات المتكرر نحو زميل أو تغيير وضعية الجسد بشكل مريب.
يقترح المشروع أداة مساعدة تحلل حركات الطلاب من إطارات الفيديو وفق معايير موحدة قابلة للضبط، بهدف دعم المراقب البشري لا استبداله، وتوفير مؤشرات يمكن مراجعتها لاحقًا.
نُفذ المشروع أكاديميًا بواسطة الطلاب، مع مساعدة ودعم تقني من مكتب تكنو إنجاز أثناء مراحل التطوير. ويُعرض ضمن أعمال المكتب مثالًا على دعمه للمشاريع التطبيقية التي تجمع بين كشف الأجسام وتقدير الوضعيات لتحليل السلوك.
يوثق المشروع مخطط خوارزمية بالخطوات التالية:
| الحالة المختبرة | استجابة النظام |
|---|---|
| التفات طفيف أو كامل نحو اليسار | تصنيف الحالة مشبوهة وإطار أحمر حول الوجه |
| التفات طفيف أو كامل نحو اليمين | تصنيف الحالة مشبوهة وإطار أحمر حول الوجه |
| الوجه موجه مستقيمًا نحو الشاشة | حالة طبيعية وإطار أخضر حول الوجه |
يذكر المشروع أن النظام استجاب فورًا لتغيرات اتجاه الرأس وميز بين التركيز والانحراف ضمن سيناريو الاختبار. لكن هذه النتيجة وصفية: لم يعرض الكتاب عدد الحالات المختبرة ولا مقاييس كمية خاصة بالمشروع مثل Precision أو Recall أو نسبة الإنذارات الخاطئة أو عدد الإطارات في الثانية. أما نسب الدقة الواردة في الكتاب (مثل 95% و94%) فتعود إلى دراسات سابقة استُعرضت في الإطار النظري، وليست نتائج لهذا النموذج.
بحسب المقترحات الواردة في المشروع:
يعالج هذا النوع من الأنظمة صورًا لوجوه الطلاب وحركاتهم، لذلك يتطلب أي استخدام فعلي إعلام الطلاب بالمراقبة، وتحديد الغرض منها، وضبط صلاحيات الوصول إلى التسجيلات ومدة الاحتفاظ بها، وإبقاء القرار النهائي بيد مراقب بشري.
إذا كنت تعمل على نظام مراقبة يعتمد على الرؤية الحاسوبية وتحتاج إلى مساعدة تقنية في تطوير الفكرة أو بناء نموذج أولي، يمكن التواصل مع مكتب تكنو إنجاز لمناقشة متطلبات المشروع ونطاق الدعم المناسب.
نموذج أولي بالرؤية الحاسوبية نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز، يحلل إطارات الكاميرا لرصد مؤشرات سلوكية قد ترتبط بالغش، وأبرزها التفات الرأس. وهو أداة مساعدة للمراقب البشري، لا نظام يثبت حدوث الغش.
يحمّل النظام نموذج YOLO لتحديد الشخص، ويلتقط الإطارات من الكاميرا، ويقتطع صورة الشخص ويحولها إلى RGB ثم يمررها إلى MediaPipe لاستخراج معالم الوجه والجسم. بعدها يحلل زاوية التفات الرأس مقارنة بالاتجاه الأمامي، ويرسم إطارًا أحمر حول الوجه عند الالتفات وإطارًا أخضر عند التوجه المستقيم نحو الشاشة.
Python مع مكتبة OpenCV لمعالجة الإطارات والرسم عليها، ونموذج YOLO لكشف الأشخاص، ومكتبة MediaPipe لتقدير الوضعيات واستخراج المعالم، وقد طُوّر في Visual Studio Code على نظام Windows.
في الاختبار العملي صنف النظام الالتفات الطفيف أو الكامل نحو اليمين أو اليسار حالة مشبوهة، والتوجه المستقيم حالة طبيعية، واستجاب فورًا لتغير اتجاه الرأس. لكن الكتاب لا يعرض عدد الحالات المختبرة ولا مقاييس كمية مثل Precision أو Recall، ونسب 95% و94% الواردة فيه تعود إلى دراسات سابقة لا إلى هذا النموذج.
اقتصر التنفيذ على تحليل اتجاه الرأس لشخص أمام كاميرا عادية في بيئة مضبوطة، دون اختبار في قاعات امتحان مزدحمة. والالتفات قد يكون حركة عفوية، لذا تحتاج كل إشارة إلى مراجعة بشرية، كما أن التنبيهات الفورية للمراقبين والسجلات الزمنية مذكورة أهدافًا ولم يُعرض تنفيذها.
تواصل مع فريق تكنو إنجاز لمناقشة قابلية التنفيذ العملي، اختيار القطع، وتطوير النموذج الأولي.
نماذج تطبيقية ومنظومات برمجية وهندسية منجزة بدعم المكتب
لوح افتراضي يتيح الكتابة والرسم واختيار الألوان والمسح بإيماءات اليد أمام الكاميرا، مبني بلغة Python مع MediaPipe لتتبع الأصابع وOpenCV لمعالجة الفيديو.
نموذج أولي يكشف الأشخاص بـ YOLOv8 ويتتبعهم بـ DeepSORT داخل مناطق عمل محددة، ويحسب زمن التواجد بالثواني ويصدّر السجلات إلى Excel، مختبر على فيديو مكتبي.
نموذج أولي للتحكم في الدخول إلى منطقة حساسة بالتعرف على الوجه عبر OpenCV وface-recognition، يسجل وقت دخول المصرح لهم ويحفظ صور المجهولين ويطلق إنذارًا صوتيًا.
