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.
مشروع أكاديمي نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز لتطوير نموذج أولي لنظام تحكم في الدخول بالتعرف على الوجه إلى منطقة حساسة، ضمن سيناريو تطبيقي لخزينة بنك. يعتمد النظام على كاميرا اللابتوب المدمجة دون معدات إضافية، ويستخدم مكتبة OpenCV لالتقاط الإطارات ومعالجتها، ومكتبة face-recognition لاستخراج خصائص الوجه ومقارنتها بصور الأشخاص المصرح لهم، وكلها مبنية بلغة Python.
عند التعرف على شخص مصرح له يُحاط وجهه بإطار أخضر ويظهر اسمه ويُسجَّل وقت دخوله تلقائيًا، أما الوجه غير المطابق فيُعلَّم بإطار أحمر وكلمة "Unknown"، وتُحفظ صورته في مجلد مخصص ويُطلق إنذار صوتي عبر مكتبة playsound. يمثل المشروع نموذجًا أكاديميًا تجريبيًا، ولا تشير مواده إلى تشغيله داخل بنك فعلي أو إلى قياسات دقة منشورة.
| العنصر | البيانات |
|---|---|
| نوع المشروع | نموذج أولي لنظام تحكم في الدخول |
| المجال | الرؤية الحاسوبية، التعرف على الوجوه، الأمن الفيزيائي |
| سياق الاستخدام | التحكم في الدخول إلى منطقة حساسة ضمن سيناريو خزينة بنك |
| حالة المشروع | نموذج أولي أكاديمي مكتمل ومختبر على صور وكاميرا لابتوب |
| دور تكنو إنجاز | دعم ومساعدة تقنية للطلاب أثناء تطوير المشروع |
| تقنيات أساسية | Python، OpenCV، face-recognition (المبنية على dlib)، playsound، Anaconda، Jupyter Notebook |
| المخرجات | تمييز المصرح لهم من غيرهم، تسجيل وقت الدخول، حفظ صور الوجوه غير المعروفة، إنذار صوتي فوري |
تعتمد كثير من أنظمة تأمين المناطق الحساسة، مثل الخزائن وأماكن تخزين البيانات، على بطاقات الهوية أو كلمات المرور. هذه الوسائل قابلة للسرقة أو الاستنساخ أو المشاركة، ما قد يسمح لشخص غير مصرح له بالدخول دون اكتشافه. كما أن الأقفال الإلكترونية وكاميرات المراقبة التي تفتقر إلى قدرات التحليل تبقى معتمدة على المتابعة البشرية، فقد يفوت الحارس شخصًا يتحرك بسرعة أو وسط زحام، ولا تقدم هذه الأنظمة غالبًا استجابة فورية عند حدوث خرق.
لاحظ المشروع أيضًا أن معظم الأبحاث التي تناولت الذكاء الاصطناعي في القطاع المصرفي ركزت على التهديدات الإلكترونية، مثل مكافحة الاحتيال وغسل الأموال، دون حلول عملية للأمن الفيزيائي ترصد الأشخاص عند مدخل منطقة حساسة. ومن هنا جاءت فكرة نظام يميز آليًا بين المصرح لهم وغيرهم، ويوثق كل محاولة دخول، وينبه فورًا عند ظهور وجه غير معروف.
نُفذ المشروع أكاديميًا بواسطة الطلاب، مع مساعدة ودعم تقني من مكتب تكنو إنجاز أثناء مراحل التطوير. ويُعرض ضمن الأعمال السابقة بوصفه تجربة أكاديمية شارك المكتب في دعمها، مع بقاء المشروع نفسه من إعداد الطلاب.
ولا تنسب هذه الصفحة إلى تكنو إنجاز تنفيذ نظام أمني داخل بنك أو تشغيله في منشأة مصرفية فعلية.
يوضح المخطط التدفقي في المشروع تسلسل العمل التالي:
face-recognition وحفظها كنماذج مرجعية.صُمم النظام ليكون بسيطًا واقتصاديًا، معتمدًا على الكاميرا المدمجة في اللابتوب التي تعمل مباشرة عبر نظام التشغيل دون توصيلات إضافية. يوضع اللابتوب في موقع يتيح للكاميرا التقاط صور واضحة لمن يقترب من المنطقة المحظورة، مثل باب الخزنة، مع اختيار زاوية تغطي مجال الرؤية أمامها، ومراعاة الإضاءة المحيطة لأن ضعفها يؤثر سلبًا في جودة الصور ودقة التعرف.
| المكون | دوره في النظام |
|---|---|
| Python | لغة بناء النموذج وربط المعالجة والتعرف والتنبيه في تدفق واحد |
| OpenCV | الوصول إلى الكاميرا، وقراءة الإطارات، وتحويلها وتصغيرها قبل المعالجة |
| face-recognition | اكتشاف الوجوه واستخراج خصائصها المميزة ومقارنتها بالصور المرجعية، وهي مبنية على مكتبة dlib |
| playsound | تشغيل ملف صوتي كإنذار عند رصد وجه غير معروف |
| Anaconda وJupyter Notebook | إدارة البيئة البرمجية وتنفيذ الشيفرة تفاعليًا |
حدد المشروع متطلبات وظيفية تشمل: التعرف على الوجه للتمييز بين المسموح لهم وغيرهم، وتسجيل وقت دخول المسموح لهم، والتقاط صور غير المصرح لهم، وإرسال تنبيه فوري، وإمكانية إضافة أشخاص إلى القائمة أثناء عمل النظام.
كما وضع متطلبات غير وظيفية بوصفها أهدافًا تصميمية: استجابة لا تتجاوز 2–3 ثوانٍ، ومعدل خطأ أقل من 5%، وتخزين آمن لقاعدة البيانات، ودعم عدة كاميرات في وقت واحد، وتقييد الوصول حسب أدوار المستخدمين. ولم يعرض المشروع قياسات تثبت تحقيق هذه القيم، لذلك تبقى أهدافًا لا نتائج.
يتضمن المخطط المفاهيمي للمشروع أربعة جداول مترابطة:
| الجدول | محتواه |
|---|---|
authorized_persons |
بيانات الأشخاص المصرح لهم بالدخول، مثل أسمائهم ومعلوماتهم |
entry_logs |
كل عملية دخول، مصرحًا بها أو غير ذلك، مع تاريخها ووقتها |
unauthorized_persons |
صور غير المصرح لهم وتفاصيل الكشف عنهم لأغراض التحقيق |
alerts |
التنبيهات الصوتية الصادرة عند اكتشاف شخص غير مصرح له |
عرض الفصل العملي أربعة اختبارات مصورة توضح سلوك النموذج:
| الاختبار | ما يظهره |
|---|---|
| مجلد صور المصرح لهم | صور مرجعية يحمل كل منها اسم صاحبها، تُستخرج منها ميزات الوجه |
| التعرف على شخص مصرح له | إطار أخضر حول الوجه مع الاسم فوقه، وتسجيل وقت الدخول |
| مجلد غير المصرح لهم | صور الوجوه غير المعروفة محفوظة تلقائيًا باسم "unknown" |
| رصد شخص غير مصرح له | إطار أحمر وعبارة "Unknown" وإطلاق إنذار صوتي فوري |
تثبت هذه الاختبارات أن المسار الوظيفي يعمل ضمن السيناريو المعروض. لكن المشروع لا يتضمن قياسات اختبار موثقة، مثل نسبة التعرف الصحيح أو معدل القبول الخاطئ أو زمن الاستجابة الفعلي أو عدد الأشخاص المختبرين، لذلك لا تُعرض أرقام أداء ضمن هذه الصفحة.
بحسب ما ورد في المشروع، يمكن تطوير النظام عبر:
يوضح المشروع تجربة عملية في ربط الكاميرا بمعالجة الصور والتعرف على الوجوه وتسجيل الأحداث والتنبيه الصوتي ضمن نموذج واحد، إلى جانب خبرة تكنو إنجاز في مساعدة الطلاب على تطوير مشاريع تقنية تطبيقية وربط الجانب النظري بنموذج قابل للتجربة.
ولفهم الفرق بين التعرف على هوية الشخص وقراءة تعابير وجهه، اقرأ مقالنا كيف يتعرف الذكاء الاصطناعي على تعابير الوجه؟ شرح FER وFACS وCNN.
يحفظ النظام صورًا لوجوه أشخاص، بمن فيهم غير المصرح لهم، وهي بيانات بيومترية حساسة. لذلك يحتاج أي استخدام فعلي إلى سياسة واضحة لإبلاغ الأشخاص، وتحديد صلاحيات الوصول إلى الصور والسجلات، ومدة الاحتفاظ بها، وحمايتها بالتشفير.
إذا كنت تعمل على مشروع تقني مشابه وتحتاج إلى مناقشة المتطلبات أو الاستفادة من خبرات تكنو إنجاز في المشاريع التطبيقية، يمكنك التواصل مع المكتب لبحث نطاق المساعدة المناسب للمشروع.
إذا كنت تعمل على نظام أمني يعتمد على التعرف على الوجه وتحتاج إلى مساعدة تقنية في تطوير الفكرة أو بناء نموذج أولي، يمكن التواصل مع مكتب تكنو إنجاز لمناقشة متطلبات المشروع ونطاق الدعم المناسب.
هو نموذج أولي أكاديمي نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز، يتحكم في الدخول إلى منطقة حساسة ضمن سيناريو خزينة بنك. يعتمد على كاميرا اللابتوب المدمجة ويميز آليًا بين الأشخاص المصرح لهم وغير المصرح لهم بمقارنة وجوههم بصور مرجعية.
عندما لا يجد النظام تطابقًا مع الصور المرجعية يحيط الوجه بإطار أحمر مع عبارة Unknown، ويحفظ صورته تلقائيًا في مجلد غير المصرح لهم، ويطلق إنذارًا صوتيًا عبر مكتبة playsound. أما عند التعرف على شخص مصرح له فيظهر اسمه فوق إطار أخضر ويُسجل وقت دخوله.
بُني النموذج بلغة Python ضمن بيئة Anaconda وJupyter Notebook. تتولى OpenCV الوصول إلى الكاميرا وقراءة الإطارات وتصغيرها، وتكتشف مكتبة face-recognition المبنية على dlib الوجوه وتستخرج خصائصها وتقارنها بالصور المرجعية، بينما تطلق مكتبة playsound التنبيه الصوتي.
لا، فخزينة البنك سيناريو تطبيقي اختير لدراسة التعرف على الوجه في التحكم بالوصول إلى المناطق الحساسة، ولا تشير المواد إلى نشره في بنك. وعرض المشروع اختبارات مصورة تثبت عمل المسار الوظيفي، أما قيم مثل استجابة 2–3 ثوانٍ ومعدل خطأ أقل من 5% فهي أهداف تصميمية لم تُنشر قياسات تثبتها.
يعمل النموذج بكاميرا لابتوب واحدة، وتتأثر جودة التعرف بالإضاءة وزاوية الكاميرا، ولا يتضمن آلية موثقة لكشف الانتحال. ومن التطويرات المقترحة: دعم عدة كاميرات، وإشعارات الهاتف والبريد، وتشفير قاعدة البيانات، وتحليل السلوك وكشف الحركة، ودمج التعرف على الصوت.
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 لمراقبة الامتحانات يستخدم YOLO وMediaPipe وOpenCV لتحليل اتجاه رأس الطالب، فيؤشر الالتفات بإطار أحمر للمراجعة والتوجه الأمامي بإطار أخضر.