نموذج أولي لنظام مراقبة يتعرف على الأشخاص المسجلين في قائمة مطلوبين من بث الكاميرا بمكتبة face-recognition وOpenCV، ويسجل كل تعرّف بطابع زمني في SQLite.
مشروع تطوير نموذج أولي لنظام مراقبة ذكي يتعرف على الأشخاص المطلوبين بالتعرف على الوجه، نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز. يحمّل النظام السمات الوجهية لأشخاص مسجلين مسبقًا في قاعدة بيانات، ثم يحلل إطارات الكاميرا في الوقت الفعلي ويقارن الوجوه الظاهرة بها، فيُظهر اسم الشخص عند التطابق ويسجله مع طابع زمني، أو يصنفه "Unknown" عند عدم التطابق.
بُني النموذج بلغة Python ضمن Anaconda وJupyter Notebook، باستخدام مكتبة face-recognition مع OpenCV وMediaPipe وNumPy/PIL وPandas، وقاعدة بيانات SQLite3 لحفظ سجلات التعرف. ويستهدف المشروع على المدى البعيد شبكة كاميرات موزعة في أماكن عامة مثل المطارات والمراكز التجارية والمعابر، لكن ما وثّقه التقرير عمليًا هو اختبار وظيفي على شخص مسجل واحد، دون قياسات رقمية للدقة.
| العنصر | البيانات |
|---|---|
| نوع المشروع | نموذج أولي لنظام مراقبة يعتمد على التعرف على الوجه |
| المجال | الرؤية الحاسوبية، التعلم العميق، أنظمة المراقبة الذكية |
| حالة المشروع | نموذج أولي جُرّب وظيفيًا بواجهة "Combined Cameras" |
| دور تكنو إنجاز | دعم ومساعدة تقنية للطلاب أثناء تطوير المشروع |
| تقنيات أساسية | Python، face-recognition، OpenCV، MediaPipe، NumPy، PIL، Pandas، SQLite3، Jupyter Notebook، Anaconda |
| المخرجات | تعرف لحظي على الوجوه المسجلة، تمييز المجهولين، سجل تعرّف بطابع زمني في قاعدة البيانات |
تعتمد المراقبة الأمنية التقليدية على موظفين يراجعون الصور ومقاطع الفيديو لساعات، ما يرفع احتمالات الخطأ البشري ويؤخر الاستجابة، كما يصعب تغطية مواقع متعددة بالمراقبة اليدوية، وتكلف المراقبة البشرية المستمرة ميزانيات كبيرة. يقترح المشروع أتمتة جزء من هذه العملية عبر خوارزميات التعرف على الوجه، بحيث يُكتشف الشخص المدرج في قائمة معدة مسبقًا تلقائيًا ويُطلق تنبيه دون حاجة إلى مراقبة بشرية متواصلة.
نُفذ المشروع أكاديميًا بواسطة الطلاب، مع مساعدة ودعم تقني من مكتب تكنو إنجاز أثناء مراحل التطوير. ويُعرض ضمن أعمال المكتب مثالًا على دعمه لمشاريع الرؤية الحاسوبية التي تربط التعرف على الوجه بقواعد البيانات.
يوضح مخطط الخوارزمية في التقرير المسار التالي:
| الأداة | الدور في المشروع |
|---|---|
| Python | لغة البرمجة الرئيسية |
| Jupyter Notebook | كتابة الشيفرة وتشغيلها وعرض النتائج تفاعليًا |
| Anaconda | إدارة البيئات الافتراضية والحزم |
| face-recognition | كشف الوجوه وتحليل ميزاتها ومطابقتها مع الصور المخزنة |
| OpenCV | قراءة الكاميرات وعرض الصور وتحسينها وتحويلها |
| MediaPipe | استخراج نقاط الوجه وتحليل الحركة |
| NumPy وPIL | تمثيل الصور بيانات رقمية وفتحها وتحويل صيغها |
| Pandas | تنظيم البيانات وتحليلها |
| SQLite3 | تخزين بيانات الوجوه المرصودة: الاسم والوقت ومعرف الكاميرا |
عرض التقرير اختبارًا عمليًا لواجهة البرنامج "Combined Cameras":
| الحالة | ما ظهر في الاختبار |
|---|---|
| شخص مسجل مسبقًا | إطار أخضر حول الوجه مع الاسم المسجل، وسجل نصي يكرر الاسم مع طابع زمني (14-08-2025 الساعة 20:08:49) |
| شخص غير مسجل | إطار حول الوجه مع عبارة "Unknown (ID: 1)" باللون الأحمر، وسجل نصي يكرر كلمة Unknown |
| قاعدة البيانات | جدول فارغ مهيأ قبل التشغيل، ثم سجل يتضمن الاسم والمعرف 1 والطابع الزمني، مع بقاء حقل camera_id فارغًا |
يصف التقرير النظام بأنه حقق دقة عالية وسرعة استجابة في بيئات متنوعة، لكنه لا يعرض قيمًا رقمية لدقة التعرف أو معدلات الخطأ أو زمن المعالجة، ولا عدد الأشخاص أو الصور المستخدمة في الاختبار. لذلك تُقرأ النتائج هنا بوصفها إثباتًا وظيفيًا لنموذج أولي وليست تقييمًا لأداء نظام تشغيلي.
بحسب الآفاق الواردة في المشروع:
يعالج هذا النوع من الأنظمة صور وجوه وبيانات بيومترية لأشخاص في أماكن عامة. ويشير التقرير نفسه إلى الجدل المرتبط بأنظمة المراقبة بالتعرف على الوجه وإلى ضرورة الامتثال لقوانين حماية البيانات والموازنة بين الأمن العام وحقوق الأفراد. لذلك يحتاج أي استخدام فعلي إلى أساس قانوني واضح، وجهة مخوّلة، وضوابط للوصول إلى البيانات ومدة الاحتفاظ بها، ومراجعة بشرية لأي تطابق قبل اتخاذ أي إجراء.
إذا كنت تعمل على نظام تعرف على الوجوه بالتعلم العميق 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 لنظام مراقبة ذكي يتعرف بالوجه على أشخاص مسجلين مسبقًا في قائمة، عبر تحليل إطارات الكاميرا في الوقت الفعلي ومقارنتها بقاعدة بيانات. نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز، ويستهدف مستقبلًا أماكن عامة مثل المطارات والمعابر.
يحمّل النظام ميزات الوجوه المخزنة، ثم يستقبل إطارات الكاميرا ويعيد تحجيمها ويستخرج ميزات الوجوه فيها ويقارنها بالمخزنة. عند التطابق يُظهر الاسم ويُشغّل الإنذار ويسجل الحدث بطابع زمني، وعند عدم التطابق يُظهر الوجه بعنوان Unknown مع معرف رقمي.
Python ضمن Anaconda وJupyter Notebook، مع مكتبة face-recognition للكشف عن الوجوه ومطابقتها، وOpenCV لقراءة الكاميرا ومعالجة الصور، وMediaPipe وNumPy وPIL وPandas، وقاعدة بيانات SQLite3 لحفظ الاسم ووقت الرصد ومعرف الكاميرا.
وثق التقرير اختبارًا لواجهة Combined Cameras تعرّف فيه النظام على شخص مسجل وسجّل اسمه بطابع زمني، وصنّف شخصًا غير مسجل بعنوان Unknown (ID: 1)، مع حفظ السجل في SQLite. ولم يعرض التقرير قيمًا رقمية للدقة أو حجم بيانات الاختبار، فهي نتائج وظيفية لنموذج أولي.
اختُبر النموذج على حالات محدودة دون تقييم على حشود أو قاعدة بيانات كبيرة، ويتأثر بالإضاءة والزوايا، ولم تُوثق شبكة كاميرات موزعة فعلية. ولأنه يعالج بيانات بيومترية في أماكن عامة، يحتاج أي استخدام فعلي إلى أساس قانوني وجهة مخوّلة ومراجعة بشرية لكل تطابق.
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.
