شبكة عصبية هجينة للتعرّف على الأشخاص وتتبعهم في مراقبة تقييم العطاءات عن بعد

لماذا تهم المراقبة في غرف العطاءات

عندما تختار الحكومات أو الشركات من سيبني طريقاً أو جسراً أو محطة طاقة، تعتمد في كثير من الأحيان على خبراء يجتمعون في غرفة مناقصات خاصة لتقييم العروض المتنافسة. إذا تسلل شخص غير مدعو، أو غادر خبير بهدوء، يمكن أن تتعرّض نزاهة القرار بأكمله للخطر. توضح هذه الدراسة كيف يمكن لنظام كاميرا ذكي مدعوم بالذكاء الاصطناعي أن يراقب هذه الغرف تلقائياً، ويتابع من هو حاضر، ويصدر تحذيراً عندما يبدو أن شيئاً ما خاطئاً، كل ذلك من دون حاجة إلى أن يحدّق الناس في الشاشات طوال اليوم.

كيف يعمل الحارس الذكي الجديد

بنى الباحثون نظام مراقبة متكامل يوضع فوق كاميرات المراقبة العادية في مكتب تقييم العطاءات. يقوم النظام بأربع مهام رئيسية: اكتشاف الأشخاص في الفيديو، وتتبع حركاتهم عبر الزمن، والتعرّف على وجوههم، وتقييم ما تعنيه هذه الأنماط لأمن المكان. استناداً إلى هذا التصور المجمّع، يقرر وحدة الإنذار ما إذا كان يجب البقاء صامتة أو الإشارة إلى أحداث مثل غياب خبير لفترة طويلة أو دخول شخص غريب. التغيرات اليومية مثل انحجاب شخص مؤقتاً خلف زميل أو دخول وخروج العاملين المعتادين تُسجل ولكن لا تثير إنذارات.

رصد وحساب كل الموجودين في الغرفة

لمتابعة من هو داخل الغرفة، يتعلّم النظام أولاً اكتشاف كل شخص في كل إطار فيديو وحساب عدد الحاضرين. ثم يربط الاكتشافات بين الإطارات بحيث يحصل كل شخص على وسمة هوية مستقرة داخل النظام أثناء تحركه. تساعد خطوة التتبع هذه على تمييز الاختفاء القصير، مثل حين يختفي شخص خلف زميل، عن المغادرة الحقيقية عبر الباب. من خلال تتبّع مسار كل شخص، يمكن للبرنامج تحديد متى غاب خبير لفترة أطول من الحد الزمني المحدد مسبقاً واعتبار ذلك مخاطرة تتطلب الانتباه.

التعرّف على وجوه صغيرة وبعيدة

تُراقب غرف العطاءات عادة بكاميرات مركّبة عالياً على الحائط أو السقف، مما يجعل الوجوه تظهر صغيرة وغالباً بزوايا غير ملائمة. تعمل العديد من أدوات التعرف على الوجوه الموجودة بشكل سيئ في هذه الظروف. لذلك دمج المؤلفون طريقة سريعة لاكتشاف الأشخاص مع مكتشف وجوه محسن أفضل في تكبير الوجوه الصغيرة في المشاهد المزدحمة. بمجرد تحديد الوجه، تتحقق طريقة مطابقة وجوه خفيفة الوزن منه مقابل معرض مخزن للأشخاص المعروفين من الخبراء والموظفين. إذا لم تطابق الوجه الجديد أي شخص معتمد ضمن هامش مقبول، يعلّم النظام هذا الشخص كمحتمل أن يكون متسللاً وينقل هذا التقدير إلى وحدة الإنذار.

كيف أدّى النظام في المكاتب الحقيقية

اختبر الفريق نهجهم على فيديو حقيقي من غرفة تقييم عطاءات في شركة طاقة. قارنوا نظامهم المتكامل مع نهج أبسط يقتصر على عد الأشخاص أو تتبعهم من دون معرفة هوياتهم. أثبت النظام الهجين تفوّقه في التفرقة بين أربع حالات عملية: مغادرة خبير فعلياً، حجب خبير مؤقتاً عن المشهد، دخول موظفين عاديين، ودخول شخص غريب. حقق دقة عالية في التعرف على الوجوه الصغيرة، وعمل بسرعة كافية للاستخدام في الوقت الحقيقي، وقلّل بشدّة من حالات التسلل الفائتة والإنذارات الكاذبة مقارنة بالطرق الأساسية.

ماذا يعني هذا لقرارات أكثر نزاهة

ببساطة، تُظهر هذه الدراسة أن الكاميرات العادية مقترنة بذكاء اصطناعي مصمم جيداً يمكن أن تساعد في الحفاظ على نزاهة غرف اتخاذ القرار الحساسة. يستطيع النظام مراقبة الحضور بهدوء، واكتشاف اختفاء خبير أو ظهور شخص غير معروف، وإرسال تنبيهات في الوقت المناسب ليتدخل المديرون البشريون. مع أنه لا يزال يواجه صعوبات عندما تكون الوجوه مغطاة بشدّة أو مائلة تماماً بعيداً، فإنه يوفر بالفعل أداة عملية لدعم إجراءات مناقصات أنظف ويمكن تكييفه لمواقع عمل أخرى تحتاج إلى مراقبة موثوقة ومنخفضة التكلفة للحضور والمغادرة.

الاستشهاد: Zhou, Z., Wang, Z., Meng, Y. et al. Hybrid neural network for personnel recognition and tracking in remote bidding evaluation monitoring. Sci Rep 16, 15769 (2026). https://doi.org/10.1038/s41598-026-42936-8

الكلمات المفتاحية: مراقبة تقييم العطاءات, تتبع الأشخاص, التعرّف على الوجوه, مراقبة الفيديو, شبكة عصبية