إطار عمل رادار FMCW خفيف الوزن للتعرّف على نشاط الإنسان في ظروف بيانات محدودة

مراقبة الحياة اليومية دون كاميرا

تخيل منزلاً يمكنه بهدوء ملاحظة ما إذا انزلقت مسنة وسقطت، أو إذا توقف شخص عن الحركة لفترة غير معتادة — وكل ذلك بدون كاميرات أو ميكروفونات أو أجهزة قابلة للارتداء. تقدم هذه الورقة طريقة جديدة لاستخدام حسّاسات رادار صغيرة وذكاء اصطناعي فعّال للتعرّف على الأنشطة الإنسانية اليومية في بيئة تشبه غرفة نوم، حتى عندما تكون بيانات التدريب ضئيلة. الهدف هو بناء أنظمة مراقبة عملية تحترم الخصوصية ويمكن تشغيلها في النهاية على أجهزة منخفضة التكلفة في المنازل الحقيقية والمستشفيات ومراكز الرعاية.

لماذا الرادار بدلاً من الكاميرات أو الأجهزة القابلة للارتداء؟

تعتمد العديد من أنظمة مراقبة النشاط الحالية على أجهزة قابلة للارتداء مثل الساعات الذكية أو على كاميرات فيديو موضوعة في الغرفة. قد تكون الأجهزة القابلة للارتداء غير مريحة، وتتطلب شحنًا، وغالبًا ما تُنسى أو تُزال، لا سيما أثناء النوم أو الاستحمام. تثير الكاميرات مخاوف واضحة بشأن الخصوصية وقد تتعطل في ظروف إضاءة ضعيفة أو عندما يكون الشخص خلف قطع أثاث. يقدم الرادار خيارًا مختلفًا: فهو يرسل موجات راديوية ويقيس ارتداداتها لاستنتاج الحركة والموقع. يمكن أن يعمل رادار الموجات الملليمترية في الظلام، ومن خلال بعض العوائق، ودون كشف مظهر الشخص، ما يجعله تقنية جذابة للمراقبة المستمرة والمحترمة للحياة اليومية.

تحويل الموجات غير المرئية إلى أنماط مفيدة

استخدم الباحثون حساس رادار مدمج بتردد 60 غيغاهرتز مركّبًا عاليًا في غرفة تشبه غرفة نوم، مائلًا لتغطية السرير والكرسي والأرضية. شارك ثلاثة متطوعين في 16 جلسة تسجيل، وأدوا سبع فئات من الأنشطة: الغرفة فارغة، المشي، الجلوس على السرير، الجلوس على الكرسي، الاستلقاء على السرير، الاستلقاء على الأرض، والانتقالات بين هذه الحالات. بدلًا من تحويل إشارات الرادار إلى صور كما تفعل العديد من الدراسات السابقة، احتفظ الفريق بالبيانات في شكل يعكس كميات فيزيائية مباشرة: المسافة إلى الرادار، سرعة الحركة، والاتجاه من زوايا مختلفة. من كل إطار رادار استخرجوا ثلاثة أنواع من خرائط الميزات — المدى-دوبلر (الحركة مقابل المسافة)، المدى-الأزيْموت (الزاوية الأفقية)، والمدة-الارتفاع (الزاوية الرأسية) — ووضعوها في متجهات متعددة الأبعاد مدمجة تحافظ على كيفية تحرك جسم الشخص في الفضاء عبر الزمن.

ذكاء خفيف للأجهزة الصغيرة

لقراءة هذه الأنماط الرادارية، بنى المؤلفون نموذج تعلم عميق صغير وفعّال عن قصد. يجمع بين نسخة مبسطة من شبكة شهيرة للتعرف على الصور (ResNet-18) ووحدة ذاكرة طويلة قصيرة المدى ثنائية الاتجاه، وهي نوع من الشبكات العصبية المتكررة. تقلل الالتفافات المتخصصة «قابلة للفصل حسب العمق» بشكل كبير من عدد الحسابات والمعاملات مع الحفاظ على التقاط التفاصيل المكانية المهمة، والجزء المتكرر يتعلّم كيف تتطور الأنشطة عبر نوافذ زمنية قصيرة نصف ثانية. لجعل النظام أكثر مرونة على الرغم من امتلاك بيانات من ثلاثة أشخاص فقط، طبق الفريق تكبير بيانات واقعي: تحريك الموضع الظاهر أو السرعة قليلًا، وتغيير مقياس وشذوذ شدة الإشارة، وعكس اتجاه الحركة، وإضافة ضوضاء خفيفة — محاكاةً لتقلبات المنازل الحقيقية والأشخاص في момен المختلفة.

ما مدى دقته في التعرف على الأفعال اليومية؟

اختُبر الإطار باستخدام استراتيجيتين تقييم صارمتين. في اختبار المشهد المتقاطع، دُرب النموذج على معظم جلسات التسجيل واختُبر على مشاهد لم يرها من قبل. في اختبار ترك-شخص-واحد-خارجًا، دُرب على شخصين واختُبر بالكامل على الثالث، لاختبار مدى تعميمه على أفراد جدد. عبر مهمة صعبة مكوّنة من سبع أنشطة، بلغ النظام نحو 92٪ دقة وحوالي 90٪ مقياس F1 عندما حُجبت المشاهد، وحوالي 90٪ دقة على أشخاص لم تُر من قبل. عندما بُسطت المهمة إلى أربع أنشطة أساسية — المشي، الجلوس على السرير، الجلوس على الكرسي، والاستلقاء على السرير — ارتفعت الدقة إلى نحو 99٪ في اختبارات المشهد المتقاطع. ومن الجدير بالذكر أن هذا الأداء طابق أو تفوّق على شبكات عصبونية أكبر وأكثر تطلبًا حسابيًا، بينما استخدم أقل من مليون معلمة وحجم نموذج صغير يقل عن 7 ميغابايت.

ماذا قد يعني هذا لمنازل المستقبل الذكية؟

بعبارة بسيطة، تُظهر الدراسة أن وحدة رادار صغيرة ونموذج ذكاء اصطناعي مدمج يمكنهما تمييز الأنشطة الداخلية الشائعة بشكل موثوق، حتى مع بيانات تدريب محدودة ودون انتهاك الخصوصية. من خلال العمل مباشرة مع ميزات رادار ذات معنى فيزيائي وحيل تكبير مختارة بعناية، يحقق المؤلفون كلًا من الدقة والكفاءة، مما يجعل نهجهم مناسبًا للأجهزة المدمجة على الحافة بدلًا من الخوادم الضخمة في السحابة. مع توسيع مجموعات البيانات لتشمل المزيد من الأشخاص والسلوكيات، قد تؤسس هذه المراقبة القائمة على الرادار غرف نوم ذكية مستقبلية وغرف مستشفيات ومساحات للمعيشة بمساعدة تحافظ بهدوء على السلامة والرفاهية مع احترام كرامة وخصوصية من يعيشون فيها.

الاستشهاد: Fard, A.S., Mashhadigholamali, M., Zolfaghari, S. et al. Lightweight FMCW radar framework for human activity recognition under limited data conditions. Sci Rep 16, 9650 (2026). https://doi.org/10.1038/s41598-026-44815-8

الكلمات المفتاحية: التعرف على النشاط بواسطة الرادار, رادار موجات ملليمترية FMCW, مراقبة المنازل الذكية, تعلم عميق خفيف الوزن, العيش بمساعدة البيئة