عدّ الحشود

📅 آخر تحديث: ٣ أغسطس ٢٠٢٦
✍️ نُشر في: ٣ أغسطس ٢٠٢٦
📷 يحتوي على 1 صور
الموسوعة الحرة
كانت مسيرة المليون رجل في واشنطن العاصمة في أكتوبر 1995 محور نزاع كبير حول إحصاء الحشود.

إحصاء الحشود هو عملية حصر إجمالي عدد الأشخاص الموجودين في منطقة معينة. يُطلق على الأشخاص الموجودين في منطقة معينة اسم " الحشد" . وأبسط طريقة هي حصر كل فرد في الحشد. على سبيل المثال، تُستخدم البوابات الدوارة غالبًا لحساب عدد الأشخاص الذين يدخلون فعالية ما بدقة. [ 1 ]

الفهم الحديث

منذ أوائل العقد الأول من الألفية الثانية، طرأ تحول في فهم مصطلح "إحصاء الحشود". فبعد الانتقال من طريقة إحصاء الحشود البسيطة إلى طريقة التجمعات وخرائط الكثافة، طرأت تحسينات عديدة على أساليب إحصاء الحشود. ويمكن تعريف إحصاء الحشود أيضاً بأنه تقدير عدد الأشخاص الموجودين في صورة واحدة. [ 2 ]

طرق عد الحشود

نظراً للتقدم السريع في التكنولوجيا ونمو الشبكات العصبية الالتفافية (CNN) خلال العقد الماضي، فقد ازداد استخدامها في عدّ الحشود بشكل كبير. ويمكن تصنيف الطرق القائمة على الشبكات العصبية الالتفافية ضمن النماذج المختلفة التالية: [ 3 ]

طريقة جاكوبس

تُعدّ طريقة جاكوبس، نسبةً إلى مخترعها هربرت جاكوبس ، أكثر الطرق شيوعًا لحساب أعداد الحشود في الاحتجاجات والتجمعات. تعتمد هذه الطريقة على تقسيم المنطقة التي يشغلها الحشد إلى أقسام، وتحديد متوسط ​​عدد الأشخاص في كل قسم، ثم ضرب هذا المتوسط ​​في عدد الأقسام المشغولة. ووفقًا لتقرير صادر عن موقع "لايفز ليتل ميستيريز" ، تشمل التقنيات المستخدمة أحيانًا للمساعدة في هذه التقديرات: "الليزر، والأقمار الصناعية، والتصوير الجوي، وأنظمة الشبكات ثلاثية الأبعاد، ولقطات الفيديو المسجلة، وبالونات المراقبة، التي تُربط عادةً على بُعد عدة مربعات سكنية حول موقع الحدث، وتحلق على ارتفاع يتراوح بين 120 و240 مترًا (400 إلى 800 قدم) فوق المنطقة". [ 2 ]

العد القائم على الانحدار المباشر

تعتمد طريقة عدّ الحشود هذه على استخدام الانحدار على خصائص الصورة العامة لتطبيقها على الصورة بأكملها. تشير خصائص الصورة العامة إلى الخصائص المختلفة لمناطق معينة من الصورة. على سبيل المثال، تشمل خصائص الصورة العامة "تمثيلات الخطوط الخارجية، ووصف الأشكال، وخصائص النسيج". [ 4 ]

نظرًا لعدم مراعاة معلومات توزيع الأجسام، لا يمكن تحديد مواقعها باستخدام نماذج الانحدار. [ 5 ] إضافةً إلى ذلك، ولأن هذا النموذج يُقدّر كثافة الحشود بناءً على وصف أنماطها، فإنه يتجاهل أجهزة التتبع الفردية. [ 2 ] وهذا ما يجعل نماذج الانحدار فعّالة للغاية في الصور المزدحمة؛ فإذا كانت الكثافة لكل بكسل عالية جدًا، فإن نماذج الانحدار هي الأنسب.

استخدمت طرق عد الحشود السابقة نماذج الانحدار الكلاسيكية. [ 6 ]

العد القائم على الكثافة

تعتمد خرائط كثافة الأجسام على إيجاد العدد الإجمالي للأجسام الموجودة في منطقة معينة. ويُحدد هذا العدد من خلال الجمع التكاملي لعدد الأجسام في تلك المنطقة. [ 5 ] ونظرًا لتقدير قيم الكثافة من خلال قيم منخفضة، فإن العد القائم على الكثافة يُمكّن المستخدم من الاستفادة من مزايا النماذج القائمة على الانحدار إلى جانب تحديد موقع المعلومات. [ 5 ] ويشير تحديد موقع المعلومات إلى عملية الحفاظ على معلومات الموقع.

تعزيز عملية عدّ الحشود

للاستفادة من النماذج المذكورة أعلاه بكفاءة، من المهم توفر كمية كبيرة من البيانات. مع ذلك، كمستخدمين، نواجه محدودية البيانات، أي الصورة الأصلية. وللتغلب على هذه المشكلة، نلجأ إلى تقنيات مثل الاقتصاص العشوائي. الاقتصاص العشوائي هو عملية اختيار أجزاء محددة من الصورة الأصلية بشكل عشوائي.

بعد إجراء عدة تكرارات من الاقتصاص العشوائي، يتم بعد ذلك إدخال الصور الفرعية إلى خوارزمية التعلم الآلي لمساعدة الخوارزمية على التعميم بشكل أفضل.

لمعالجة المشكلات المرتبطة بحصر الحشود في المناطق ذات الكثافة السكانية العالية، يمكن استخدام أساليب الحصر القائمة على الكثافة. تُستخدم هذه الأهرامات التصويرية عادةً لحصر الحشود في الأماكن التي يتجمع فيها الناس لأداء الطقوس أو ممارسة معتقداتهم الدينية، وذلك لوجود أحجام مختلفة من الأشخاص في مواقع مختلفة داخل الصورة.

مع ذلك، ونظرًا لارتفاع تكلفة استخدام الخوارزميات اللازمة لإنشاء أهرامات الصور، فإن الاعتماد على هذه الأساليب غير مستدام ماليًا. ونتيجة لذلك، يمكن اللجوء إلى نماذج الدمج العميق. [ 7 ]

ستستخدم نماذج الدمج العميق هذه "شبكة عصبية أو أكثر لتعزيز دقة انحدار خريطة الكثافة". [ 8 ] ستقوم هذه النماذج أولاً بتحديد موقع كل مدني داخل الصورة. ثم، ستحدد خرائط الكثافة للمنطقة باستخدام "موقع المشاة وشكلهم وتشوه المنظور". [ 8 ]  نظرًا لوجود العديد من التكرارات للخوارزمية وعمليات المسح، يتم حساب عدد الأشخاص من خلال رؤوسهم. ويرجع ذلك أيضًا إلى وجود العديد من الحالات التي تتداخل فيها أجساد المدنيين.

أهمية

يلعب إحصاء الحشود دورًا هامًا في "السلامة العامة، ولغة التجمع، والمراقبة بالفيديو" [ 9 ]   ، من بين أمور أخرى كثيرة. فبدون ضبط الحشود، وبسبب سوء التخطيط، قد تقع حوادث مروعة عديدة. ومن أبرزها كارثة هيلزبورو التي وقعت في 15 أبريل في إنجلترا. وحادثة أخرى لا تُنسى، حين هدد لويس فرخان بمقاضاة شرطة حدائق واشنطن العاصمة لإعلانها أن 400 ألف شخص فقط حضروا مسيرة المليون رجل التي نظمها عام 1995.

في الفعاليات التي تُقام في الشوارع أو الحدائق العامة، بدلاً من الأماكن المغلقة، يكون حصر أعداد الحضور أكثر صعوبة وأقل دقة. في العديد من الفعاليات، وخاصة التجمعات أو الاحتجاجات السياسية ، يحمل عدد الأشخاص في الحشد دلالة سياسية، وتكون نتائج الحصر مثيرة للجدل . على سبيل المثال، شهدت الاحتجاجات العالمية ضد حرب العراق العديد من الاحتجاجات التي تباينت فيها أعداد الحضور بشكل كبير بين المنظمين من جهة والشرطة من جهة أخرى.

مراجع

  1. ↑ "ما هي البوابات الدوارة؟ (مع صور)" . موقع EasyTechJunkie . تاريخ الاسترجاع: 11 أكتوبر 2022 .
  2. لوي ، تشين تشانغ ؛ تشين، كي؛ غونغ، شاوغانغ؛ شيانغ، تاو (2021). "العد الدقيق للحشود". معاملات IEEE في معالجة الصور . 30 : 2114-2126 . arXiv : 2007.06146 . Bibcode : 2021ITIP...30.2114W . doi : 10.1109/TIP.2021.3049938 . PMID: 33439838. S2CID : 220496399 .  
  3. ↑ تشو، هوانبنغ؛ تانغ، جيلين؛ هو، هاوجي (2021-10-01). "شبكة هرمية للميزات موجهة بالانتباه لعدّ الحشود" . مجلة الاتصالات المرئية وتمثيل الصور . 80 103319. doi : 10.1016/j.jvcir.2021.103319 . ISSN 1047-3203 . S2CID 241591128 .  
  4. ↑ ليسين، ديمتري أ.؛ مطر، مروان أ.؛ بلاشكو، ماثيو ب.؛ بينفيلد، مارك س.؛ ليرند-ميل، إريك ج. "دمج ميزات الصور المحلية والعالمية للتعرف على فئة الكائن" (PDF) .
  5. كانغ، د.؛ ما، ز.؛ تشان، أ.ب. (مايو 2019). "ما وراء العدّ: مقارنات خرائط الكثافة لمهام تحليل الحشود - العدّ، والكشف، والتتبع". معاملات IEEE في الدوائر والأنظمة لتكنولوجيا الفيديو . 29 ( 5 ): 1408-1422 . arXiv : 1705.10118 . doi : 10.1109 /TCSVT.2018.2837153 . S2CID 19706288 . 
  6. ↑ ديلوسو، ريتا؛ بوتزو، لورينزو؛ فوميرا، جورجيو (2022). "إحصاء الحشود في مشاهد محددة باستخدام صور تدريبية اصطناعية". التعرف على الأنماط . 124 108484. Bibcode : 2022PatRe.12408484D . doi : 10.1016/j.patcog.2021.108484 . hdl : 11584/341493 . S2CID 245109866 . 
  7. ↑ خان، سلطان داود؛ صالح، ياسر؛ ظفر، باسم؛ نوروالي، عبد الفتاح (28-09-2021). "شبكة دمج عميق لحساب أعداد الحشود في المشاهد المزدحمة عالية الكثافة" . المجلة الدولية لأنظمة الذكاء الحسابي . 14 (1): 168. doi : 10.1007/s44196-021-00016-x . ISSN 1875-6883 . 
  8. 1 2 تانغ، سيكي؛ بان، تشيسونغ؛ تشو، شينغيو (2017-01-01). "شبكة عصبية تلافيفية عميقة الدمج منخفضة الرتبة ومتفرقة لحساب الحشود" . مسائل رياضية في الهندسة . 2017 : 1-11 . doi : 10.1155/2017/5046727 .
  9. ↑ تشو، هوانبنغ؛ تانغ، جيلين؛ هو، هاوجي (2021-10-01). "شبكة هرمية للميزات موجهة بالانتباه لعدّ الحشود" . مجلة الاتصالات المرئية وتمثيل الصور . 80 103319. doi : 10.1016/j.jvcir.2021.103319 . ISSN 1047-3203 . S2CID 241591128 .