Skeleton Estimation

تقوم هذه الدالة بتقدير الهيكل العظمي الكامل للأجسام في الصور المُدخلة. توفر مستويات تفصيل مختلفة (Body, Body with Feet, Wholebody)، أوضاع أداء قابلة للتعديل، وحدود ثقة لتوازن السرعة والدقة. النواتج تشمل صورة بصرية موضَّحة، بيانات هيكلية عن العظام/النقاط، بيانات تعريفية عن النموذج، وعدد الأشخاص المكتشفين.

📥 المدخلات

Image الصورة المراد تحليلها لاكتشاف وضعيات الأشخاص. يمكن أن تكون إطار كاميرا، صورة محمَّلة، أو صورة معالجة من بلوك آخر.

📤 المخرجات

Visualization صورة مع رسومات الهيكل العظمي ومربعات الإحاطة للأشخاص المكتشفين.

Skeletons بيانات مُهيكلة تصف الأشخاص المكتشفين: مربعات الإحاطة، النقاط الرئيسية (مع أسماء وقيم الثقة)، وتجميعات أجزاء الجسم إن وُجدت.

Model Info معلومات وصفية عن إعدادات النموذج الحالي (نوع النموذج، الوضع، الجهاز، الحداث).

Person Count عدد الأشخاص المكتشفين كما يظهر في المخرجات المُهيكلة.

🕹️ عناصر التحكم (Controls)

• Model Type — اختر مستوى التفصيل: Body (17 نقاط)، Body with Feet (26 نقطة)، أو Wholebody (الجسم + الوجه + اليدين).

• Mode — اختر ملف تعريف المعالجة للمواءمة بين السرعة والدقة (مثل lightweight, balanced, performance).

• Skeleton Style — اختر شكل إخراج النقاط، مثلاً صيغ MMPose أو OpenPose.

• Detection Threshold — حد الثقة الأدنى ليُعتبر الشخص المكتشف صالحًا.

• Keypoint Threshold — حد الثقة الأدنى لاعتبار كل نقطة رئيسية مرئية.

• Max Persons — حد أقصى لعدد الأشخاص المراد معالجتهم وإرجاعهم لتحافظ على الأداء.

🎯 الميزات الرئيسية (Features)

• خيارات نماذج متعددة تُمكِّن كشف سريع للجسم فقط أو تحليل تفصيلي للـ wholebody.

• ضبط الأداء عبر Mode, Detection Threshold, وMax Persons ليتوافق مع قدرات الجهاز.

• تصفية النقاط الرئيسية بناءً على الثقة حتى تُبلّغ فقط النقاط الموثوقة.

• مخرجات بصرية تسهّل التحقق (تراكب الهياكل ومربعات الإحاطة).

• مخرجات مُهيكلة مناسبة للتحليلات أو الأتمتة أو السجلات.

⚙️ آلية العمل (للمستخدم)

• عند تزويد البلوك بصورة، يُشغّل النموذج المُختار ويُرجع صورة موضّحة وبيانات وضعية مُنظّمة.

• Detection Threshold يحدد متى يُعتبر الشخص المكتشف صالحًا: القيم المنخفضة تعيد اكتشافات أكثر (مع احتمال إيجابيات كاذبة)، والقيم العالية أكثر صرامة.

• Keypoint Threshold يحدد أي النقاط تُعلَن كمرئية بناءً على مستوى الثقة.

• Max Persons يحدّ النتائج لأفضل الاكتشافات للحفاظ على الأداء في المشاهد المزدحمة.

• البلوك يتكيف مع Mode المختار للموازنة بين السرعة والدقة: اختر أوضاعًا أخفّ للزمن الحقيقي وأوضاعًا أثقل للدقة الأعلى.

📝 تعليمات الاستخدام

1. وصل مصدر الصورة إلى Image — غالبًا إطارات كاميرا مثل Camera USB أو Camera IP (ONVIF) أو صورة محمَّلة عبر Load Image.

2. اختر Model Type بحسب مستوى التفاصيل المطلوب.

3. اضبط Mode ليناسب توقعات الأداء (أسرع أو أدق).

4. عدّل Detection Threshold وKeypoint Threshold لتصفية الاكتشافات غير الموثوقة.

5. اختياريًا: قلّل Max Persons للمعالجة الأسرع على الأجهزة محدودة الموارد.

6. استخدم المخرجات: اعرض Visualization عبر Show Image، وأرسل Skeletons للتحليل أو التسجيل، وراقب Person Count.

💡 نصائح وحيل

• للمراقبة الحية، استخدم Camera USB, Camera IP (ONVIF) أو Stream Reader. للاختبار استخدم Load Image.

• إذا كان المعالجة بطيئة:

  • اختر Mode أسرع.

  • قلّل Max Persons.

  • أعد تحجيم الصور مسبقًا باستخدام Image Resize قبل هذا البلوك.

• لتحسين الثبات في الصور المزعجة، طبّق معالجة مسبقة مثل Blur أو Denoising.

• للتركيز على منطقة محددة (باب، خط تجميع)، قص الصورة بـImage ROI أو Image ROI Select ثم شغّل التقدير على تلك المنطقة فقط.

• أمثلة لطرق الجمع مع بلوكات أخرى:

  • إرسال Visualization إلى Show Image للمعاينة التفاعلية.

  • إضافة مربعات أو تسميات باستخدام Draw Detections أو Write Text On Image لواجهات المشغل.

  • حفظ لقطات التحقق عبر Image Logger أو تسجيل جلسات باستخدام Record Video.

  • تحويل Skeletons إلى سجلات عبر Data to JSON أو تصدير الأعداد عبر CSV Export.

• لحالات السلامة أو التحليلات الأعلى:

  • استخدم Skeletons مع Social Distance Detector للتحقق من انتهاكات القرب (قد تحتاج لتحويل منظور أو معايرة عبر Perspective Transform).

  • ادخل مربعات الأشخاص أو مراكزهم إلى منطق مخصص لإطلاق تنبيهات أو إجراءات خارجية (مثل Send Mail أو MQTT Publish).

🛠️ استكشاف الأخطاء وإصلاحها

• إذا كانت الاكتشافات قليلة أو معدومة:

  • زد تدريجيًا Detection Threshold و/أو Keypoint Threshold، أو جرِّب Mode أدق.

  • تأكّد من أن الهدف مضاء جيدًا وواضحًا في مصدر Image.

  • جرّب إعادة تحجيم الصورة (Image Resize) لمطابقة مقياس الهدف المتوقع.

• إذا كان الأداء أو الاستجابة ضعيفين:

  • اختر Mode أخفّ، قلّل Max Persons، أو استخدم Image Resize لتقليل حجم الصور.

• إذا بدت النتائج متقلبة بين الإطارات:

  • فكّر في إضافة تمليس زمني في المنطق التالي أو سجل فقط الاكتشافات ذات الثقة العالية.

• إذا فشل تهيئة النموذج أو تشغيله: تأكّد من توفر مكونات وقت التشغيل المطلوبة (قابلة للتثبيت عبر أدوات التطبيق) ثم أعد تشغيل البلوك.

🔗 أمثلة لتدفقات البلوكات

• مراقبة في الزمن الحقيقي: Camera USB → Image Resize → Skeleton Estimation → Draw Detections → Show Image

• سجل تدقيق: Camera IP (ONVIF) → Skeleton Estimation → Image Logger + Data to JSON

• تطبيق سلامة (فحص التباعد): Camera USB → Skeleton Estimation → (استخراج مراكز الأشخاص) → Social Distance Detector → Draw Result On Image

استخدم هذه التركيبات لبناء أنظمة كشف وضعيات موثوقة وفعالة دون الحاجة للتعامل مع تفاصيل التنفيذ.