في عصر تتزايد فيه الاعتماديات على التكنولوجيا، تُضيف الكاميرات المحمولة (Body-Worn Cameras) بُعدًا جديدًا لعمليات إنفاذ القانون من خلال توفير كميات كبيرة من المواد المرئية. ومع ذلك، يبقى تحليل هذه المواد تحديًا كبيرًا للمدربين والمحللين، حيث يتطلب الأمر وقتًا طويلاً لمشاهدة الفيديوهات بالكامل لتحديد بداية الاحتكاكات الرئيسية والتعرف على اللحظات الحاسمة.

لذلك، تم تطوير نهج مبتكر لمعالجة مقاطع الفيديو الخاصة بالكاميرات المحمولة وتحويلها إلى تسلسل زمني من نوافذ ثابتة الطول تمتد لمدة 10 ثوانٍ. تُعالج هذه النوافذ وتُصنف باستخدام بروتوكولات تحافظ على الخصوصية. كل نافذة تحمل معلومات مزدوجة: (i) السياق العملي للنافذة و (ii) مستوى شدة الحركة، مع وضع تصنيفات منخفضة للأدلة في الحالات التي تفتقر فيها النوافذ إلى دليل كافٍ بسبب الظلام أو التشويش.

تم تدريب نماذج لتمييز هذه النوافذ بناءً على هذين المحورين باستخدام إطارات مأخوذة من كل نافذة، وتم ترميزها باستخدام نموذج CLIP، مما أنشأ تمثيلًا على مستوى النافذة. بالإضافة إلى ذلك، تم استخراج إحصائيات التدفق البصري الكثيف لكل نافذة لالتقاط شدة الحركة.

تبين نتائج الاختبارات أن أفضل نموذج للسياق حقق دقة تصل إلى 78.75%، بينما حقق أفضل نموذج للنشاط دقة بلغت 88.33%. كما تم تضمين تدقيقات سلامة لإظهار النتائج ومدى دعم تمثيلات الجدول الزمني المرئي في تسريع مراجعة الحوادث، مما يجعل سير العمل في تدريب الضباط أكثر فعالية.

مع هذا التطور، نتجه نحو عصر جديد من تحليل بيانات إنفاذ القانون، حيث يتم دعم التدريب واتخاذ القرارات بشكل أكثر دقة وسرعة. فهل ستكون هذه التقنية نقطة تحول في كيفية تعامل الجهات الأمنية مع تكنولوجيا الفيديو؟ شاركونا آراءكم!