نظام ذكي لاكتشاف سرقات المتاجر بتحليل الفيديو باستخدام Transformers وDjango

في هذا المشروع طوّرتُ نظامًا متكاملًا يهدف إلى رفع مستوى الأمان داخل محلات التجزئة من خلال اكتشاف محاولات السرقة تلقائيًا اعتمادًا على تحليل الفيديو. يعتمد النظام على رؤية حاسوبية متقدمة، وعلى نموذج Transformer قادر على فهم تسلسل الإطارات داخل المقطع وتحديد السلوكيات المريبة بدقّة. البيانات المستخدمة كانت عبارة عن مقاطع فيديو مصنّفة إلى فئتين: Shoplifter و Non-Shoplifter. قبل التدريب، جرى تجهيز كل مقطع باستخراج عدد ثابت من الإطارات وإعادة تحجيمها ومعالجتها بحيث تكون جاهزة لخط الأنابيب الخاص بالنموذج. استخدمت PyTorch مع HuggingFace Transformers، بالإضافة إلى مكتبة Decord لقراءة الفيديوهات بكفاءة. عملية التدريب تمت باستخدام خوارزمية AdamW مع ضبط تدريجي لمعدل التعلّم، ومتابعة مستمرة لمؤشرات الأداء. وبعد اكتمال التدريب، جرى تقييم النموذج بمقاييس الدقة والـ Precision والـ Recall والـ F1-Score، وأظهر أداءً قويًا وثابتًا في التمييز بين المحاولات الحقيقية للسّرقة والسلوك العادي داخل المتجر. ولتحويل النموذج إلى منتج قابل للاستخدام، قمت ببناء واجهة تشغيل فعليّة باستخدام Django، تتيح رفع الفيديو أو تشغيل الكشف مباشرة على مقاطع كاميرات المراقبة. الواجهة تعرض النتائج للمستخدم بطريقة بسيطة وسريعة، وتُمكِّن صاحب المتجر من معرفة ما إذا كانت هناك محاولة سرقة في المقطع المعروض. ولتسهيل فهم النظام، وفّرت أيضًا فيديو توضيحي على يوتيوب يستعرض فكرة المشروع ونتائجه وكيفية عمله خطوة بخطوة. هذا العمل يجمع بين بناء نموذج ذكاء اصطناعي متقدم وبين نشره في صورة تطبيق ويب حقيقي، ليقدّم حلًا عمليًا قابلًا للاستخدام داخل بيئات العمل الفعلية.