عرض Habr AI كيف تعمل الكاميرا الافتراضية لـ Shorts وReels مع face tracking

عرضت منصة Habr AI كيفية عمل كاميرا افتراضية للفيديو العمودي، وتحويل مقطع فيديو أفقي عادي إلى Shorts أو Reels دون القص التلقائي الرعيش المعتاد في مثل هذه التحويلات. يصف المؤلف خط أنابيب الإنتاج حيث تتتبع الكاميرا الوجه كنظام ديناميكي منفصل، بدلاً من متابعة صندوق حدود واحد.

لماذا يفشل القص التلقائي

من الناحية النظرية، تبدو المهمة بسيطة: خذ إطار 16:9، استخرج نافذة 9:16 وحافظ على تمركز الشخص في المركز. في الفيديو الفعلي، يفشل هذا النهج بسرعة. يمكن للوجه أن ينزاح إلى اليسار أو اليمين، وقد يظهر شخص ثانٍ في الإطار، والكاشف نفسه سيدخل ضوضاء، ويفقد الهدف عند تحويل الرأس أو الانعكاسات أو الإيماءات. والنتيجة هي فيديو عمودي يبدو وكأنه ضبط تلقائي قديم: تهتز الصورة بعصبية وتتعامل بشكل سيء باستمرار مع التكوين.

يقترح المؤلف النظر إلى المشكلة ليس كقص تلقائي، بل كـكاميرا افتراضية بقصورها الذاتي، وقيود السرعة، وتأخير رد الفعل، والمنطق الاحتياطي. لا يمكن للنظام ببساطة "متابعة مركز الصندوق". يجب أن يوجد في الزمن، ويتحمل البيانات غير الدقيقة، ولا يفزع من فقدان الوجه بوقت قصير، ويحافظ على حركة ذات مغزى حتى في المشاهد التي لا يظهر فيها أي وجه على الإطلاق. هذا أمر حرج للمقاطع الطويلة.

"الكاميرا ليست إحداثياً، بل نظام ديناميكي."

كيف يعمل خط الأنابيب

يستخدم الحل الرئيسي سلسلة كشف الوجه من ثلاثة مستويات: MediaPipe → YuNet → Haar Cascade. يعمل الكاشف الأول كخيار أساسي، والثاني يعمل كنسخة احتياطية لخلفية ONNX عبر OpenCV، والثالث يبقى كخط دفاع أخير عندما يكون كل شيء آخر غير متاح أو يعمل بشكل سيء. معاً ينتجان تنسيق بيانات موحد: مركز الوجه، الحجم، الثقة، وصندوق الحدود. بهذه الطريقة، يكون بقية النظام مستقلاً عن الكاشف المحدد ويمكنه العمل بشكل مستقر حتى في الوضع المتدهور.

فوق الكشف يأتي التتبع البسيط لكن العملي: يقارن النظام مركز الوجه من الإطار السابق بالمرشحين الحاليين ويختار الكائن الأقرب. إذا اختفى الوجه لفترة وجيزة، يتم تفعيل فترة العفو—تثق الكاميرا بآخر موضع معروف لفترة قصيرة لتجنب الرعشة على خطأ واحد. بعد ذلك، يتم تنظيف الإشارة في خطوتين إضافيتين وتتلقى نسخة احتياطية منفصلة للمشاهد بدون وجوه.

• مكافحة الرعشة تزيل قفزات الإحداثيات الكبيرة بشكل مفرط بين الإطارات
• مرشح تمرير منخفض يسلس الضوضاء المتبقية والاهتزازات الدقيقة
• النسخة الاحتياطية لـ Ken Burns تتعامل مع المشهد إذا فُقد الوجه أو غاب
• استيفاء المسار يحول تحليل 8 FPS إلى حركة سلسة للإخراج النهائي بـ 30 أو 60 FPS

في المرحلة النهائية، لا يقتصر النظام على تخزين الحالات المنفصلة للكاميرا—بل يبني مساراً مستمراً. ثم لكل إطار، يأخذ المركز والتكبير، ويحسب منطقة الاهتمام، ويستخرج المنطقة المطلوبة ويعيد تحجيمها إلى التنسيق العمودي النهائي. هذا يحافظ على خط الأنابيب بمستوى معقول حسابياً: يمكن إجراء التحليل على نسخة مختزلة من الفيديو، بينما يعمل القص النهائي مع الأصلي، دون فقدان سلاسة الحركة في العرض النهائي.

كيف تصبح الكاميرا مشغلاً

الجزء الأكثر إثارة للاهتمام هو نموذج الحركة. بدلاً من القفزات الفورية إلى نقطة الهدف، يوصف الكاميرا بأنها مذبذب مخمد: لديها "كتلة", وصلابة، وتخميد، وحدود التسارع، والسرعة القصوى. هذا المخطط يوفر القصور الذاتي ويجعل الحركة أصيلة. إذا بدأ شخص يتحرك بسرعة أكبر، يمكنك إضافة توقع توقعي حتى تنظر الكاميرا قليلاً إلى الأمام بدلاً من مجرد مطاردة الهدف. وبشكل متناقض، فإن تأخير اصطناعي طفيف—تأخير بشري—يحسن أيضاً النتيجة: ردود الفعل الدقيقة تماماً غالباً ما تبدو أقل طبيعية من ردود الفعل المتأخرة قليلاً.

فوق الفيزياء، يطبق المؤلف قواعد التكوين. يمكن للكاميرا أن تزيح الوجه نحو خطوط الأثلاث، وترفع نقطة التركيز أقرب إلى مستوى العينين، وتتجاهل الحركات الدقيقة في منطقة ميتة، وتحافظ على هامش آمن للوجه لتجنب قطع الأذنين والشعر والإيماءات على حواف الإطار. للمشاهد التحدثية، يوجد وضع وجه فردي مخصص بسرعة أكثر تحفظاً واستقراراً معزز، وللفيديوهات بدون وجوه—انتقال سلس إلى Ken Burns مع تمرير وتكبير بدلاً من مركز "مجمد".

ماذا يعني هذا

يوضح هذا الشرح إلى أين تتجه أدوات تحرير الفيديو بالذكاء الاصطناعي. الجودة هنا لا تنبع من نموذج "سحري" واحد، بل من تجميع هندسي: كواشف احتياطية، وتتبع، وتصفية، وفيزياء حركة، والتكوين يعملان معاً. لمنشئي المحتوى والفريق الذين ينتجون بكميات كبيرة فيديوهات طويلة مقصوصة في Shorts و Reels، هذا لم يعد قصاً تلقائياً وهمياً، بل نموذج كاميرا إنتاجي عملي يمكن تكراره وتكييفه لأساليب التصوير المختلفة.