بدون كاميرات مراقبة .. "عين ذكية" لحماية كبار السن من السقوط

وقد يظهر الحل عندما يتحول الراوتر العادي إلى عين ذكية لحماية كبار السن من السقوط حيث نجح فريق من طلاب جامعة حلوان التكنولوجية الدولية في تطوير مشروع تخرج مبتكر يحمل اسم WiSafe: Smart Human Activity Recognition and Fall Detection Using WiFi CSI، بهدف تقديم حل ذكي وغير متطفل لاكتشاف حالات السقوط، خاصة لدى كبار السن، باستخدام إشارات "الواي فاي" الموجودة بالفعل داخل راوتر المنزل، دون الحاجة إلى كاميرات مراقبة أو أجهزة قابلة للارتداء.

وهكذا يمكن مشروع WiSafe  الراوتر العادي الموجود بالبيت من استشعار حركة  الجسم والتعرف على حالات السقوط، بما يفتح الباب أمام تطبيقات أكثر أمانًا وخصوصية في مجال رعاية كبار السن خاصة أن  الكاميرات مرفوضة لدى نسبة كبيرة من المستخدمين بسبب مخاوف الخصوصية، كما أن الأجهزة القابلة للارتداء قد يتم نسيانها أو خلعها بعد فترة قصير.

ويضم فريق مشروع WiSafe 

7طلاب: مصطفى نصار وعمر هاني  وعبد الرحمن أنور وايهاب أحمد ومروة أحمد و أمنية عرفة وغادة احمد .
وقد تم تنفيذ المشروع تحت إشراف:د.سيمون عزت رئيس القسم ود.محمد صباح فؤاد والمهندسة ناديو هلال وأ.د/ أسامة القبيصي – المشرف الأكاديمي للجامعة وعميد الكلية التكنولوجية وأ.د/ الأمير محمد إمام – وكيل الكلية لشئون الخدمات والتدريب.

ويعد  مشروع WiSafe من النماذج التي تؤكد أن الابتكار لا يعني دائمًا اختراع أجهزة جديدة، وإنما قد يبدأ أحيانًا من إعادة التفكير في التكنولوجيا الموجودة بالفعل من حولنا.
وهنا تتحول التكنولوجيا من مجرد وسيلة للاتصال إلى وسيلة للحماية والرعاية، ويصبح WiSafe مثالًا حيًا على ما يمكن أن يقدمه طلاب جامعة حلوان التكنولوجية الدولية عندما يجتمع العلم مع الابتكار والبحث التطبيقي لخدمة الإنسان والمجتمع.

*طريقة التشغيل

 وحول طريقة عمل المشروع ومزاياه ومصيره أوضح فريق العمل لأخبار مصر أن فكرة المشروع تعتمد على أن أي حركة يقوم بها الإنسان داخل غرفة تحتوي على شبكة واي فاي تؤثر بدرجات مختلفة على الإشارة اللاسلكية نفسها. ويستغل نظام WiSafe هذه التغيرات من خلال تقنية WiFi Channel State Information (CSI)، بهدف تحليل حركة الشخص وملاحظة السقوط في اللحظة التي يحدث فيها، دون الحاجة إلى تصوير الشخص أو ارتداء أي جهاز استشعار.

ويعتمد النظام على جهاز ESP32-S3 لالتقاط إشارات الواي فاي واستخراج بيانات WiFi CSI بمعدل 100 عينة في الثانية، عبر 64 Subcarriers، بما يوفر تدفقًا غنيًا من البيانات التي يمكن تحليلها لاستخلاص أنماط الحركة المختلفة.
ولضمان جودة البيانات ودقة النتائج، تمر الإشارات بعدد من مراحل المعالجة، حيث يتم تقليل الضوضاء والتشويش باستخدام Hampel Filter وButterworth Filter، بما يساعد على إزالة التغيرات غير المرغوبة والحركات أو المؤثرات التي لا ترتبط بالنشاط المطلوب اكتشافه.

#ما مراحل التنفيذ؟

-من أهم المراحل التي عمل عليها فريق المشروع مرحلة إعداد البيانات، حيث قام الطلاب بجمع إشارات WiFi CSI بأنفسهم وتنفيذ سيناريوهات مختلفة للحركة والسقوط، ثم معالجة البيانات وتنظيفها وتجهيزها لتكون مناسبة لتدريب واختبار نماذج الذكاء الاصطناعي.
-وقد أدرك الفريق أن نجاح أي نموذج للذكاء الاصطناعي لا يعتمد فقط على اختيار الخوارزمية، وإنما يبدأ من جودة البيانات نفسها، ولذلك تم الاهتمام بعملية جمع البيانات ومعالجتها والتحقق منها، إلى جانب استخدام بيانات CSI-Bench (NeurIPS 2025)، والتي تضم أكثر من 334.276 ملفًا بإجمالي حجم يصل إلى 59.8 GB من البيانات.

*سيناريوهات واقعية

كما أجرى الفريق تجارب ومعالجة لبيانات WiFi CSI الخاصة به، بهدف التحقق من أداء النظام في سيناريوهات واقعية، والوصول إلى نموذج أكثر قدرة على التعامل مع الأنماط المختلفة للحركة والسقوط.

#إلى أي مدى يعتمد المشروع على الذكاء الاصطناعي ؟
-يعتمد WiSafe على نموذجين رئيسيين من نماذج الذكاء الاصطناعي يعملان بصورة متكاملة:

أولًا: Presence Detection Model
وهو النموذج المسؤول عن تحديد ما إذا كانت الغرفة خالية من الأشخاص أم يوجد بها شخص، وقد حقق النموذج دقة بلغت 98.22%.

ثانيًا: Unified HAR + Fall Classification Model
النموذج المسؤول عن التعرف على النشاط الذي يقوم به الشخص وتصنيفه، بما يشمل السقوط، والجلوس، والوقوف، والمشي، بحيث لا يقتصر النظام على اكتشاف السقوط فقط، وإنما يستطيع أيضًا فهم النشاط البشري بصورة أوسع.
-ولضمان أن تتحول نتيجة النموذج إلى استجابة عملية، صمم الفريق بنية متكاملة للباك إند باستخدام FastAPI، حيث يستقبل النظام نتائج النموذج ويعتمد على Sliding Window وState Machine للتعامل مع الأحداث بصورة أكثر ذكاءً وتقليل الإنذارات الكاذبة، بحيث لا تتحول كل حركة غير معتادة إلى إنذار.
-كما تم الاعتماد على WebSocket وRESTful API لتحقيق اتصال لحظي بين نموذج الذكاء الاصطناعي والباك إند وتطبيق الهاتف المحمول، بما يسمح بانتقال نتائج التحليل بصورة سريعة.

*تنبيه على المحمول

 -أما تطبيق الهاتف المحمول، فقد تم تطويره باستخدام Flutter، ليقوم بإرسال تنبيه فوري إلى مقدم الرعاية من خلال Firebase Cloud Messaging عند اكتشاف حالة سقوط، إلى جانب تسجيل تاريخ الحركة بالكامل، بما يسمح بالرجوع إلى سجل الأنشطة ومتابعة الحالة لاحقًا.

#ماذا كشفت النتائج ؟

-أظهرت التجارب التي أجراها فريق المشروع نتائج قوية، حيث حقق نظام WiSafe:
Recall لدقة كشف السقوط 96.4%
F1 Score لكشف السقوط: 96.25%
دقة تصنيف النشاط العام: 93.2%
وكان زمن الاستجابة أقل من 3 ثوانٍ من لحظة حدوث السقوط وحتى وصول التنبيه.
كما تجاوز F1 Score الخاص بكشف السقوط أداء خط الأساس CSI-Bench، بما يعكس الإمكانات الواعدة للنظام في مجال اكتشاف السقوط والتعرف على الأنشطة البشرية باستخدام إشارات الواي فاي.

*تكامل المعرفة الأكاديمية مع التدريب العملي

وتعقيبا على المشروع ..أكد الدكتور أسامة القبيصي، المشرف الأكاديمي للجامعة وعميد الكلية التكنولوجية، أن مشروع WiSafe يعكس المستوى الذي يمكن أن يصل إليه طلاب الجامعة عندما تتكامل المعرفة الأكاديمية مع التدريب العملي والعمل الجماعي والبحث التطبيقي.

وأوضح أن تميز المشروع لا يكمن فقط في استخدام الذكاء الاصطناعي، وإنما في بناء منظومة متكاملة تبدأ من جمع بيانات WiFi CSI ومعالجتها، مرورًا بتطوير وتدريب نماذج الذكاء الاصطناعي، ووصولًا إلى بناء الباك إند وتطبيق الهاتف المحمول ونظام التنبيهات الفورية، مؤكدًا أن هذا النوع من المشروعات يمثل الصورة الحقيقية للتعليم التكنولوجي القائم على الابتكار وحل المشكلات الواقعية.

* حلول وابتكارات حقيقية تخدم المجتمع

 وصرح الدكتور السيد قنديل رئيس جامعة حلوان التكنولوجية الدولية بأن مثل هذه المشروعات تعكس جوهر التعليم التكنولوجي الذي تتبناه الجامعة، موضحا أن الهدف لا يقتصر على تخريج طلاب يمتلكون المعرفة النظرية، وإنما إعداد كوادر قادرة على تحويل المعرفة إلى حلول وابتكارات حقيقية تستجيب لاحتياجات المجتمع.