.
Lembra como é girar um diamante em uma noite de verão? Segure-o parado e o fogo estala e faísca, mas gire-o e a luz se desfoca em uma linha traçando cada redemoinho e entalhe que você faz.
Um novo sistema de software patenteado desenvolvido no Sandia National Laboratories pode encontrar as curvas de movimento em streaming de vídeo e imagens de satélites, drones e câmeras de segurança de longo alcance e transformá-los em sinais para encontrar e rastrear objetos em movimento tão pequenos quanto um pixel. Os desenvolvedores dizem que este sistema pode melhorar o desempenho de qualquer aplicativo de sensoriamento remoto.
“Ser capaz de rastrear cada pixel à distância é importante, e é um problema contínuo e desafiador”, disse Tian Ma, cientista da computação e co-desenvolvedor do sistema. “Para sistemas de vigilância de segurança física, por exemplo, quanto mais longe você puder detectar uma possível ameaça, mais tempo terá para se preparar e responder. Muitas vezes, o maior desafio é o simples fato de que, quando os objetos estão localizados longe dos sensores, seu tamanho naturalmente parece ser muito menor. A sensibilidade do sensor diminui à medida que a distância do alvo aumenta.”
Ma e Robert Anderson começaram a trabalhar no Sistema de Detecção de Objetos em Movimento Multi-frame em 2015 como um projeto de Pesquisa e Desenvolvimento Dirigido pelo Laboratório Sandia. Um artigo sobre MMODS foi publicado recentemente na Sensores.
Detectando um pixel em movimento em um mar de 10 milhões
A capacidade de detectar objetos por meio de sistemas de sensoriamento remoto é normalmente limitada ao que pode ser visto em um único quadro de vídeo, enquanto o MMODS usa um novo método multiquadro para detectar pequenos objetos em condições de baixa visibilidade, disse Ma. Em uma estação de computador, fluxos de imagem de vários sensores fluem e o MMODS processa os dados com um filtro de imagem quadro a quadro em tempo real. Um algoritmo encontra movimento nos quadros de vídeo e os combina em sinais de destino que podem ser correlacionados e integrados em um conjunto de sequências de quadros de vídeo.
Esse processo melhora a relação sinal-ruído ou a qualidade geral da imagem porque o sinal do alvo em movimento pode ser correlacionado ao longo do tempo e aumenta constantemente, enquanto o movimento do ruído de fundo, como o vento, é filtrado porque se move aleatoriamente e não está correlacionado.
Antes de o MMODS ser implantado para aprimoramento de sensoriamento remoto, Ma e Anderson demonstraram sua eficácia em dados simulados com objetos-alvo tão pequenos quanto um pixel com uma relação sinal-ruído próxima a 1:1, o que significa que não há distinção entre sinal e ruído.
Esses objetos normalmente seriam indetectáveis tanto para os olhos humanos quanto para os sensores. O sistema detector de linha de base alcançou 30% de chance de detectar um objeto em movimento. Quando o MMODS foi adicionado a esse sistema, ele teve 90% de chance de detecção sem aumentar a taxa de alarmes falsos.
Em outra demonstração, os pesquisadores usaram o MMODS para detectar objetos em movimento a partir de dados ao vivo coletados com uma câmera remota no pico da Montanha Sandia. Sem conhecimento prévio das estradas de Albuquerque, o MMODS detectou veículos circulando pela cidade.
“Dado que uma câmera de vídeo moderna tem cerca de 10 milhões de pixels, ser capaz de detectar e rastrear um pixel por vez é um grande avanço na tecnologia de visão computacional”, disse Ma. “Foi comprovado que o MMODS melhora a sensibilidade de detecção moderna em 200 a 500% e funciona para objetos em movimento rápido e lento, mesmo em condições de pouca visibilidade.”
.
