سیستم نرم افزاری می تواند اجسام متحرک به کوچکی یک پیکسل را پیدا و ردیابی کند

ما و رابرت اندرسون در سال 2015 کار بر روی سیستم تشخیص شی متحرک چند فریمی را به عنوان پروژه تحقیق و توسعه تحت هدایت آزمایشگاه Sandia آغاز کردند. مقاله ای در مورد MMODS اخیراً در منتشر شده است حسگرها.

تشخیص یک پیکسل متحرک در دریای 10 میلیونی

به یاد دارید چرخاندن یک جرقه در یک شب تابستانی چگونه است؟ آن را ثابت نگه دارید و آتش می‌پرد و جرقه می‌زند، اما آن را به اطراف بچرخانید و نور به‌صورت خطی محو می‌شود که هر چرخش و دندانه‌ای که ایجاد می‌کنید را دنبال می‌کند.

تیان ما، دانشمند کامپیوتر و یکی از توسعه دهندگان این سیستم می گوید: «توانایی ردیابی هر پیکسل از فاصله دور مهم است و این یک مشکل مداوم و چالش برانگیز است. برای مثال، برای سیستم‌های نظارت امنیتی فیزیکی، هرچه دورتر بتوانید تهدید احتمالی را شناسایی کنید، زمان بیشتری برای آماده‌سازی و پاسخ‌گویی دارید. اغلب بزرگترین چالش این واقعیت ساده است که وقتی اشیاء دورتر از حسگرها قرار می‌گیرند، طبیعتاً اندازه آنها بسیار کوچک‌تر به نظر می‌رسد. با افزایش فاصله از هدف، حساسیت سنسور کاهش می‌یابد.

در نمایش دیگری، محققان از MMODS برای تشخیص اجسام متحرک از داده های زنده جمع آوری شده با دوربین از راه دور در قله کوه ساندیا استفاده کردند. بدون اطلاع قبلی از جاده های آلبوکرکی، MMODS وسایل نقلیه در حال حرکت در سراسر شهر را شناسایی کرد.

نقل قول: سیستم نرم افزاری می تواند اجسام متحرک به کوچکی یک پیکسل را پیدا و ردیابی کند (2023، 20 ژوئیه) بازیابی شده در 20 ژوئیه 2023 از

بخوان  امکان ترجمه ۲۰۰ زبان دنیا با مدل جدید هوش مصنوعی متا

این اجسام معمولاً برای چشم انسان و حسگرها غیرقابل تشخیص هستند. سیستم آشکارساز خط پایه به احتمال 30 درصد برای تشخیص یک جسم متحرک دست یافت. هنگامی که MMODS به آن سیستم اضافه شد، 90 درصد شانس تشخیص بدون افزایش نرخ هشدارهای اشتباه داشت.

یک سیستم نرم‌افزاری جدید که در آزمایشگاه‌های ملی ساندیا توسعه یافته است، می‌تواند منحنی‌های حرکت را در جریان ویدئو و تصاویر ماهواره‌ها، پهپادها و دوربین‌های امنیتی دوربرد پیدا کند و آنها را به سیگنال‌هایی برای یافتن و ردیابی اجسام متحرک به کوچکی یک پیکسل تبدیل کند. توسعه دهندگان می گویند این سیستم می تواند عملکرد هر برنامه سنجش از راه دور را افزایش دهد.

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.





منبع

اطلاعات بیشتر:
Tian J. Ma و همکاران، تقویت تشخیص هدف با نسبت سیگنال به نویز کم سنجش از دور، حسگرها (2023). DOI: 10.3390/s23063314

ارائه شده توسط آزمایشگاه ملی Sandia


تشخیص تهدیدات فراتر از محدودیت های دید حسگر انسان

سیستم تشخیص اجسام متحرک چند فریمی آزمایشگاه ملی Sandia این امکان را برای حسگرهای از راه دور فراهم می کند تا اجسام متحرک کوچکی را که معمولا برای حسگرها و چشمان انسان قابل مشاهده نیستند، تشخیص دهند. اعتبار: اریک لاندین

قبل از اینکه MMODS برای تقویت سنجش از راه دور به کار گرفته شود، Ma و Anderson اثربخشی آن را بر روی داده های شبیه سازی شده با اشیاء هدف به کوچکی یک پیکسل با نسبت سیگنال به نویز نزدیک به 1:1 نشان دادند، به این معنی که هیچ تمایزی بین سیگنال و نویز وجود ندارد.

این فرآیند نسبت سیگنال به نویز یا کیفیت کلی تصویر را بهبود می‌بخشد زیرا سیگنال هدف متحرک را می‌توان در طول زمان همبستگی کرد و به طور پیوسته افزایش می‌یابد، در حالی که حرکت از نویز پس‌زمینه مانند باد فیلتر می‌شود زیرا به‌طور تصادفی حرکت می‌کند و همبستگی ندارد.

ما گفت: «با توجه به اینکه یک دوربین فیلمبرداری مدرن حدود 10 میلیون پیکسل دارد، توانایی تشخیص و ردیابی یک پیکسل در یک زمان یک پیشرفت بزرگ در فناوری بینایی رایانه است. ثابت شده است که MMODS حساسیت تشخیص مدرن را بین 200 تا 500 درصد بهبود می بخشد و برای اجسام با حرکت سریع و آهسته، حتی در شرایط دید ضعیف، کار می کند.

به گفته Ma، توانایی تشخیص اشیاء از طریق سیستم‌های سنجش از راه دور معمولاً محدود به چیزی است که در یک فریم ویدیویی دیده می‌شود، در حالی که MMODS از یک روش جدید و چند فریمی برای تشخیص اشیاء کوچک در شرایط دید کم استفاده می‌کند. در یک ایستگاه کامپیوتری، جریان تصویر از حسگرهای مختلف جریان می یابد و MMODS داده ها را با یک فیلتر تصویر فریم به فریم در زمان واقعی پردازش می کند. یک الگوریتم حرکت را در فریم‌های ویدئویی پیدا می‌کند و آن را با سیگنال‌های هدف تطبیق می‌دهد که می‌توانند با هم مرتبط شوند و سپس در مجموعه‌ای از توالی فریم‌های ویدئویی ادغام شوند.