Dijital Samanlıkta İğne Bulmak

Nezaret sistemlerinin, çeşitli mühim nedenlerle uzaktaki nesneleri tespit edebilmesi gerekir. İlk olarak, uzaktaki nesne idrak etme, sistemin genel kapsamını iyileştirerek, kapsamlı bir kamera ağına gerek kalmadan daha geniş alanları izlemesine olanak tanır. Bu daha geniş kapsam, tehditlerin uzaktan ortaya çıkabileceği sınır bölgeleri, endüstriyel kompleksler yada genişleyen kent merkezleri benzer biçimde geniş alanlarda önemlidir. İkincisi, uzaktaki nesneleri belirleme kabiliyeti, erken tehdit idrak etme ve önlemede sistemin etkinliğini artırır. İster potansiyel davetsiz misafirler, şüpheli faaliyetler yada tehlikeli durumlar olsun, uzaktaki nesneleri süratli bir halde saptamak, zamanında müdahale ve müdahaleye olanak tanır. Ek olarak, trafik yönetimi yada çevresel seyretme benzer biçimde çeşitli senaryolarda, uzaktaki nesneleri tespit edebilmek, kamu güvenliğini sağlamak ve ihtimaller içinde felaketleri önlemek için elzem hale geliyor. Sadece nesneleri oldukca uzak mesafelerden tanımanın oldukca zor olduğu kanıtlanmıştır. Uzaktaki nesneler kameraya oldukca ufak görünür. Boyutları yalnızca birkaç px olabilir. Bu, daha büyük nesneleri tanımada muhteşem olan geleneksel makine öğrenimi nesne idrak etme algoritmalarını karıştırdı. Sinyal-gürültü oranı oldukca düşük olduğundan, arka plan çıkarma içeren geleneksel gerçek zamanlı hareket eden nesne idrak etme teknikleri için oldukca zor bir sorun olduğu da kanıtlanmıştır. Son yıllarda başka yöntemler de ortaya çıktı, sadece her biri doğruluk, işlem hızı yada başka açılardan sorunlarla dolu. Bir takım tehlikeli sonuç uygulamayı desteklemek için bu alanda yeniliğe şiddetle gereksinim vardır. Her neyse ki, Sandia National Laboratories’deki araştırmacılar tarafınca son zamanlarda meydana getirilen mühim bir gelişme, tam olarak alanın gereksinim duyan şey olabilir. Hareket eden nesneleri bulmak ve seyretmek için uydulardan, dronlardan ve uzun menzilli güvenlik kameralarından gelen videoları çözümleme edebilen Oldukça Çerçeveli Hareketli Nesne Idrak etme Sistemi (MMODS) adlı bir yazılım sistemi oluşturdular. Ve bu nesneler tek bir px kadar ufak olabilir. Mevcut sistemlerin bir çok, nesneleri algılamak için tek bir çerçevede bulunan bilgilere güvenirken, MMODS, aynı anda birden fazla çerçeveyi çözümleme ederek mevcut data zenginliğinden yararlanır. Sistem hareket bölgelerini algılar ve arkasından bu hareketin süre içinde kareler içinde ilişkilendirilip ilişkilendirilemeyeceğini görmek için öteki video kareleriyle eşleştirir. Bu süreç, süre içinde sinyal-gürültü oranını iyileştirerek, bulgularından giderek daha güvenli hale geliyor. MMODS, rüzgar benzer biçimde faktörlerin niçin olduğu alakasız arka plan gürültüsünü göz ardı etmede de yararlıdır. Bu kuvvetler süre içinde rastgele hareket ettiğinden, ilgilenilen nesneler olarak işaretlenmeyeceklerdir. Simüle edilmiş bir ortamda ekip, tekniklerini kontrol etmek için bazı senaryolar oluşturdu. Testler, sinyal-gürültü oranı bir olan tek pikselli nesneleri bile içeriyordu; bu, hem sensörler hem de insan gözü tarafınca algılanamayacakları anlamına geliyor. Geleneksel hareketli nesne dedektörlerinin bu tür nesneleri dönemin averaj %30’unda algıladığı bulunmuştur. MMODS’un ise neredeyse görünmez olan bu nesneleri dönemin %90’ında tanıyabildiği gözlemlendi. Ek olarak, bu yüksek doğruluk derecesi yanlış pozitif tespitlerde herhangi bir artış getirmedi. Bir dağın zirvesine kurulu bir kameranın kullanımını içeren gerçek dünya testi de yapılmış oldu. Bu kamera, otomobil trafiği kalıplarını ne kadar iyi belirleyebildiğini değerlendirmek için uzak yolları izledi. MMODS idrak etme hassasiyetinin, mevcut seçeneklerle karşılaştırıldığında %200 ila %500 oranında iyileştirildiği bulunmuş oldu. Ek olarak, süratli yada yavaş hareket eden nesneleri ve hatta zayıf görüş koşullarında bile algılayabildiği için oldukca yönlü bir sistem bulunduğunu gösterdi. Mevcut sistemin birkaç sınırlaması vardır. İlk olarak, CPU döngülerini boşa harcamayı ve algoritmayı yavaşlatmayı önlemek için hedef nesnelerin hızı ve ivmesi için bir üst sınır ayarlanmalıdır. Uygulamada, bu çoğu zaman makul bir gerekliliktir, sadece beklenmeyen faaliyetlerin gözden kaçırılabileceği ihtimalini açık bırakır. İkinci olarak, MMODS kullanıcısının nesnelerin yerini belirlemede kaç çerçevenin beraber ele alınacağını yapılandırması gerekir. Daha çok çerçeve, sistemi daha doğru hale getirir, sadece bununla beraber işlemeyi yavaşlatarak gerçek zamanlı sonuçların sunulmasını engelleyebilir. Kullanıcı, MMODS’un yetersiz performansına yol açabilecek bir değiş tokuş yapmalıdır. Her halükarda, bu yeni teknoloji mevcut uzaktan algılamalı nezaret sistemlerindeki büyük bir boşluğu dolduruyor. Ve ekip, durumu daha da iyi hale getirmek için hâlâ sıkı çalışıyor. Bir dağın tepesinden otomobil trafiğini takip etme (????: T. Ma ve ötekiler) MMODS yaklaşımına genel bakış (????: T. Ma ve ötekiler) O nesneyi MMODS olmadan görüyor musunuz? Ben de (????: T. Ma ve ark.)
Source: www.hackster.io