por ¿Recuerdas cómo era hacer girar una bengala en una noche de verano? Sosténgalo y la llama se propaga y parpadea, pero gírelo y la luz se atenúa en una línea que sigue cada giro que hace.
Un sistema de software recientemente patentado desarrollado en Sandia National Laboratories puede encontrar curvas de movimiento en la transmisión de video e imágenes de satélites, drones y cámaras de seguridad remotas y convertirlas en señales para localizar y rastrear objetos en movimiento tan pequeños como un píxel. Los desarrolladores dicen que este sistema puede mejorar el rendimiento de cualquier aplicación de detección remota.
«La capacidad de rastrear cada píxel a distancia es importante, y es un problema continuo y desafiante», dijo Tian Ma, científico informático y co-desarrollador del sistema. «Para los sistemas de vigilancia de seguridad física, por ejemplo, cuanto más lejos pueda ver una posible amenaza, más tiempo tendrá para prepararse y responder. A menudo, el mayor desafío es el simple hecho de que cuando los objetos están ubicados lejos de los sensores, su tamaño naturalmente parece más pequeño. La sensibilidad del sensor disminuye a medida que aumenta la distancia desde el objetivo».
Ma y Robert Anderson comenzaron a trabajar en el sistema de detección de objetos en movimiento de marcos múltiples en 2015 como un proyecto de investigación y desarrollo dirigido por el laboratorio Sandia. Recientemente se publicó un artículo sobre MMODS en Sensores.
Detección de un píxel en movimiento en un mar de 10 millones
La capacidad de detectar objetos a través de sistemas de detección remota generalmente se limita a lo que se puede ver en un cuadro de video, mientras que MMODS utiliza un nuevo método de múltiples cuadros para detectar objetos pequeños en condiciones de baja visibilidad, dijo Ma. En una estación de computadora, los flujos de imágenes fluyen desde varios sensores y MMODS procesa los datos utilizando un filtro de imagen cuadro por cuadro en tiempo real. El algoritmo busca movimiento en los cuadros de video y lo compara con las señales objetivo que se pueden correlacionar y luego combinar en un conjunto de secuencias de cuadros de video.
Este proceso mejora la relación señal-ruido o la calidad general de la imagen porque la señal del objetivo en movimiento se puede correlacionar con el tiempo y aumenta continuamente, mientras que el movimiento del ruido de fondo, como el viento, se filtra porque se mueve aleatoriamente y no está correlacionado.
Antes de implementar MMODS para la mejora de la detección remota, Ma y Anderson demostraron su eficacia en datos simulados con objetos de destino tan pequeños como un píxel con una relación señal-ruido cercana a 1:1, lo que significa que no hay diferencia entre la señal y el ruido.
Estos objetos suelen ser indetectables tanto para los ojos humanos como para los sensores. El sistema detector de referencia logró un 30 % de posibilidades de detectar un objeto en movimiento. Cuando se agregó MMODS a ese sistema, tenía un 90 % de posibilidades de detección sin aumentar la tasa de falsas alarmas.
En otra demostración, los investigadores utilizaron MMODS para detectar objetos en movimiento a partir de datos en vivo recopilados con una cámara remota en la cima de Sandia Mountain. Sin un conocimiento previo de las carreteras de Albuquerque, MMODS pudo identificar los vehículos que circulaban por la ciudad.
«Dado que una cámara de video moderna tiene alrededor de 10 millones de píxeles, la capacidad de detectar y rastrear un píxel a la vez es un gran avance en la tecnología de visión por computadora», dijo Ma. «Se ha demostrado que MMODS mejora la sensibilidad de detección moderna entre un 200 y un 500 % y funciona tanto para objetos de movimiento rápido como lento, incluso en condiciones de poca visibilidad».
