¿Recuerdas lo que es hacer girar una bengala en una noche de verano? Manténgalo quieto y el fuego crepitará y chisporroteará, pero gírelo y la luz se desvanecerá en una línea que traza cada giro y sacudida que hace.
Un nuevo sistema de software patentado desarrollado en Sandia National Laboratories puede encontrar las curvas de movimiento en la transmisión de video e imágenes de satélites, drones y cámaras de seguridad de largo alcance y convertirlas en señales para encontrar 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.
«Poder rastrear cada píxel desde la 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 detectar 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 ser mucho 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 solo 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, fluyen flujos de imágenes de varios sensores y MMODS procesa los datos con un filtro de imagen cuadro por cuadro en tiempo real. Un algoritmo encuentra movimiento en los cuadros de video y lo combina con señales de destino que pueden correlacionarse y luego integrarse 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 constantemente, mientras que el movimiento del ruido de fondo, como el viento, se filtra porque se mueve aleatoriamente y no está correlacionado.
Antes de que se implementara 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 distinción entre señal y ruido.
Estos objetos normalmente serían 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 la montaña Sandia. Sin conocimiento previo de las carreteras de Albuquerque, MMODS detectó vehículos moviéndose por toda la ciudad.
«Dado que una cámara de video moderna tiene alrededor de 10 millones de píxeles, ser capaz 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 para objetos de movimiento rápido y lento, incluso en condiciones de poca visibilidad».
