بروزرسانی: 25 خرداد 1404
سیستم نرم افزاری جدید اشیاء متحرک به کوچکی یک پیکسل را پیدا و ردیابی می کند -- ScienceDaily
تشخیص یک پیکسل متحرک در دریای 10 میلیونی
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 سیستم های نظارت امنیتی فیزیکی، هرچه دورتر بتوانید تهدید احتمالی را شناسایی کنید، زمان بیشتری برای آماده سازی و پاسخ گویی دارید. اغلب بزرگترین چالش این واقعیت ساده است که وقتی اشیاء دورتر از حسگرها قرار می گیرند، طبیعتاً اندازه آنها بسیار کوچک تر به نظر می رسد. با افزایش فاصله از هدف، حساسیت سنسور کاهش می یابد.
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.
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.
منبع
به یاد دارید چرخاندن یک جرقه در یک شب تابستانی چگونه است؟ آن را ثابت نگه دارید و آتش می پرد و جرقه می زند، اما آن را به اطراف بچرخانید و نور به صورت خطی محو می شود که هر چرخش و دندانه ای که ایجاد می کنید را دنبال می کند.
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.
این فرآیند نسبت سیگنال به نویز یا کیفیت کلی تصویر را بهبود می بخشد زیرا سیگنال هدف متحرک را می توان در طول زمان همبستگی کرد و به طور پیوسته افزایش می یابد، در حالی که حرکت از نویز پس زمینه مانند باد فیلتر می شود زیرا به طور تصادفی حرکت می کند و همبستگی ندارد.
به گفته Ma، توانایی تشخیص اشیاء از طریق سیستم های سنجش از راه دور معمولاً محدود به چیزی است که در یک فریم ویدیویی دیده می شود، در حالی که MMODS از یک روش جدید و چند فریمی برای تشخیص اجسام کوچک در شرایط دید کم استفاده می کند. 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 فریم های ویدئویی پیدا می کند و آن را با سیگنال های هدف تطبیق می دهد که می توانند با هم مرتبط شوند و سپس در مجموعه ای از توالی فریم های ویدئویی ادغام شوند.