Doskonalszy monitoring

Doskonalszy monitoring

Nowoczesny, ulepszony system monitoringu za pomocą kamer został opracowany na uniwersytecie w Portsmouth. System ten oparty na sztucznej inteligencji pozwala na otrzymanie wyraźnych i „czystych” zdjęć CCTV z miejsc przestępstwa. Dzięki systemowi możliwe jest polepszenie jakości obrazu poprzez selektywne poprawianie sekwencji klatek filmowych.

Zdjęcia CCTV widziane na ekranie telewizora często są rozmyte i zamazane, ponieważ są „przechwycane” z obrazu wideo. Dr David Brown z Uniwersytetu Portsmouth powiedział, że nawet najlepsze i najdroższe kamery nie gwarantują dobrej jakości zdjęć przechwyconych z materiału wideo. Jest to znaczne utrudnienie, biorąc po uwagę fakt, iż w rozprawach sądowych wykorzystuje się zaledwie klika pojedynczych klatek z obrazu wideo zarejestrowanego na miejscu przestępstwa – dlatego muszą być one wyraźne i jednoznaczne.

Zazwyczaj zdjęcia te są słabej jakości i muszą być poprawiane przy zastosowaniu interpolacji, która jest matematyczną metodą tworzenia brakujących danych. Poprzez interpolację można powiększyć zdjęcia ze 100 pikseli do 200. Istnieje wiele sposobów interpolowania obrazu, ale generalną metodą generowania nowego piksela jest uśrednienie 2 pikseli znajdujących się po bokach. Interpolacja zdjęć choć popularna ma mnóstwo wad i nie jest optymalnym rozwiązaniem.

Innym rozwiązaniem jest nagrywanie i przechowywanie obrazu wideo w wyższej jakości, ale to wymaga wykorzystania większej pamięci, a w konsekwencji znacznie zwiększa koszty.

Badacze z Portsmouth opracowali metodę rekonstrukcji oryginalnego obrazu poprzez tzw. selektywne poprawianie sekwencji wideo. Metoda ta opiera się na zasadzie, że kolejne klatki obrazu wideo nie różnią się znacząco od innych pod względem przenoszonych informacji.

Sekwencja z kamery monitorującej składa się z wielu pojedynczych klatek, które różnią się od siebie danymi dotyczącymi poruszających się obiektów lub zmianami oświetlenia. Obszary zainteresowania na zdjęciach są identyfikowane i wydzielane z całości. Następnie obszary te są używane do tworzenia pojedynczych, nieruchomych zdjęć obiektu z obrazu wideo – wyjaśnił Brown. Ogólnie mówiąc, poprawiane i wyostrzane są jedynie te obszary, które niosą konkretne, ważne informacje – reszta jest pomijana. Brown wyjaśnił to na przykładzie człowieka idącego ulicą: w tym przypadku selektywność polega na wydzieleniu z całości obrazu poruszającej się postaci, przy pominięciu pozostałych obszarów.

Badacze przyznali, że istnieją już algorytmy poprawiające zdjęcia słabej jakości, ale są one stosowane jedynie do pojedynczych obrazów, a nie do sekwencji wideo. Nowy system pozwala na tworzenie zdjęć dobrej jakości z serii klatek wideo.

W technologii tej użyto mechanizmy sztucznej inteligencji oparte na sieciach neuronowych. Ich zastosowanie oznacza, że badacze nie muszą określać sposobu wyboru poszczególnych obszarów zdjęć. Dokonują tego sieci neuronowe, które przedstawiają potencjalne rozwiązania. W przypadku akceptacji danej metody przez człowieka, sieci uczą się procesów które pozwolą na opracowanie problemu. Stworzone mechanizmy naprawy obrazu pozwalają pracować nawet z bardzo nieostrymi zdjęciami i dużymi różnicami przenoszonych danych pomiędzy kolejnymi klatkami sekwencji wideo.

W przyszłości będzie można zaimplementować do kamer monitorujących specjalne chipy z algorytmami sieci neuronowych, dzięki czemu będzie można poprawiać obraz z kamery w czasie rzeczywistym.