Quando acontecem desastres - seja um desastre natural como uma enchente ou um terremoto, ou causado por humanos, como tiroteio em massa ou bombardeio - pode ser extremamente perigoso enviar socorristas, mesmo que haja pessoas que precisam desesperadamente de ajuda.

Drones são úteis, e estão ajudando na recuperação após os tornados mortais do Alabama, mas a maioria requer pilotos individuais, que voam a aeronave não tripulada por controle remoto. Isso limita a rapidez com que os socorristas podem ver uma área afetada inteira, e pode atrasar a ajuda real de chegar às vítimas.

Drones autônomos poderiam cobrir mais terreno mais rapidamente, mas só seriam mais eficazes se eles próprios pudessem ajudar os socorristas a identificar as pessoas necessitadas. No University of Dayton Vision Lab, estamos trabalhando no desenvolvimento de sistemas que podem ajudar a localizar pessoas ou animais - especialmente aqueles que podem estar presos por detritos caídos. Nossa tecnologia imita o comportamento de um salvador humano, olhando rapidamente para áreas amplas e escolhendo rapidamente regiões específicas para se concentrar, para examinar mais de perto.

Procurando por um objeto em uma cena caótica

As áreas de desastre costumam estar repletas de árvores caídas, edifícios desmoronados, estradas destruídas e outras desordens que podem dificultar muito a localização de vítimas que precisam de resgate.

Minha equipe de pesquisa desenvolveu um sistema de rede neural artificial que pode ser executado em um computador a bordo de um drone. Este sistema pode emular algumas das maneiras excelentes como a visão humana funciona. Ele analisa as imagens capturadas pela câmera do drone e comunica descobertas notáveis ​​aos supervisores humanos.

Primeiro, nosso sistema processa as imagens para melhorar sua clareza. Assim como os humanos estreitam os olhos para ajustar o foco, nossas tecnologias fazem estimativas detalhadas de regiões mais escuras em uma cena e tornam as imagens mais claras. Quando as imagens estão muito nebulosas ou nebulosas, o sistema reconhece que eles são muito brilhantes e reduz a brancura da imagem para ver a cena real com mais clareza.

Em um ambiente chuvoso, os cérebros humanos usam uma estratégia brilhante para ver com clareza. Ao perceber as partes de uma cena que não mudam - e as que mudam, conforme as gotas de chuva caem - as pessoas podem ver razoavelmente bem, apesar da chuva. Nossa tecnologia usa a mesma estratégia, investigar continuamente o conteúdo de cada local em uma sequência de imagens para obter informações claras sobre os objetos naquele local.

Também desenvolvemos tecnologia que pode tornar as imagens de uma câmera transportada por drones maiores, mais brilhante e mais claro. Expandindo o tamanho da imagem, tanto os algoritmos quanto as pessoas podem ver os principais recursos com mais clareza.

Confirmando objetos de interesse

Nosso sistema pode identificar pessoas em vários cargos, como deitado de bruços ou enrolado em posição fetal, mesmo de diferentes ângulos de visão e em diferentes condições de iluminação.

O cérebro humano pode olhar para uma visão de um objeto e imaginar como seria a partir de outros ângulos. Quando a polícia emite um alerta pedindo ao público para procurar alguém, muitas vezes incluem uma foto - sabendo que as mentes dos espectadores imaginarão visualizações tridimensionais de como essa pessoa pode ser, e reconhecê-los na rua, mesmo que não tenham exatamente a mesma visualização da foto oferecida. Empregamos essa estratégia computando modelos tridimensionais de pessoas - sejam formas humanas gerais ou projeções mais detalhadas de pessoas específicas. Esses modelos são usados ​​para combinar semelhanças quando uma pessoa aparece em uma cena.

Também desenvolvemos uma maneira de detectar partes de um objeto, sem ver a coisa toda. Nosso sistema pode ser treinado para detectar e localizar uma perna saindo do entulho, uma mão acenando à distância, ou uma cabeça surgindo acima de uma pilha de blocos de madeira. Pode distinguir uma pessoa ou animal de uma árvore, arbusto ou veículo.

Juntando as peças

Durante sua varredura inicial da paisagem, nosso sistema imita a abordagem de um observador aerotransportado, examinar o terreno para encontrar possíveis objetos de interesse ou regiões que valem a pena um exame mais aprofundado, e, em seguida, olhando mais de perto. Por exemplo, um piloto de aeronave que está procurando um caminhão no solo normalmente prestaria menos atenção aos lagos, lagoas, campos agrícolas e parques infantis - porque é menos provável que os caminhões estejam nessas áreas. Nossa tecnologia autônoma emprega a mesma estratégia para focar a área de pesquisa nas regiões mais significativas do cenário.

Em seguida, nosso sistema investiga cada região selecionada para obter informações sobre a forma, estrutura e textura dos objetos ali. Quando ele detecta um conjunto de características que correspondem a um ser humano ou parte de um ser humano, ele sinaliza como a localização de uma vítima.

O drone também coleta dados de GPS sobre sua localização, e percebe a que distância está de outros objetos que está fotografando. Essas informações permitem que o sistema calcule exatamente a localização de cada pessoa que precisa de assistência, e alertar os socorristas.

Todo esse processo - captura de uma imagem, processá-lo para obter visibilidade máxima e analisá-lo para identificar pessoas que possam estar presas ou escondidas - leva cerca de um quinto de segundo no laptop normal que o drone carrega, junto com sua câmera de alta resolução.

Os militares americanos estão interessados ​​nesta tecnologia. Trabalhamos com o Comando de Material e Pesquisa Médica do Exército dos EUA para encontrar indivíduos feridos em um campo de batalha que precisam de resgate. Adaptamos este trabalho para atender empresas de serviços públicos que buscam intrusões em caminhos de dutos por equipamentos de construção ou veículos que possam danificar os dutos. As empresas de serviços públicos também estão interessadas em detectar quaisquer novas construções de edifícios perto das vias do oleoduto. Todos esses grupos - e muitos mais - estão interessados ​​em tecnologia que possa ver como os humanos podem ver, especialmente em lugares onde os humanos não podem estar.

Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.