Nova pesquisa da Binghamton University, Universidade Estadual de Nova York, pode tornar mais fácil rastrear e processar atividades suspeitas em imagens de vigilância.

As câmeras de vigilância tradicionais nem sempre detectam atividades ou objetos suspeitos em tempo hábil. Para combater esse problema, O professor associado de engenharia elétrica e da computação da Binghamton University Yu Chen e sua equipe desenvolveram um algoritmo de rastreamento híbrido leve conhecido como Kerman (filtro Kernelized Kalman). A pesquisa usa computadores de placa única (SBCs) montados em câmeras de vigilância para processar vídeos e extrair recursos que se concentram na detecção aprimorada de pessoas, rastrear seu movimento e reconhecer comportamentos para aumentar a cobertura de vigilância.

"O algoritmo Kerman permite que as câmeras inteligentes na borda (a fonte de geração de dados) gerem um alerta assim que algo suspeito for detectado nos fluxos de vídeo de entrada, "disse Chen.

A equipe de pesquisa apresentou SBCs para serem implementados em plataformas de computação descentralizadas, que distribui a carga de trabalho entre vários nós de computação Fog, em vez de para um servidor centralizado. Por causa da computação descentralizada, o vídeo não precisa ser transferido para um servidor remoto, tornando o sistema de vigilância mais ágil e robusto. O processamento de dados pode então ser processado e analisado de maneira mais eficaz e oportuna.

O algoritmo não identifica, rastrear ou registrar as atividades de qualquer pessoa, mantendo assim um alto nível de privacidade dentro de um sistema seguro. Modelos futuros desse algoritmo tirarão vantagem de hardware e mecanismos de segurança mais avançados para garantir que esse sistema de vigilância seja evolutivo e mantenha alto desempenho durante a vida útil.

O papel, "Kerman:um algoritmo de rastreamento leve híbrido para ativar a vigilância inteligente como um serviço de borda, "ganhou o prêmio de melhor artigo na conferência IEEE CCNC 2019.