Nueva investigación de la Universidad de Binghamton, Universidad Estatal de Nueva York, podría facilitar el seguimiento y el procesamiento de actividades sospechosas en las imágenes de vigilancia.

Las cámaras de vigilancia tradicionales no siempre detectan actividades u objetos sospechosos de manera oportuna. Para combatir este problema, El profesor asociado de ingeniería eléctrica e informática de la Universidad de Binghamton, Yu Chen, y su equipo desarrollaron un algoritmo de seguimiento ligero híbrido conocido como Kerman (filtro de Kalman kernelizado). La investigación utiliza computadoras de placa única (SBC) montadas en cámaras de vigilancia para procesar videos y extraer funciones que se enfocan en la detección mejorada de personas. rastrear su movimiento y reconocer comportamientos para una mayor cobertura de vigilancia.

"El algoritmo de Kerman permite que las cámaras inteligentes en el borde (la fuente de generación de datos) generen una alerta tan pronto como se detecte algo sospechoso en las transmisiones de video entrantes, "dijo Chen.

El equipo de investigación introdujo los SBC para implementar en plataformas informáticas descentralizadas, que distribuye la carga de trabajo entre varios nodos de computación Fog, en lugar de a un servidor centralizado. Debido a la computación descentralizada, no es necesario transferir el video a un servidor remoto, haciendo que el sistema de vigilancia sea más ágil y robusto. El procesamiento de datos se puede procesar y analizar de una manera más eficaz y oportuna.

El algoritmo no identifica, rastrear o registrar las actividades de cualquier persona, manteniendo así un alto nivel de privacidad dentro de un sistema seguro. Los modelos futuros de este algoritmo aprovecharán el hardware y los mecanismos de seguridad más avanzados para garantizar que este sistema de vigilancia sea evolutivo y mantenga un alto rendimiento durante su vida útil.

El papel, "Kerman:un algoritmo de seguimiento ligero híbrido para habilitar la vigilancia inteligente como un servicio perimetral, "ganó el premio al mejor artículo en la conferencia IEEE CCNC de 2019.