Nuova ricerca della Binghamton University, Università statale di New York, potrebbe semplificare il monitoraggio e l'elaborazione di attività sospette nei filmati di sorveglianza.
Le telecamere di sorveglianza tradizionali non sempre rilevano attività o oggetti sospetti in modo tempestivo. Per combattere questo problema, Yu Chen, professore associato di ingegneria elettrica e informatica della Binghamton University, e il suo team hanno sviluppato un algoritmo di tracciamento ibrido leggero noto come Kerman (filtro Kernelized Kalman). La ricerca utilizza computer a scheda singola (SBC) montati su telecamere di sorveglianza per elaborare video ed estrarre funzionalità che si concentrano sul rilevamento avanzato delle persone, tracciare i loro movimenti e riconoscere i comportamenti per una maggiore copertura di sorveglianza.
"L'algoritmo Kerman consente alle telecamere intelligenti dell'edge (la fonte di generazione dei dati) di inviare un avviso non appena viene rilevato qualcosa di sospetto nei flussi video in ingresso, " disse Chen.
Il team di ricerca ha introdotto gli SBC da implementare in piattaforme informatiche decentralizzate, che distribuisce il carico di lavoro tra più nodi di calcolo della nebbia, invece che su un server centralizzato. A causa del calcolo decentralizzato, il video non ha bisogno di essere trasferito su un server remoto, rendendo il sistema di sorveglianza più agile e robusto. Il trattamento dei dati può quindi essere elaborato e analizzato in modo più efficace e tempestivo.
L'algoritmo non identifica, tracciare o registrare le attività di chiunque, mantenendo così un alto livello di privacy all'interno di un sistema sicuro. I futuri modelli di questo algoritmo trarranno vantaggio da hardware e meccanismi di sicurezza più avanzati per garantire che questo sistema di sorveglianza sia evolutivo e mantenga prestazioni elevate nel corso della vita.
La carta, "Kerman:un algoritmo di tracciamento ibrido leggero per abilitare la sorveglianza intelligente come servizio perimetrale, " ha vinto il premio per la miglior carta alla conferenza IEEE CCNC 2019.
