Nieuw onderzoek van Binghamton University, Staatsuniversiteit van New York, zou het gemakkelijker kunnen maken om verdachte activiteiten in bewakingsbeelden te volgen en te verwerken.

Traditionele bewakingscamera's detecteren verdachte activiteiten of objecten niet altijd tijdig. Om dit probleem te bestrijden, Binghamton University Universitair hoofddocent elektrische en computertechniek Yu Chen en zijn team ontwikkelden een hybride lichtgewicht volgalgoritme dat bekend staat als Kerman (Kernelized Kalman-filter). Het onderzoek maakt gebruik van single board computers (SBC's) die op bewakingscamera's zijn gemonteerd om video's te verwerken en functies te extraheren die gericht zijn op verbeterde detectie van mensen, hun bewegingen volgen en gedrag herkennen voor een betere bewakingsdekking.

"Het Kerman-algoritme stelt de slimme camera's aan de rand (de bron van gegevensgeneratie) in staat om een ​​waarschuwing te geven zodra er iets verdachts wordt gedetecteerd in de binnenkomende videostreams, " zei Chen.

Het onderzoeksteam introduceerde SBC's die moeten worden geïmplementeerd in gedecentraliseerde computerplatforms, die de werklast verdeelt over meerdere Fog-computerknooppunten, in plaats van naar één gecentraliseerde server. Door gedecentraliseerd computergebruik, de video hoeft niet naar één externe server te worden overgebracht, waardoor het bewakingssysteem wendbaarder en robuuster wordt. Gegevensverwerking kan dan effectiever en tijdiger worden verwerkt en geanalyseerd.

Het algoritme identificeert niet, de activiteiten van iemand volgen of registreren, waardoor een hoog niveau van privacy binnen een beveiligd systeem wordt gehandhaafd. Toekomstige modellen van dit algoritme zullen profiteren van meer geavanceerde hardware en beveiligingsmechanismen om ervoor te zorgen dat dit bewakingssysteem evolutionair is en gedurende de hele levensduur hoge prestaties behoudt.

De krant, "Kerman:een hybride lichtgewicht volgalgoritme om slimme bewaking als een edge-service mogelijk te maken, " won de prijs voor het beste papier op de IEEE CCNC-conferentie van 2019.