Nuevos algoritmos para videovigilandia optimizada
Cada vez se necesitan más sistemas de videovigilancia para cubrir el aumento de las necesidades de seguridad y protección, pero los recursos humanos necesarios para analizar el material en vídeo no siempre están disponibles. Se necesita un software mejor para analizar automáticamente el material en vídeo sin que se produzcan demasiadas falsas alarmas y omisiones, y para ello se necesitan algoritmos más avanzados, especialmente teniendo en cuenta que las unidades de procesador gráfico (GPU) programables han evolucionado de forma importante. El proyecto PARALLELYTICS (Real-time video analytics engine optimized for GPUs), financiado por la Unión Europea, pretendía diseñar e implementar algoritmos de análisis de vídeo optimizados para los procesadores actuales, con gran capacidad de paralelización. PARALLELYTICS se centró en tres objetivos fundamentales de investigación: la selección y el diseño de algoritmos de aprendizaje de máquinas compatibles con la paralelización; los algoritmos de aprendizaje supervisados y no supervisados y el diseño de entidades para el aprendizaje de la normalidad; y el desarrollo de algoritmos de transferencia adaptativa de mensajes. Los socios del proyecto establecieron un curso de aprendizaje para máquinas como parte del currículo de licenciatura en informática de la Universidad Sehir de Estambul. También se diseñaron dos cursos de licenciatura sobre aprendizaje de máquinas y modelos gráficos probabilísticos. Se estableció el laboratorio de ciencia de datos con once estudiantes de licenciatura y licenciados. Los investigadores desarrollaron medidas de selección de entidades para aprendizaje de árboles de decisión supervisados y no supervisados, así como aplicaciones de deformación del tiempo para modelizar datos de series temporales. A continuación, se aplicaron estas técnicas a modelizar los debates en redes sociales en distintas plataformas de redes sociales con datos reales. También diseñaron entidades para reconocimiento de formas, reconocimiento de actividad en multitudes y modelización de movimiento de agentes individuales. Además, el equipo de PARALLELYTICS diseñó algoritmos inteligentes de transferencia de mensajes compatibles con GPU que se utilizan para mejorar la estimación de las variables desconocidas y eliminar información inválida. PARALLELYTICS debería cambiar la eficiencia y mejorar la exactitud de la videovigilancia, lo cual sería un impulso bienvenido para la seguridad y la protección en todo el mundo.
Palabras clave
Videovigilancia, unidades de procesador gráfico, PARALLELYTICS, motor de análisis de vídeo