Nowe algorytmy do zoptymalizowanego monitoringu wideo
Do zaspokojenia rosnących potrzeb w zakresie bezpieczeństwa i ochrony potrzebna jest coraz większa liczba systemów monitoringu wideo, jednak często problemem jest brak siły roboczej, która mogłaby analizować zapis wideo. Potrzebne jest lepsze oprogramowanie umożliwiające automatyczne analizowanie nagrań bez generowania dużej liczby fałszywych alarmów i błędów, a do tego wymagane są bardziej zaawansowane algorytmy, szczególnie ze względu na dynamiczny rozwój kart graficznych (GPU). Finansowany ze środków UE projekt PARALLELYTICS (Real-time video analytics engine optimised for GPUs) miał na celu opracowanie i wdrożenie algorytmów do równoległej analizy obrazu wideo, zoptymalizowanych pod kątem nowoczesnych kart graficznych. Projekt PARALLELYTICS koncentrował się na trzech głównych założeniach badawczych: wybranie i zaprojektowanie algorytmu uczenia maszynowego, nadającego się do obliczeń równoległych; zaprojektowanie działających bez nadzoru i z nadzorem algorytmów i funkcji do uczenia się parametrów normalnych; opracowanie adaptacyjnych algorytmów przekazywania komunikatów. Partnerzy projektu zorganizowali kurs na temat uczenia maszynowego w ramach kierunku informatyki na Uniwersytecie Sehir w Stambule. Przygotowano dwa kursy dla absolwentów, poświęcone uczeniu maszynowemu i probabilistycznym modelom graficznym. Zorganizowano laboratorium na temat danych, w którym wzięło udział 11 studentów i absolwentów. Naukowcy opracowali wskaźniki wyboru funkcji do podlegających i niepodlegających nadzorowi zastosowań uczenia drzewa decyzyjnego i dynamicznego zakrzywiania czasu dotyczących modelowania danych szeregu czasowego. Techniki te zastosowano następnie do modelowania dyskusji w mediach społecznościowych na różnych platformach przy użyciu prawdziwych danych. Zaprojektowano też funkcje rozpoznawania kształtów, rozpoznawania aktywności tłumu oraz modelowania ruchu indywidualnych agentów. Ponadto zespół PARALLELYTICS zaprojektował inteligentne i przyjazne dla kart graficznych algorytmy do adaptacyjnego przekazywania komunikatów, używane do poprawy szacowania nieznanych zmiennych oraz usuwania nieprawidłowych informacji. Projekt PARALLELYTICS powinien umożliwić zwiększenie wydajności i dokładności monitoringu wideo, przyczyniając się do poprawy bezpieczeństwa na całym świecie.
Słowa kluczowe
Monitoring wideo, procesory graficzne, PARALLELYTICS, aparat do analizy obrazu wideo
