2023-07-20 ｱﾒﾘｶ合衆国・ｻﾝﾃﾞｨｱ国立研究所(SNL)
・ SNL が、ピクセル 1 個のサイズの動くオブジェクトを特定・追跡・検出する、Multi-frame Moving Object Detection System(MMODS)（特許取得済み）を開発。
・ マルチフレームオブジェクト検出処理にダイナミックターゲットモーション予測アルゴリズムを組み合わせた検出アプローチで、あらゆるリモートセンシングアプリケーションの性能を向上させる。
・ 防犯監視システムでは、遠くにある脅威を検知してそれに対処する時間を確保できるが、センサーから離れた場所にあるオブジェクトは小さく見えるという単純な事実が大きな課題。センサーの検出感度は、検出対象のオブジェクトから離れるほど低下する。
・ リモートセンシングシステムでオブジェクトを検出する能力は、単一のビデオフレームで見えるものに限られるが、MMODS は新しいマルチフレーム手法を通じ、視界不良の状況下でも小さなオブジェクトを検出する。
・ センサーから画像を受信すると、MMODS は画像フィルターでそれらのデータをフレーム毎にリアルタイムに処理し、アルゴリズムがビデオフレーム中の動きを特定して一連のビデオフレームシーケンスに相関し統合できるターゲット信号に適合させる。
・ 動いているターゲットの信号は経時的に相関し増大することから、このプロセスにより SN 比(全体の画像品質)が向上し、ランダムに動いて相関のない風等による背景の雑音はフィルターで取り除かれる。
・ 信号とノイズの区別のない SN 比 1:1 の、ピクセル 1 個ほどの微小なターゲットオブジェクトを検出し、MMODS の有効性を実証。このようなオブジェクトは人間の眼やセンサーでは検出できない。
・ ベースライン検出システムでの動くオブジェクトの検出確率は 30%。MMODS をシステムに追加すると、誤り検出率の増加なく検出確率 90%を達成。また、リモートカメラで収集したライブデータの動くオブジェクトの検出では、対象地域の知識がなくても街中を走行する自動車を検出できた。
・ 現行のビデオカメラが約 1000 万画素であることを踏まえると、ピクセル 1 個の検出・追跡はコンピュータービジョン技術の大きな進歩である。MMODS により、検出感度の 200～500%の向上が実証されており、視界不良の状況下でも高速・低速で動くオブジェクトの検出に有効となる。
URL: https://newsreleases.sandia.gov/sensing_software/
＜NEDO海外技術情報より＞
関連情報
Sensor 掲載論文(フルテキスト）
Remote Sensing Low Signal-to-Noise-Ratio Target Detection Enhancement
URL: https://www.mdpi.com/1424-8220/23/6/3314
Abstract
In real-time remote sensing application, frames of data are continuously flowing into the processing system. The capability of detecting objects of interest and tracking them as they move is crucial to many critical surveillance and monitoring missions. Detecting small objects using remote sensors is an ongoing, challenging problem. Since object(s) are located far away from the sensor, the target’s Signal-to-Noise-Ratio (SNR) is low. The Limit of Detection (LOD) for remote sensors is bounded by what is observable on each image frame. In this paper, we present a new method, a “Multi-frame Moving Object Detection System (MMODS)”, to detect small, low SNR objects that are beyond what a human can observe in a single video frame. This is demonstrated by using simulated data where our technology-detected objects are as small as one pixel with a targeted SNR, close to 1:1. We also demonstrate a similar improvement using live data collected with a remote camera. The MMODS technology fills a major technology gap in remote sensing surveillance applications for small target detection. Our method does not require prior knowledge about the environment, pre-labeled targets, or training data to effectively detect and track slow- and fast-moving targets, regardless of the size or the distance.
