La surveillance grand angle rencontre la capture haute résolution dans la nouvelle plate-forme de caméra

Si vous êtes un fan de films d’espionnage, vous avez probablement rencontré des scènes où les agents du renseignement tentent d’identifier ou de détecter un auteur en utilisant une technologie sophistiquée d’amélioration de l’image sur les images des caméras de surveillance. Bien que l’idée derrière les caméras de surveillance et la détection d’objets soit la même dans la vie réelle, contrairement aux films, il y a souvent un compromis entre le champ de vision de la caméra et sa résolution.

Les caméras de surveillance doivent généralement avoir un large champ de vision pour rendre la détection d’une menace plus probable. Ainsi, les caméras omnidirectionnelles permettant une plage de capture à 360 degrés sont devenues un choix populaire, pour la raison évidente qu’elles ne laissent aucun angle mort; ils sont également peu coûteux à installer. Cependant, des études récentes sur la reconnaissance d’objets dans les caméras omnidirectionnelles montrent que les objets distants capturés dans ces caméras ont une mauvaise résolution, ce qui rend leur identification difficile. Si l’augmentation de la résolution est une solution évidente, la résolution minimale requise, selon une étude, est de 4K (3840 x 2160 pixels), ce qui se traduit par d’énormes exigences de débit binaire et un besoin de compression d’image efficace.

De plus, les images 3D omnidirectionnelles ne peuvent souvent pas être traitées sous forme brute en raison des effets de distorsion de l’objectif et doivent d’abord être projetées en 2D. «Le traitement continu sous des charges de calcul élevées occasionnées par des tâches telles que la détection d’objets en mouvement combiné à la conversion d’une vidéo à 360 degrés à 4K ou à des résolutions plus élevées en images 2D est tout simplement irréalisable en termes de performances réelles et de coûts d’installation», déclare le Dr Chinthaka Premachandra du Shibaura Institute of Technology (SIT), Japon, qui étudie le traitement d’image.

Abordant ce problème dans sa dernière étude publiée dans Journal des capteurs IEEE, Le Dr Premachandra, avec son collègue Masaya Tamaki du SIT, a envisagé un système dans lequel une caméra omnidirectionnelle serait utilisée pour localiser une région d’intérêt tandis qu’une caméra séparée capturerait son image haute résolution, permettant ainsi une identification très précise des objets sans entraînant des coûts de calcul importants. En conséquence, ils ont construit une plate-forme de caméra hybride composée d’une caméra omnidirectionnelle et d’une caméra pan-tilt (PT) avec un champ de vision de 180 degrés maintenu de chaque côté de celle-ci. La caméra omnidirectionnelle elle-même comprenait deux objectifs fisheye prenant en sandwich le corps de la caméra, chaque objectif couvrant une plage de capture de 180 degrés.

Les chercheurs ont utilisé des modules de caméra Raspberry Pi v.2.1 comme caméras PT sur lesquelles ils ont monté un module pan-tilt et ont connecté le système à un Raspberry Pi 3 modèle B.Enfin, ils ont connecté l’ensemble du système, la caméra omnidirectionnelle, les caméras PT et le Raspberry Pi, à un ordinateur personnel pour un contrôle global.

Le flux opérationnel était le suivant: les chercheurs ont d’abord traité une image omnidirectionnelle pour extraire une région cible, après quoi ses informations de coordonnées ont été converties en informations d’angle (angles de panoramique et d’inclinaison) et ensuite transférées au Raspberry Pi. Le Raspberry Pi, à son tour, contrôlait chaque caméra PT en fonction de ces informations et déterminait si une image complémentaire devait être prise.

Les chercheurs ont principalement effectué quatre types d’expériences pour démontrer les performances dans quatre aspects différents de la plate-forme de la caméra et des expériences séparées pour vérifier les performances de capture d’image pour différents emplacements d’objet cible.

Alors qu’ils envisagent qu’un problème potentiel pourrait survenir lors de la capture d’objets en mouvement pour lesquels les images complémentaires pourraient être décalées en raison d’un retard dans l’acquisition d’image, ils ont proposé une contre-mesure potentielle – l’introduction d’une technique de filtrage de Kalman pour prédire les coordonnées futures de l’objet lorsque capturer des images.

«Nous prévoyons que notre système de caméra créera des impacts positifs sur les futures applications utilisant l’imagerie omnidirectionnelle telles que la robotique, les systèmes de sécurité et les systèmes de surveillance», déclare le Dr Premachandra.

Fourni par Shibaura Institute of Technology