Black Friday26/11Adicionar na agenda
Publicidade

IA permite a sistema de vigilância monitorar várias pessoas ao mesmo tempo

Por  • Editado por  Douglas Ciriaco  | 

maxxyustas/Envato
maxxyustas/Envato

Pesquisadores do Gwangju Institute of Science and Technology (GIST), na Coreia do Sul, criaram um sistema de aprendizagem profunda capaz de rastrear vários objetos ao mesmo tempo, sem comprometer a velocidade e a precisão do dispositivo. O novo modelo de rastreamento utiliza uma técnica conhecida como associação de correspondência de aparência temporal profunda (Deep-TAMA).

Continua após a publicidade

Esse sistema consegue discriminar a aparência de diferentes objetos, evitando que os algoritmos de reconhecimento misturem vários itens na mesma cena e gerem resultados incorretos, como a sobreposição de imagens ou a dificuldade de identificação de materiais com formatos e tamanhos parecidos.

O método proposto pelos cientistas permite a comparação de duas entradas de dados distintas, que podem ser usadas na modelagem de aparência adaptativa sem causar ambiguidade do objeto observado. Essa abordagem também impede a falha na detecção de materiais em ambientes com variações de cor e luminosidade.

Canaltech
O Canaltech está no WhatsApp!Entre no canal e acompanhe notícias e dicas de tecnologia
Continua após a publicidade

Inferência conjunta

Para conseguir um modelo capaz de extrair as características de um objeto com mais precisão e compará-las em tempo real com um histórico registrado previamente, os pesquisadores combinaram redes neurais de inferência conjunta (JI-Nets) com redes de memória de longo e curto prazo (LSTMs).

Os LSTMs associam as aparências armazenadas, enquanto os JI-Nets comparam os aspectos comuns entre dois objetos detectados simultaneamente. Ao usar essa abordagem, os cientistas deram ao algoritmo a capacidade de superar obstruções e variações de curto prazo durante o processo de rastreamento.

“Comparado aos métodos convencionais que pré-extraem características de cada objeto de forma independente, o método de inferência conjunta apresentou uma melhor precisão em tarefas de vigilância pública complexas, como o rastreamento de pedestres em locais de grande aglomeração”, explica o professor de engenharia elétrica Moongu Jeon, autor principal do estudo.

Continua após a publicidade

Em tempo real

Embora os computadores consigam detectar objetos simultaneamente com certa eficácia, eles levam muito tempo para processar os dados, impedindo o uso contínuo em aplicações que exijam rastreamento e identificação em tempo real, como em sistemas urbanos de reconhecimento facial ativo.

A equipe do GIST conseguiu compensar essa falta de velocidade ao adotar um sistema de GPUs em paralelo baseado em processos de indexação. Esse método reduz o tempo de processamento e acelera a capacidade computacional de todo o conjunto, permitindo uma detecção mais precisa quase instantaneamente.

“O rastreamento de vários objetos ao mesmo tempo desbloqueia uma infinidade de aplicações, que vão desde a direção autônoma até a vigilância pública, além de ajudar a combater o crime e a reduzir a frequência de acidentes. Acreditamos que nossos métodos podem inspirar outros pesquisadores a desenvolver novas abordagens baseadas em aprendizagem profunda", conclui o professor Moongu Jeon.

Continua após a publicidade

Fonte: GIST