Vigilancia de video aéreo a baja altitud mediante detección de anomalías con SVM de una clase a partir de características texturales en imágenes de UAV
Autores: Avola, Danilo; Cinque, Luigi; Di Mambro, Angelo; Diko, Anxhelo; Fagioli, Alessio; Foresti, Gian Luca; Marini, Marco Raoul; Mecca, Alessio; Pannone, Daniele
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Vigilancia de video aéreo a baja altitud mediante detección de anomalías con SVM de una clase a partir de características texturales en imágenes de UAV
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Pequeña escala
UAVs
Detección de anomalías
Vigilancia por video
Máquina de Vectores de Soporte de Una Clase
Características texturales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
En los últimos años, los vehículos aéreos no tripulados (VANT) de pequeña escala se han utilizado en muchas aplicaciones de videovigilancia, como el seguimiento de vehículos, el control fronterizo, la detección de objetos peligrosos y muchas otras. La detección de anomalías puede representar un requisito previo para muchas de estas aplicaciones gracias a su capacidad para identificar áreas y/o objetos de interés sin conocerlos a priori. En este artículo, se presenta un detector de anomalías basado en una máquina de soporte vectorial de una clase (OC-SVM) con características texturales de Haralick personalizadas para la videovigilancia aérea a baja altitud. El uso de un SVM de una clase, que es notoriamente un clasificador ligero y rápido, permite la implementación de sistemas en tiempo real incluso cuando están integrados en VANT de pequeña escala con baja capacidad computacional. Al mismo tiempo, el uso de características texturales permite que un sistema basado en visión detecte micro y macro estructuras de una superficie analizada, lo que permite la identificación de anomalías pequeñas y grandes, respectivamente. Este último aspecto juega un papel clave en la videovigilancia aérea a baja altitud, es decir, de 6 a 15 m, donde la detección de objetos comunes, por ejemplo, coches, es tan importante como la detección de objetos pequeños y no definidos, por ejemplo, Dispositivos Explosivos Improvisados (IED). Los experimentos realizados en el conjunto de datos de Mosaico y Detección de Cambios (UMCD) muestran la efectividad del sistema propuesto en términos de precisión, exactitud, recuperación y puntuación F1, donde el modelo alcanza una precisión del 100%, es decir, nunca se pierde una anomalía, pero a expensas de un compromiso razonable en su recuperación, que aún logra alcanzar hasta un 71.23% de puntuación. Además, en comparación con las características texturales clásicas de Haralick, el modelo obtiene un rendimiento significativamente más alto, es decir, ~20% en todas las métricas, demostrando aún más la efectividad del enfoque.
Descripción
En los últimos años, los vehículos aéreos no tripulados (VANT) de pequeña escala se han utilizado en muchas aplicaciones de videovigilancia, como el seguimiento de vehículos, el control fronterizo, la detección de objetos peligrosos y muchas otras. La detección de anomalías puede representar un requisito previo para muchas de estas aplicaciones gracias a su capacidad para identificar áreas y/o objetos de interés sin conocerlos a priori. En este artículo, se presenta un detector de anomalías basado en una máquina de soporte vectorial de una clase (OC-SVM) con características texturales de Haralick personalizadas para la videovigilancia aérea a baja altitud. El uso de un SVM de una clase, que es notoriamente un clasificador ligero y rápido, permite la implementación de sistemas en tiempo real incluso cuando están integrados en VANT de pequeña escala con baja capacidad computacional. Al mismo tiempo, el uso de características texturales permite que un sistema basado en visión detecte micro y macro estructuras de una superficie analizada, lo que permite la identificación de anomalías pequeñas y grandes, respectivamente. Este último aspecto juega un papel clave en la videovigilancia aérea a baja altitud, es decir, de 6 a 15 m, donde la detección de objetos comunes, por ejemplo, coches, es tan importante como la detección de objetos pequeños y no definidos, por ejemplo, Dispositivos Explosivos Improvisados (IED). Los experimentos realizados en el conjunto de datos de Mosaico y Detección de Cambios (UMCD) muestran la efectividad del sistema propuesto en términos de precisión, exactitud, recuperación y puntuación F1, donde el modelo alcanza una precisión del 100%, es decir, nunca se pierde una anomalía, pero a expensas de un compromiso razonable en su recuperación, que aún logra alcanzar hasta un 71.23% de puntuación. Además, en comparación con las características texturales clásicas de Haralick, el modelo obtiene un rendimiento significativamente más alto, es decir, ~20% en todas las métricas, demostrando aún más la efectividad del enfoque.