МЕТОД ВИЯВЛЕННЯ ТА СУПРОВОДЖЕННЯ МАЛИХ ПОВІТРЯНИХ ЦІЛЕЙ НА ОСНОВІ СТАБІЛІЗОВАНОЇ МІЖКАДРОВОЇ РІЗНИЦІ З АДАПТИВНОЮ ЛОКАЛЬНОЮ ПОРОГОВОЮ СЕГМЕНТАЦІЄЮ

Анотація

У статті розв'язується актуальна науково–практична задача виявлення та мультитрекового супроводження малих повітряних цілей (безпілотних літальних апаратів, БПЛА) у відеопотоці, що отримується з бортової камери іншого спостережного апарата. Впровадження технологій комп'ютерного зору на борту безпілотників суттєво ускладняється жорсткими обмеженнями щодо масо–габаритних та енергетичних характеристик (SWaP), що робить застосування сучасних ресурсномістких глибинних нейромереж (таких як YOLO або Faster R–CNN) вкрай складним без спеціалізованих графічних прискорювачів. Додатковими ускладнювальними факторами під час польоту є екстремально малі розміри цілей (часто менше ніж 15 пікселів), низький контраст об'єктів на тлі неба чи землі, а також постійний рух самої камери (ego–motion), що створює глобальне зміщення фону.  

Метою дослідження є розробка ефективного та обчислювально легкого алгоритмічного конвеєра виявлення малих рухомих цілей, придатного для розгортання на малопотужних бортових Edge–системах у режимі реального часу на базових процесорах (CPU). Для досягнення цієї мети запропоновано модифікований підхід на основі класичних методів аналізу міжкадрової різниці. Запропонований метод послідовно інтегрує в єдину систему афінну стабілізацію зображення за алгоритмом Лукаса–Канаде з використанням RANSAC, адаптивну локальну порогову сегментацію на основі локального середнього та стандартного відхилення, фонову модель експоненційного ковзного середнього (EMA) для згладжування повільних змін освітленості, а також інноваційну концепцію безперервного темпорального голосування з плавним згасанням для фільтрації випадкового шуму. Використання локальної статистики дозволяє відмовитися від неефективних глобальних порогів, надійно зберігаючи чутливість системи до дрібних цілей і водночас пригнічуючи хибні спрацювання у висококонтрастних зонах.  

Експериментальну перевірку розробленого методу здійснено на складному датасеті, що налічує 15 різноманітних відеокліпів загальною тривалістю понад 14 000 кадрів, анотованих у стандартному форматі MOT 1.1. Результати системного тестування продемонстрували, що метод забезпечує високу середню швидкість обробки на рівні 38,5 кадрів за секунду, що із запасом задовольняє вимоги реального часу (понад 25 кадрів/с). Середнє значення метрики F1 для базової конфігурації алгоритму становить 0,304. Проведений детальний пооб'єктний аналіз виявив, що якість виявлення критично залежить від розміру мішені та швидкості її руху: повнота виявлення (Recall) стрімко знижується для об'єктів розміром менше 15 пікселів та при швидкостях, що перевищують 10 пікселів за кадр. Дослідження переконливо доводить високий потенціал запропонованого алгоритму для автономних бортових обчислювачів, оскільки він гарантує належну ефективність виявлення без залучення енергозатратних графічних процесорів (GPU), залишаючи обчислювальні ресурси для виконання критичних польотних завдань.

Ключові слова: безпілотний літальний апарат, виявлення малих рухомих цілей, стабілізація зображення, міжкадрова різниця, адаптивна порогова сегментація, темпоральне голосування, мультитрекове супроводження.