Disputation i elektronik med Hiba Alqaysi
Den 12 januari presenterar Hiba Alqaysi sin doktorsavhandling "Cost Optimization of Volumetric Surveillance for Sky Monitoring Towards Flying Object Detection and Positioning". Välkommen att delta via på plats eller digitalt. Seminariet ges på engelska.
Handledare: Prof. Mattias O'Nils
Opponent: Fabio Poiesi, Bruno Kessler Foundation
Betygsnämnd:
Prof. Bernhard Rinner, University of Kagenfurt
Prof. Haibo Li, KTH, Stockholm
Associate prof. Göran Thungström, Mittuniversitetet
Sammanfattning
Till skillnad från videoövervakning av ytor, behandlar volymetrisk övervakning föremål som rör sig inom en tredimensionell volym. I till exempel vindkraftsparker och flygplatser finns ett behov av övervakning av objekt i luften. För kunna övervaka dessa områden behövs flera kameror och analysmetoder för att kunna detektera flygaktiviteter över hela volymerna. Utifrån behovet att gå från ytbaserad övervakning till volymetrisk övervakning kommer ett antal utmaningar med optimering av dessa övervakningssystem. Dessa inkluderar konfiguration av nodplacering av flera kameror, övervakningstäckning, kostnad och systemets förmåga att upptäcka och positionera flygande objekt.
Den här avhandlingen studerar tre delområden för volymetriska övervakningssystem. Först studeras nodens placering och täckning i enlighet med krav för övervakningen. Dessutom bör nodarkitekturen konfigureras för att minimera kostnad och maximera täckningen. Sist bör systemet upptäcka små flygande föremål med god noggrannhet.
Avhandlingen visar att placeringen av multikameranoderna i ett hexagonalt mönster utifrån krav på övervakningen, så som maximal höjd och nödvändig pixelupplösning, ger effektivaste placeringen av kameranoder. Vidare presenteras resultat som visar att modellera kameranoder som en cylinder snarare än en halvsfär minimera kostnaden för varje nod, vilket minimerar kostnaden för täckningen av ett visst område.
Den tredje delen av avhandlingen studerar metoder för att kunna upptäcka flygande föremål. En YOLOv4-baserad modell för att detektera fåglar i högupplöst videomaterial har utvecklats utifrån två annoterade datamängder insamlade på två olika vindkraftsparker i Danmark. Modellen övervinner problemet med att upptäcka små föremål i en dynamisk bakgrund. Den förbättrar detekteringsnoggrannheten jämfört med modeller baserad på standard YOLOv4 och traditionell bildbehandling, genom att dela upp bilden i delbilder samt inkludera temporal information i modellen.
