Detección de anomalías en el borde utilizando cámaras inteligentes en condiciones de poca luz

El número de cámaras utilizadas en los dominios de ciudades inteligentes es cada vez más prominente y notable para monitorear áreas urbanas y rurales al aire libre, como granjas y bosques, para disuadir el robo de maquinaria agrícola y ganado, así como para monitorear a los trabajadores y garantizar su seguridad. Sin embargo, las tareas de detección de anomalías se vuelven mucho más desafiantes en entornos con condiciones de poca luz. En consecuencia, lograr resultados eficientes en el reconocimiento de comportamientos y eventos circundantes se vuelve difícil. Por lo tanto, esta investigación ha desarrollado una técnica para mejorar las imágenes capturadas en condiciones de mala visibilidad. Esta mejora tiene como objetivo aumentar la precisión de la detección de objetos y mitigar las detecciones falsas positivas. La técnica propuesta consiste en varias etapas. En la primera etapa, se extraen características de las imágenes de entrada. Posteriormente, un clasificador asigna una etiqueta única para indicar el modelo óptimo entre varias redes de mejora. Además, puede distinguir escenas capturadas con suficiente luz de aquellas con poca luz. Finalmente, se aplica un algoritmo de detección para identificar objetos. Cada tarea se implementó en un dispositivo IoT-edge separado, mejorando el rendimiento de detección en la base de datos ExDark con un tiempo de respuesta de casi un segundo en todas las etapas.