Sensorsystem för urbana operationer - Slutrapport

Föreliggande slutrapport redovisar genomförda aktiviteter och framkomna resultat inom det treåriga FoT-projektet Sensorsystem för urbana operationer. Projektet studerar hur olika sensorsystem kan fås att samverka för att åstadkomma förbättrad situationsuppfattning i den urbana miljön. Viktiga forskningsuppgifter är här att utifrån multisensordata utforma robusta datafusionsmetoder och algoritmer för detektion, klassificering och följning av mänskliga rörelser, samt att utveckla metoder för automatiserad upptäckt av avvikelser från normalbilden. Projektets forskningsinsatser koncentreras mot att ge forskningsstöd inom följande militära behovsområden: Kontinuerlig övervakning, Övervakning av folksamlingar samt Blue force tracking. Projektet deltar i flera internationella samarbeten, och genom medfinansiering av fyra EU FP7-projekt får projektet tillgång till den forskning och de resultat som där genereras. Vidare medverkar vi i NATO-gruppen SET-153 RTG-083 Multisensor integration in urban operations, där ett multisensorförsök som NATO-gruppen genomförde under hösten 2011 kommer att ge viktig kunskap om hur sensorsamverkan kan ge ökad situationsuppfattning. Nya detektionsalgoritmer för att klara multimålföljning av människor i en komplex urban miljö har utvecklats och utvärderats. Detektion baserad på klassificerare enligt boostingprincipen har visat sig vara lovande, liksom klassificerare som använder flera samverkande sensorvyer vilka effektivt kan hantera delvis skymda personer. Tillika har nya spåralgoritmer som använder färgattribut förbättrat stabiliteten i associationen mellan spår och detektioner. Detektion och följning i komplexa urbana miljöer är fortfarande ett aktivt forskningsområde, och idag existerar inga generella lösningar på problemet. Aspekter på akustisk utbredning i urban miljö har behandlats och försök med akustiska arrayer har genomförts. En underliggande arkitektur för att integrera sensorerna över större urbana områden har också utarbetats, och legat till grund för kravställning på distribuerade algoritmer och kommunikationskanaler. En automatiserad metod för normalbildsbestämning och anomalidetektion, baserad på Hidden Markov Model (HMM) och data från sensordetektioner, har tagits fram för att kunna detektera hotfulla tillstånd (anomalier) i folksamlingar, såsom t.ex. upplopp, slagsmål och överfall. Data från försök med samtidiga registreringar med visuella kameror, termiska IRkameror, akustiska sensorer och 3D-laser har legat till grund för utvecklingen. Under enkla och förhållandevis stationära omgivningsförhållanden har vår metod en detektionssannolikhet på 90 %. En användbar sensorkombination är optiska och akustiska sensorer. Höga ljudnivåer är ofta en viktig indikation på hotfulla situationer, medan den optiska sensorn ger information om antalet personer och deras aktivitet. Genom att fusionera optiska och akustiska sensordata ges möjlighet till robustare lägesbestämning och anomalidetektion. Arbetet har fortsatt med att studera och utveckla metoder och systemkoncept för att automatiskt hitta intressanta, avvikande händelser och händelseförlopp i en stadsmiljö. Ett ramverk för fusion av avvikelsedetektioner har utvecklats, som ger möjlighet att samtidigt hantera olika former av attribut och målspår, samt att kunna fusionera detektioner över tiden. Delprojektet Blue force tracking undersöker hur nya tekniker kan utnyttjas för att följa egna soldaters rörelser inne i byggnader där GPS-täckning saknas. Vi har i experiment med vårt egenutvecklade testsystem CHAMELEON - bestående av stereokamera och IMU - visat på möjligheten för en soldat att via utnyttjande av SLAM-tekniken bestämma sin egen position och samtidigt bygga upp en karta över byggnadens inre. Vi har också utvecklat en helt ny "tyst" RF-baserad positioneringsmetod av egna soldater i byggnader. Med ett egenkonstruerat endimensionellt testsystem har vi i kontrollerade försök kunnat verifiera systemkonceptets funktionalitet på ett framgångsrikt sätt.