Multisensorsystem för övervakning, Lägesrapport 2016

Denna lägesrapport redovisar genomförd verksamhet och framkomna resultat under 2016 inom det treåriga FoT-projektet Multisensorsystem för övervakning (2015-2017). Projektet undersöker och värderar hur olika konfigurationer av samverkande och nätverksbaserade multisensorsystem bör utformas för att automatiskt kunna upptäcka, klassificera och följa hot i en svår komplex miljö. Projektet studerar också hur data från de enskilda sensorsystemen kan distribueras till en centralenhet för att skapa en gemensam lägesbild, samt undersöker hur sensorsystem kan utvecklas för egenpositionering och kartering. Resultaten från forskningen strävar efter att åstadkomma en förbättrad militär situationsuppfattning Inom området multisensornätverk studeras hur ett multisensornätverk bör vara utformat för att på ett robust och uthålligt sätt stödja övervakningen under huvudsakligen militära insatser. I år har projektet undersökt hur ett system baserat på ett relativt stora antal lågupplösta sensorer för yteller gränstäckning i komplex miljö kan kompletteras med drönare för larmverifiering och andra tidsbegränsade spaningsprojekt. Utgående från ett scenario där en bas på slagfältet bevakas mot fientliga formeringar har arkitekturen för ett autonomt sensorsystem beskrivits översiktligt. Sensorsystemet löser problemet att effektivt bevaka ett stort område i småbruten terräng med begränsad personalinsats. Arbetet utgör ett första steg mot en simulatorprototyp där de autonoma processerna kan vidareutvecklas och valideras i kommande arbete. Inom distribuerad målföljning undersöks hur ett multisensorsystem för övervakning av vidsträckta och komplexa miljöer kan distribuera sina algoritmer och kunna följa personer och fordon under längre perioder. De algoritmer som implementerats under föregående år har under året testats på simulerade och verkliga data. Resultaten har verifierats mot enklare rörelsemodeller samt mer komplicerade rörelser både i simulering och på verkliga data. Det visade sig att den relativt okända metoden SafeFusion, utvecklad vid LiU, gav de bästa resultaten. Inom arbetspaketet Anomalidetektion studeras hur system för övervakning av urban miljö ska vara utformade för att i ett tidigt skede upptäcka hotfulla händelser i framförallt folksamlingar. Metoderna sorterar automatiskt stora mängder bilddata och identifierar viktiga avvikande händelser, vilka kan larma en operatör. En typisk tillämpning är övervakning av olika typer av militära skyddsobjekt (t ex camper). Under året har vi studerat metoder för att förbättra anomalidetektorn genom att filtrera bort brus och oönskade signaler. En ny anomalidetektor har utvecklats där parameterinlärningen av normalbilden sker automatisk och där anomalidetektionen baseras på grupper av individer, vilket gör den mer robust i vissa tillämpningar.