«Как усилить движение и распознать отпечатки фото-сенсоров»: в ЮУрГУ прошли лекции профессора Омара Фахми
На этой неделе в Высшей школе электроники и компьютерных наук ЮУрГУ провел лекции Профессор Омар Фахми, доцент Университета будущего (Future University, Египет), старший научный сотрудник кафедры электронных вычислительных машин ЮУрГУ.
Омар Фахми является доцентом кафедры электротехники Университета будущего в Египте. В 2012 году ему была присуждена степень доктора философии в области инфокоммуникационных технологий. Его специализация — обработка изображений, компьютерное зрение и их применение. Последнее время он занимается исследованиями в области обработки видео, особенно увеличения движущихся объектов в цифровом видео. Он работал над мультимедийной криминалистикой и проблемой обнаружения подделок на основе индивидуальных особенностей камеры и с повышением степени разрешения для изображений.
В ЮУрГУ он провел две лекции, посвященные Micromovement magnification techniques (методам увеличения движения) и Forensic Image Analysis (криминалистическому анализу изображений). На первой лекции он рассказал о методах увеличения микродвижений естественных видео, которые не обнаруживаются человеческим глазом. Например, на лекции было показано видео спящего ребенка до обработки, где зрители не видели никакого движения, а после обработки стало видно активное движение грудной клетки. Такие увеличения происходят за счет четырех методов, предложенных профессором: управляемой пирамидной техники, изменения фазы с помощью преобразований Гильберта, метода пирамиды Рисса и двойного древовидного метода комплексного вейвлет-преобразования.
«Существует различное применение этих технологий, например, медицинское. Представьте, что вы можете оценить ЭКГ сердца людей только через мобильный телефон. Или увидеть детонацию двигателя при проектировании нового автомобиля, а в области проектирования мехатроники учесть факторы вибрации моторов, в строительстве – быстро настроить строительный кран, основываясь на погоде и ветре, – рассказал Омар Фахми. – Идея увеличения видео с помощью с комплексного вейвлет-преобразования не самая новая, если поискать в интернете, эта технология появилась 2015 году, MIT (Массачусетский технологический университет) начал использовать эту технику в 2017 году, моя техника третья и самая современная на данный момент».
После выступления слушатели активно задавали вопросы, больше всего их интересовали особенности работы с изображениями и видео, например, что делать, если видео имеет много шумов или движение минимально, меньше одного пикселя, какие компьютерные ресурсы нужны и каковы требования к качеству изображения. Своим мнением о лекции поделился Артем Старков, студент первого курса направления «Фундаментальная информатика и прикладные технологии»:
«Эта тема нам знакома, потому что мы учимся и работаем не первый год в этом направлении, и нам уже показывали подобные технологии. Но этот подход, мы такого применения тоже раньше не видели. В целом задача не новая, но решение ее для нас было в новинку. Наибольший интерес вызвало то, что у нас нет необходимости использовать дорогостоящее оборудование, достаточно обычной камеры или веб-камеры, и она в целом способна фиксировать крошечные изменения и предсказывать их, «расшатывая» картину. Это как раз и не приходило в голову».
По словам Омара Фахми, после лекции ему задали два интересных вопроса, которые он хотел бы в дальнейшем развить в своем исследовании. Это обработка видео в онлайн с помощью компьютера или мобильного телефона и обнаружение малейшего движения в изображении менее одного пикселя.
Вторая лекция была посвящена другой теме – безопасности изображений или криминалистическому анализу изображений. Как рассказал профессор, камера в мобильном телефоне с момента производства оставляет свой собственный отпечаток на всех изображениях, которые были ею сделаны, благодаря этому существует возможность обнаружения изменения области в этих изображениях, если они подделаны. На лекции было рассказано о новой методике, основанной на извлечении признаков моментов Цернике для классификации коррелированных изображений PRNU, а также обнаружения измененных областей в изображении.