Porque é que as deteções das câmaras de segurança parecem diferentes à noite do que durante o dia?

As deteções noturnas diferem frequentemente porque a pouca luz, a captação por infravermelhos e as exposições mais longas alteram as características que um detetor de objetos aprendeu a reconhecer.

Uma câmara de entrada pode identificar de forma fiável um carro estacionado ao meio-dia, mas perdê-lo depois do pôr do sol ou, por breves instantes, interpretar o seu reflexo como outro veículo. A geometria da cena não mudou, mas o sensor produz agora contornos mais ruidosos, tonalidades diferentes e rastos de movimento mais longos. Essas alterações afastam os fotogramas das condições de treino mais bem representadas pelo detetor.

A Noite Cria um Novo Domínio Visual

Os fotogramas diurnos contêm cor, textura e contraste local elevado. Os fotogramas noturnos podem ser monocromáticos por infravermelhos, apresentar cores subexpostas ou combinar lâmpadas brilhantes com um fundo escuro. Um detetor treinado sobretudo com exemplos diurnos nítidos recebe uma entrada estatisticamente diferente, embora uma pessoa continue a reconhecer a entrada.

Um estudo de grande escala sobre redes de câmaras concluiu que os detetores têm dificuldades durante a noite e podem ter dificuldade em detetar de forma consistente as mesmas pessoas e carros à medida que as condições de iluminação ambiente mudam. Isto é uma mudança de domínio: o mapeamento aprendido a partir de uma distribuição de aparências transfere-se de forma imperfeita para outra.

A confiança muda primeiro perto do limiar. Um carro com uma pontuação de 0,78 durante o dia pode descer para 0,42 à noite e desaparecer da lista de eventos, enquanto uma área refletora ganha contraste suficiente para se tornar uma falsa deteção. O modelo não está a alterar as suas regras; a evidência que entra nessas regras é que mudou.

A Exposição e os Infravermelhos Troc am Detalhe por Visibilidade

Para iluminar a escuridão, as câmaras aumentam o ganho ou o tempo de exposição. O ganho acrescenta ruído visível, enquanto um obturador mais lento arrasta as pessoas em movimento por vários píxeis. A iluminação por infravermelhos pode recuperar contornos, mas altera a refletância dos materiais, remove referências de cor familiares e cria pontos de brilho em matrículas, insetos, nevoeiro ou paredes próximas.

A investigação sobre adaptação de domínio entre dia e noite utiliza representações invariantes à iluminação porque os detetores comuns, concebidos para imagens bem iluminadas, degradam-se em cenas escuras. A necessidade de adaptação do dia para a noite demonstra por que motivo aumentar simplesmente o brilho não recria a distribuição de características de um verdadeiro fotograma diurno.

Estes efeitos acumulam-se: o desfoque enfraquece os contornos, o ruído cria texturas falsas e os infravermelhos alteram a aparência. Um modelo otimizado para a noite pode recuperar parte do desempenho, mas também pode comportar-se de forma diferente ao anoitecer, quando a câmara está a mudar de modo. Mais potência de infravermelhos não significa automaticamente uma deteção mais fiável.

Onde a Explicação Dia-Noite Fica Aquém

A iluminação não explica tudo se o NVR analisar um subfluxo de menor resolução durante a noite, alterar as definições do codec ou aplicar um perfil de modelo separado. A sensibilidade programada, as máscaras de privacidade ou as zonas de eventos também podem variar consoante a hora. Essas alterações de configuração imitam um problema de domínio visual, embora ocorram depois da captura.

A investigação sobre condições de pouca luz relata melhorias mensuráveis com a deteção noturna adaptada à escuridão, indicando que o pré-processamento e os modelos especializados podem reduzir a diferença. Isto não demonstra que todas as melhorias sejam benéficas: uma redução de ruído agressiva pode apagar objetos pequenos e o aumento do brilho pode amplificar artefactos de compressão.

O mecanismo deixa de se aplicar quando os fotogramas diurnos e noturnos originais produzem pontuações semelhantes no modelo, mas a interface de eventos os filtra de forma diferente. Também não explica deteções que mudam com uma iluminação fixa enquanto a seleção do fluxo de rede é alterada. Separe a aparência do sensor, a entrada da inferência e a política de notificações antes de atribuir a causa.

Featured

ZimaCube 2 NAS Pessoal Cloud para Casa

ZimaCube2

$799.00 - $2,499.00

Buy Now

Meça o Dia e a Noite como Condições de Captura Separadas

Crie uma comparação entre dia e noite a partir do mesmo ângulo de câmara e com um modelo de deteção fixo. Exporte os fotogramas originais da inferência em vez de capturas de ecrã do telemóvel e registe o modo de iluminação, o tempo do obturador, o ganho, a resolução do fluxo, o tamanho do objeto, a confiança e se os infravermelhos estavam ativos. Inclua o amanhecer e o anoitecer, pois as transições de modo expõem frequentemente o limite.

Um fluxo de trabalho local de IA autónomo permite que o detetor, os clips e os metadados dos eventos continuem disponíveis mesmo quando a conectividade com a nuvem muda. Mantenha o modelo e o limiar fixos durante a primeira comparação, para que apenas as condições de captura variem.

Considere a mudança de domínio noturna como causal quando a confiança e a localização se degradam com a aparência de pouca luz, enquanto o fluxo de inferência permanece constante. Se as pontuações originais permanecerem estáveis, mas os alertas diferirem, analise a política de filtragem. Se apenas os objetos rápidos falharem, o desfoque de movimento é uma explicação mais forte do que a escuridão por si só.