ABOUT THE SPEAKER
Michael Rubinstein - Research scientist, Google
Computer scientist Michael Rubinstein and his team have developed a "motion microscope" that can show video footage of barely perceivable movements, like breaths and heartbeats.

Why you should listen

Michael Rubinstein zooms in on what we can't see and mangnifies it by thirty or a hundred times. His "motion microscope," developed at MIT with Microsoft and Quanta Research, picks up on subtle motion and color changes in videos and blows them up for the naked eye to see. The result: fun, cool, creepy videos.

Rubinstein is a research scientist at a new Cambridge-based Google lab for computer vision research. He has a PhD in computer science and electrical engineering from MIT.

More profile about the speaker
Michael Rubinstein | Speaker | TED.com
TEDxBeaconStreet

Michael Rubinstein: See invisible motion, hear silent sounds

Michael Rubinstein: Vidieť neviditeľný pohyb, počuť tichý zvuk. Skvelé? Desivé? Nevieme sa rozhodnúť.

Filmed:
2,075,056 views

Zoznámte sa s „pohybovým mikroskopom“, nástrojom na spracovanie videa, ktorý zosilňuje nebadateľné pohyby a zmeny farieb. Videovýskumník Michael Rubinstein nám púšťa jeden neuveriteľný záber za druhým, ukazujúc, ako sa na základe krátkeho záberu určitej osoby dá odhaliť tlkot jej srdca. Sledujte, ako dokáže rozlúštiť rozhovor zvýraznením zvukových vibrácií odrážajúcich sa od vrecka zemiačkov. Neuveríte, kým neuvidíte úchvatné i hrozivé možnosti tejto techniky.
- Research scientist, Google
Computer scientist Michael Rubinstein and his team have developed a "motion microscope" that can show video footage of barely perceivable movements, like breaths and heartbeats. Full bio

Double-click the English transcript below to play the video.

00:13
So over the pastminulosť fewmálo centuriesstoročia,
microscopesmikroskopy have revolutionizedprevrat our worldsvet.
0
1114
7492
Za posledných pár storočí
mikroskopy zmenili náš svet.
00:21
They revealedodhalil to us a tinymaličký worldsvet
of objectsobjekty, life and structuresštruktúry
1
9036
5216
Odhalili nám maličký svet
živých i neživých objektov,
štruktúr, ktoré sa nedajú
vidieť voľným okom.
00:26
that are too smallmalý for us
to see with our nakednahý eyesoči.
2
14252
2906
00:29
They are a tremendousobrovský contributionpríspevok
to scienceveda and technologytechnológie.
3
17158
3019
Obrovsky prospeli vede a technike.
Dnes by som vám rád predstavil
nový typ mikroskopu,
00:32
TodayDnes I'd like to introducepredstaviť you
to a newNový typetyp of microscopeMikroskop,
4
20177
3227
00:35
a microscopeMikroskop for changeszmeny.
5
23404
2578
mikroskop na zmeny.
Nevyužíva optiku, ako bežný mikroskop,
00:37
It doesn't use opticsoptika
like a regularpravidelný microscopeMikroskop
6
25982
2902
00:40
to make smallmalý objectsobjekty biggerväčšia,
7
28884
1997
na zväčšovanie malých objektov.
00:42
but insteadnamiesto it usespoužitie a videovideo camerafotoaparát
and imageobraz processingspracovanie
8
30881
4376
Miesto toho pomocou kamery
a spracovania obrazu
00:47
to revealodhaliť to us the tiniestnajmenší motionspohyby
and colorfarba changeszmeny in objectsobjekty and people,
9
35257
5256
odhaľuje jemné pohyby a
farebné zmeny vecí i ľudí,
00:52
changeszmeny that are impossiblenemožné
for us to see with our nakednahý eyesoči.
10
40513
3842
zmeny, ktoré voľným okom nezbadáme.
00:56
And it letslets us look at our worldsvet
in a completelyúplne newNový way.
11
44355
4120
Dovoľuje nám vidieť náš svet
úplne novým spôsobom.
Čo myslím pod farebnými zmenami?
01:00
So what do I mean by colorfarba changeszmeny?
12
48475
1910
01:02
Our skinkoža, for examplepríklad,
changeszmeny its colorfarba very slightlytrochu
13
50385
2832
Napríklad pleť jemnúčko mení farbu,
01:05
when the bloodkrvný flowstokov underpod it.
14
53217
1997
keď pod ňou prúdi krv.
01:07
That changezmena is incrediblyneuveriteľne subtlejemný,
15
55214
2397
Tá zmena je neuveriteľne malá,
01:09
whichktorý is why, when you
look at other people,
16
57611
2063
preto, keď sa na niekoho pozriete,
01:11
when you look at the persončlovek
sittingsediaci nextĎalšie to you,
17
59674
2251
na človeka, čo sedí vedľa vás,
01:13
you don't see theirich skinkoža
or theirich facetvár changingmeniace sa colorfarba.
18
61925
3575
nevidíte, že by jeho pleť menila farbu.
Pozrime sa na Stevea na tomto videu.
Vyzerá to ako statická fotka.
01:17
When we look at this videovideo of SteveSteve here,
it appearsobjavia to us like a staticstatické pictureobrázok,
19
65500
4360
01:21
but onceakonáhle we look at this videovideo
throughskrz our newNový, specialšpeciálna microscopeMikroskop,
20
69860
3860
Ale keď sa na video pozrieme
naším novým špeciálnym mikroskopom,
01:25
suddenlynaraz we see
a completelyúplne differentrozdielny imageobraz.
21
73720
2600
zrazu uvidíme úplne iný obrázok.
01:28
What you see here are smallmalý changeszmeny
in the colorfarba of Steve'sSteve skinkoža,
22
76320
3930
To čo tu vidíte, sú malé
farebné zmeny Steveovej pokožky
01:32
magnifiedzväčšený 100 timesdoba
so that they becomestať sa visibleviditeľný.
23
80250
4436
zvýraznené 100-krát, takže sa dajú vidieť.
01:36
We can actuallyvlastne see a humančlovek pulsepulz.
24
84686
3267
Vidíme vlastne ľudský tep.
01:39
We can see how fastrýchly
Steve'sSteve heartSrdce is beatingbitie,
25
87953
3227
Vidíme, ako rýchlo bije Steveovi srdce,
01:43
but we can alsotaktiež see the actualskutočný way
that the bloodkrvný flowstokov in his facetvár.
26
91180
5355
a tiež cesty, ktorými
prúdi krv v jeho tvári.
01:48
And we can do that not just
to visualizezviditeľniť the pulsepulz,
27
96544
2631
Nielen, že vieme tep zviditeľniť,
01:51
but alsotaktiež to actuallyvlastne
recoverzotaviť sa our heartSrdce ratessadzby,
28
99175
3471
môžeme aj určiť jeho frekvenciu
a merať tak tep.
01:54
and measurezmerať our heartSrdce ratessadzby.
29
102646
1793
Stačí na to obyčajná kamera
a pacienta sa netreba ani dotknúť.
01:56
And we can do it with regularpravidelný cameraskamery
and withoutbez touchingdojemný the patientspacienti.
30
104439
4453
02:00
So here you see the pulsepulz and heartSrdce raterýchlosť
we extractedextrahované from a neonatalNovorodenecká babydieťa
31
108892
5617
Tu vidíte tep
a srdcovú frekvenciu novorodenca,
02:06
from a videovideo we tookzobral
with a regularpravidelný DSLRDSLR camerafotoaparát,
32
114509
2881
ktoré sme získali z videa,
natočeného obyčajnou DSLR kamerou.
02:09
and the heartSrdce raterýchlosť measurementmeranie we get
33
117390
1816
Naše meranie je rovnako presné
02:11
is as accuratepresný as the one you'dby si get
with a standardstandard monitormonitor in a hospitalnemocnica.
34
119206
4811
ako štandardný monitorovací
prístroj v nemocnici.
02:16
And it doesn't even have to be
a videovideo we recordedzaznamená.
35
124017
2642
A to ani nemusíme video natočiť sami.
02:18
We can do it essentiallyv podstate
with other videosvideá as well.
36
126659
2995
Môžme v podstate použiť aj iné videá.
02:21
So I just tookzobral a shortkrátky clipklip
from "BatmanBatman BeginsZačína" here
37
129654
3901
Tu som vybral krátky záber
z filmu Batman začína,
02:25
just to showšou ChristianKresťanské Bale'sBale je pulsepulz.
38
133555
1904
aby som vám ukázal tep Christiana Balea.
02:27
(LaughterSmiech)
39
135459
1822
(smiech)
02:29
And you know, presumablypodľa všetkého
he's wearingnosenie makeupmakeup,
40
137281
2123
Zrejme má make-up
02:31
the lightingosvetlenie here is kinddruh of challengingnáročný,
41
139404
1953
a osvetlenie je trochu problematické,
02:33
but still, just from the videovideo,
we're ableschopný to extractvýťažok his pulsepulz
42
141357
2951
ale aj tak vieme len na základe
videa určiť jeho tep
02:36
and showšou it quitecelkom well.
43
144308
2018
a celkom pekne ho ukázať.
02:38
So how do we do all that?
44
146326
1920
Takže ako to celé robíme?
02:40
We basicallyv podstate analyzeanalyzovať the changeszmeny
in the lightsvetlo that are recordedzaznamená
45
148246
4598
V podstate analyzujeme svetelné zmeny
02:44
at everykaždý pixelpixel in the videovideo over time,
46
152844
2271
každého pixelu v priebehu času
02:47
and then we crankkľučka up those changeszmeny.
47
155115
1798
a potom ich zvýrazníme.
02:48
We make them biggerväčšia
so that we can see them.
48
156913
2162
Zmeny zväčšíme, aby sme ich videli.
02:51
The trickychúlostivý partčasť is that those signalssignály,
49
159075
1902
Háčik je v tom, že tieto signály,
02:52
those changeszmeny that we're after,
are extremelynesmierne subtlejemný,
50
160977
2933
zmeny, ktoré nás zaujímajú,
sú extrémne slabé.
02:55
so we have to be very carefulopatrný
when you try to separateoddelený them
51
163910
2779
Musíte byť veľmi opatrní pri ich rozlíšení
02:58
from noisehluk that always existsexistuje in videosvideá.
52
166689
3831
od ruchu, ktorý je v každom videu.
03:02
So we use some cleveršikovný
imageobraz processingspracovanie techniquestechniky
53
170520
2995
Pomocou rôznych šikovných techník
spracovania obrazu
03:05
to get a very accuratepresný measurementmeranie
of the colorfarba at eachkaždý pixelpixel in the videovideo,
54
173515
3994
vieme veľmi presne
určiť farbu v každom pixeli,
03:09
and then the way the colorfarba
changeszmeny over time,
55
177509
2670
a tiež farebné zmeny v čase
03:12
and then we amplifyzosilniť those changeszmeny.
56
180179
2693
a nakoniec tieto zmeny zvýrazniť.
03:14
We make them biggerväčšia to createvytvoriť those typestypy
of enhancedrozšírené videosvideá, or magnifiedzväčšený videosvideá,
57
182872
3980
Vytvoríme tak takéto
vylepšené či zosilnené videá,
na ktorých sú zmeny viditeľné.
03:18
that actuallyvlastne showšou us those changeszmeny.
58
186852
2172
[Pohybový mikroskop]
03:21
But it turnszákruty out we can do that
not just to showšou tinymaličký changeszmeny in colorfarba,
59
189024
4238
Ukázalo sa, že takto dokážeme zobraziť
nielen malé zmeny farieb,
03:25
but alsotaktiež tinymaličký motionspohyby,
60
193262
2241
ale aj jemné pohyby,
03:27
and that's because the lightsvetlo
that getsdostane recordedzaznamená in our cameraskamery
61
195503
3576
pretože svetlo, ktoré kamera zachytí,
03:31
will changezmena not only if the colorfarba
of the objectobjekt changeszmeny,
62
199079
2810
sa nemení len s farbou objektu,
03:33
but alsotaktiež if the objectobjekt movespohyby.
63
201889
2368
ale tiež, keď sa objekt hýbe.
03:36
So this is my daughterdcéra
when she was about two monthsmesiaca oldstarý.
64
204257
3636
Toto je moja dcéra,
keď mala tak dva mesiace.
03:39
It's a videovideo I recordedzaznamená
about threetri yearsleta agopred.
65
207893
2999
Video som natočil asi pred troma rokmi.
03:42
And as newNový parentsrodičia, we all want
to make sure our babiesbábätká are healthyzdravý,
66
210892
3208
Ako čerství rodičia si všetci
chceme byť istí, že naše bábätko
03:46
that they're breathingdýchanie,
that they're alivenažive, of coursekurz.
67
214100
2542
je zdravé, že dýcha, že žije, samozrejme.
Takže aj ja som si kúpil baby monitor,
03:48
So I too got one of those babydieťa monitorsmonitory
68
216642
2142
03:50
so that I could see my daughterdcéra
when she was asleepspiace.
69
218784
2469
aby som mohol vidieť malú, keď spí.
Takto nejako to vyzerá
na bežnom baby monitore.
03:53
And this is prettypekný much what you'llbudete see
with a standardstandard babydieťa monitormonitor.
70
221253
3527
03:56
You can see the baby'sdieťaťa sleepingspacie, but
there's not too much informationinformácie there.
71
224780
3682
Vidíme, že bábo spí,
ale príliš veľa informácií nemáme.
04:00
There's not too much we can see.
72
228474
1604
Nevidíme toho zas tak veľa.
04:02
Wouldn'tNebolo by it be better,
or more informativeinformatívne, or more usefulužitočný,
73
230078
2824
Nebolo by lepšie,
informatívnejšie, užitočnejšie,
04:04
if insteadnamiesto we could look
at the viewvyhliadka like this.
74
232902
2990
keby sme sa na to mohli pozrieť takto?
04:07
So here I tookzobral the motionspohyby
and I magnifiedzväčšený them 30 timesdoba,
75
235892
6356
30-krát som zvýraznil zachytené pohyby
04:14
and then I could clearlyjasne see that my
daughterdcéra was indeednaozaj alivenažive and breathingdýchanie.
76
242248
3826
a hneď som videl,
že malá fakt žije a dýcha.
04:18
(LaughterSmiech)
77
246074
2253
(smiech)
04:20
Here is a side-by-sideside-by-side comparisonporovnanie.
78
248327
1922
Pre porovnanie.
04:22
So again, in the sourcezdroj videovideo,
in the originaloriginálny videovideo,
79
250249
2483
Na pôvodnom videu
04:24
there's not too much we can see,
80
252732
1636
veľa nevidieť,
04:26
but onceakonáhle we magnifyzväčšiť the motionspohyby,
the breathingdýchanie becomesstáva much more visibleviditeľný.
81
254368
3707
ale keď zvýrazníme pohyby,
dýchanie je oveľa lepšie vidno.
04:30
And it turnszákruty out, there's
a lot of phenomenajavy
82
258075
2070
Ukázalo sa, že je veľa javov,
04:32
we can revealodhaliť and magnifyzväčšiť
with our newNový motionpohyb microscopeMikroskop.
83
260145
3623
ktoré vie náš nový
pohybový mikroskop odhaliť.
04:35
We can see how our veinsžily and arteriestepien
are pulsingpulzujúca in our bodiesorgány.
84
263768
4564
Vidíme, ako nám v tele
pulzujú žily a tepny.
Vidíme, že oči máme
04:40
We can see that our eyesoči
are constantlynepretržite movingpohyblivý
85
268332
2628
04:42
in this wobblyvrtký motionpohyb.
86
270960
1887
v neustálom pohybe.
04:44
And that's actuallyvlastne my eyeočné,
87
272847
1509
Toto je moje oko,
04:46
and again this videovideo was takenzaujatý
right after my daughterdcéra was bornnarodený,
88
274356
3065
z videa natočeného po narodení dcérky.
04:49
so you can see I wasn'tnebol gettingzískavanie
too much sleepspánok. (LaughterSmiech)
89
277421
4202
Vidno, že som toho veľa nenaspal.
Aj keď človek len kľudne sedí,
04:53
Even when a persončlovek is sittingsediaci still,
90
281623
2716
04:56
there's a lot of informationinformácie
we can extractvýťažok
91
284339
2044
vieme získať kopu informácií
04:58
about theirich breathingdýchanie patternsvzory,
smallmalý facialtváre expressionsvýrazov.
92
286383
3529
o jeho dýchacích vzorcoch,
jemných výrazoch tváre.
Možno by nám tieto pohyby
05:01
Maybe we could use those motionspohyby
93
289912
1625
05:03
to tell us something about
our thoughtsmyšlienky or our emotionsemócie.
94
291537
3154
mohli niečo prezradiť o našich
myšlienkach či pocitoch.
05:06
We can alsotaktiež magnifyzväčšiť smallmalý
mechanicalmechanický movementspohyby,
95
294691
3255
Zvýrazniť vieme aj malé mechanické pohyby,
05:09
like vibrationsvibrácie in enginesmotory,
96
297946
1555
ako sú vibracie motoru,
05:11
that can help engineerstechnici detectodhaliť
and diagnosediagnostikovať machinerystroje problemsproblémy,
97
299501
3692
a pomôcť tak inžinierom detekovať
problémy strojného zariadenia
05:15
or see how our buildingsbudovy and structuresštruktúry
swayhojdať in the windvietor and reactreagovať to forcessily.
98
303193
4738
alebo vidieť, ako sa konštrukcie
kývu vo vetre a reagujú na sily.
05:19
Those are all things that our societyspoločnosť
knowsvie how to measurezmerať in variousrôzny waysspôsoby,
99
307931
4581
Všetky tieto veci vieme merať aj inak,
05:24
but measuringmeracie those motionspohyby is one thing,
100
312512
2453
ale merať pohyby je jedna vec
05:26
and actuallyvlastne seeingvidenie those
motionspohyby as they happenstať sa
101
314965
2276
a vidieť ich prebiehať v reálnom čase
05:29
is a wholecelý differentrozdielny thing.
102
317241
2554
je niečo úplne iné.
05:31
And ever sinceod tej doby we discoveredobjavené
this newNový technologytechnológie,
103
319795
3041
Hneď ako sme túto techniku vyvinuli,
05:34
we madevyrobený our codekód availablek dispozícii onlineon-line so that
othersostatné could use and experimentexperiment with it.
104
322836
3953
zverejnili sme softvér na internete,
aby s ňou mohol každý experimentovať.
05:38
It's very simpleprostý to use.
105
326789
1875
Uživateľsky veľmi jednoduché.
05:40
It can work on your ownvlastný videosvideá.
106
328664
2044
Funguje s vašimi videami.
05:42
Our collaboratorsspolupracovníkov at QuantaQuanta ResearchVýskum
even createdvytvoril this nicepekný websitewebové stránky
107
330708
3193
Naši spolupracovníci v Quanta Research
vytvorili dokonca stránku,
05:45
where you can uploadnahrať your videosvideá
and processproces them onlineon-line,
108
333901
2678
kde môžte nahrať vaše video
a spracovať ho online,
05:48
so even if you don't have any experienceskúsenosť
in computerpočítačový scienceveda or programmingprogramovanie,
109
336579
3816
takže aj keď nemáte skúsenosti
s IT a programovaním,
05:52
you can still very easilyľahko experimentexperiment
with this newNový microscopeMikroskop.
110
340395
2936
ľahko môžete experimentovať
s týmto novým mikroskopom.
05:55
And I'd like to showšou you
just a couplepár of examplespríklady
111
343331
2404
Rád by som vám ukázal pár príkladov
05:57
of what othersostatné have donehotový with it.
112
345735
2735
od používateľov.
06:00
So this videovideo was madevyrobený by
a YouTubeYouTube useružívateľ calledvolal TamezTamez85.
113
348470
5317
Toto video dal na youtube istý Tamez85.
06:05
I don't know who that useružívateľ is,
114
353787
1463
Neviem, kto to je,
06:07
but he, or she, used our codekód
115
355250
2345
ale použil alebo použila náš soft
06:09
to magnifyzväčšiť smallmalý bellybrucho
movementspohyby duringpočas pregnancyTehotenstvo.
116
357595
3715
na zvýraznenie jemných pohybov
brucha v tehotenstve.
06:13
It's kinddruh of creepystrašidelný.
117
361310
1602
Trošku desivé.
06:14
(LaughterSmiech)
118
362912
1613
(smiech)
06:16
People have used it to magnifyzväčšiť
pulsingpulzujúca veinsžily in theirich handsruky.
119
364525
4961
Iní zosilňujú pulzujúce žily na ruke.
06:21
And you know it's not realskutočný scienceveda
unlesspokiaľ you use guineaGuinea pigsošípané,
120
369486
3782
A nič nie je skutočná veda,
kým nepoužijete morča.
06:25
and apparentlyzrejme this guineaGuinea pigprasa
is calledvolal TiffanyTiffany,
121
373268
3390
Podľa všetkého sa toto morča volá Tiffany
06:28
and this YouTubeYouTube useružívateľ claimsnároky
it is the first rodenthlodavec on EarthZem
122
376658
2949
a daný užívateľ tvrdí,
že je to prvý hlodavec na Zemi,
06:31
that was motion-magnifiedMotion-zväčšený.
123
379607
2688
ktorý bol pohybovo zosilnený.
06:34
You can alsotaktiež do some artumenie with it.
124
382295
2188
Dá sa použiť aj v umení.
06:36
So this videovideo was sentodoslané to me
by a designdizajn studentštudent at YaleYale.
125
384483
3018
Toto mi poslala jedna
študentka dizajnu z Yale.
Zaujímali ju rozdiely
06:39
She wanted to see
if there's any differencerozdiel
126
387501
2137
06:41
in the way her classmatesspolužiaci movesťahovať.
127
389638
1522
v pohyboch jej spolužiakov.
06:43
She madevyrobený them all standstáť still,
and then magnifiedzväčšený theirich motionspohyby.
128
391160
4209
Natočila, ako pokojne stoja
a potom zvýraznila pohyby.
06:47
It's like seeingvidenie
still picturesfotografie come to life.
129
395369
3378
Ako keď fotky ožijú.
06:50
And the nicepekný thing with
all those examplespríklady
130
398747
2433
Na týchto ukážkach je pekné to,
06:53
is that we had nothing to do with them.
131
401180
2296
že sme s nimi nemali nič spoločné.
06:55
We just providedza predpokladu this newNový toolnáradie,
a newNový way to look at the worldsvet,
132
403476
3854
Len sme poskytli nový nástroj,
nový spôsob, ako sa dívať na svet
06:59
and then people find other interestingzaujímavý,
newNový and creativetvorivé waysspôsoby of usingpoužitím it.
133
407330
5132
a ľudia sami našli zaujímavé,
nové a tvorivé využitie.
07:04
But we didn't stop there.
134
412462
1764
Tým sme ale neskončili.
07:06
This toolnáradie not only allowsumožňuje us
to look at the worldsvet in a newNový way,
135
414226
3251
Vďaka tomuto nástroju nielen
že vidíme svet novými očami,
07:09
it alsotaktiež redefinespredefinuje what we can do
136
417477
2368
ale zároveň redefinujeme
07:11
and pushestlačí the limitslimity of what
we can do with our cameraskamery.
137
419845
3181
a posúvame hranice toho,
čo sa s foťákom dá robiť.
07:15
So as scientistsvedci, we startedzahájená wonderingpremýšľal,
138
423026
2229
Ako vedci sme začali pátrať
po ďalších javoch,
vyvolávajúcich malé pohyby,
07:17
what other typestypy of physicalfyzický phenomenajavy
producevyrobiť tinymaličký motionspohyby
139
425255
3785
07:21
that we could now use
our cameraskamery to measurezmerať?
140
429040
2903
ktoré teraz môžeme merať kamerou.
07:23
And one suchtaký phenomenonjav
that we focusedzameraný on recentlynedávno is soundznieť.
141
431943
4001
A jeden z takýchto javov,
na ktorý sme sa zamerali, je zvuk.
07:27
SoundZvuk, as we all know,
is basicallyv podstate changeszmeny
142
435944
2105
Zvuk, ako všetci vieme, to sú zmeny tlaku,
07:30
in airovzdušia pressuretlak that
travelcestovanie throughskrz the airovzdušia.
143
438049
2183
ktoré sa šíria vzduchom.
07:32
Those pressuretlak wavesvlny hithit objectsobjekty
and they createvytvoriť smallmalý vibrationsvibrácie in them,
144
440232
3621
Keď táto tlaková vlna narazí na objekt,
jemne ho rozvibruje.
07:35
whichktorý is how we hearpočuť
and how we recordrekord soundznieť.
145
443853
2532
Vďaka tomu zvuk počujeme i nahrávame.
07:38
But it turnszákruty out that soundznieť
alsotaktiež producesprodukuje visualvizuálne motionspohyby.
146
446385
3668
Ukázalo sa, že zvuk tiež vyvoláva
vizuálne pohyby.
07:42
Those are motionspohyby
that are not visibleviditeľný to us
147
450053
2833
Pohyby, ktoré oko neodhalí,
07:44
but are visibleviditeľný to a camerafotoaparát
with the right processingspracovanie.
148
452886
3001
ale video s príslušným spracovaním už áno.
07:47
So here are two examplespríklady.
149
455887
1573
Mám tu dva príklady.
Tu predvádzam svoj úžasný spevácky talent.
07:49
This is me demonstratingpreukazujúce
my great singingspev skillszručností.
150
457460
2614
07:53
(SingingSpev)
151
461064
1634
(spev)
07:54
(LaughterSmiech)
152
462698
1436
(smiech)
07:56
And I tookzobral a high-speedvysoká rýchlosť videovideo
of my throathrdlo while I was humminghučanie.
153
464134
2986
Nahral som svoje brumendo
na vysokorýchlostné video.
07:59
Again, if you starestare at that videovideo,
154
467120
1764
Ak sa na video pozriete,
08:00
there's not too much
you'llbudete be ableschopný to see,
155
468884
2076
ani teraz neuvidíte nič moc,
08:02
but onceakonáhle we magnifyzväčšiť the motionspohyby 100 timesdoba,
we can see all the motionspohyby and ripplesvlnky
156
470960
4332
ale keď pohyby zvýrazníme 100-krát,
vidíme, ako sa hrdlo
pri vydávaní zvuku hýbe a vlní.
08:07
in the neckkrk that are involvedzapojení
in producingprodukujúce the soundznieť.
157
475292
3274
Ten signál je tam.
08:10
That signalsignál is there in that videovideo.
158
478566
2740
08:13
We alsotaktiež know that singersspeváci
can breakprestávka a winevíno glasssklo
159
481306
2670
Vieme tiež, že speváci dokážu
rozbiť pohár na víno,
08:15
if they hithit the correctkorektné notepoznámka.
160
483976
1463
ak trafia správny tón.
08:17
So here, we're going to playhrať a notepoznámka
161
485439
1765
Takže pustíme tón,
08:19
that's in the resonancerezonancie
frequencykmitočet of that glasssklo
162
487204
2526
ktorý je v rezonancii s pohárom
08:21
throughskrz a loudspeakerreproduktor that's nextĎalšie to it.
163
489730
2048
pomocou reproduktoru vedľa neho.
08:23
OnceRaz we playhrať that notepoznámka
and magnifyzväčšiť the motionspohyby 250 timesdoba,
164
491778
4419
Keď pustíme tón a
pohyby zvýrazníme 250-krát,
08:28
we can very clearlyjasne see
how the glasssklo vibratesvibruje
165
496197
2338
veľmi jasne vidíme, ako pohár vibruje
08:30
and resonatesrezonuje in responseodpoveď to the soundznieť.
166
498535
3570
a rezonuje v reakcii na ten zvuk.
08:34
It's not something you're used
to seeingvidenie everykaždý day.
167
502105
2420
Toto neuvidíte každý deň.
08:36
But this madevyrobený us think.
It gavedal us this crazybláznivý ideanápad.
168
504525
3529
Nedalo nám to pokoj,
prišiel ten šialený nápad.
08:40
Can we actuallyvlastne invertInvertovať this processproces
and recoverzotaviť sa soundznieť from videovideo
169
508054
5608
Mohli by sme tento proces obrátiť
a dostať zvuk z videa
analýzou vibrácií, vytvorených
v objektoch zvukovými vlnami
08:45
by analyzinganalýza the tinymaličký vibrationsvibrácie
that soundznieť wavesvlny createvytvoriť in objectsobjekty,
170
513662
4035
08:49
and essentiallyv podstate convertpremeniť those
back into the soundszvuky that producedprodukoval them.
171
517697
4777
a konvertovať ich späť na pôvodný zvuk?
08:54
In this way, we can turnotočenie
everydaykaždý deň objectsobjekty into microphonesmikrofóny.
172
522474
4457
Takto spravíme z bežných vecí mikrofóny.
08:58
So that's exactlypresne what we did.
173
526931
2232
Presne to sme urobili.
09:01
So here'stady an emptyprázdny bagsáčok of chipslupienky
that was lyingležiace on a tablestôl,
174
529163
2816
Tu máme prázdny obal od zemiačkov
ležiaci na stole
09:03
and we're going to turnotočenie that
bagsáčok of chipslupienky into a microphonemikrofón
175
531979
2825
a spravíme z neho mikrofón
09:06
by filmingnatáčanie it with a videovideo camerafotoaparát
176
534804
1591
tým, že ho nafilmujeme
09:08
and analyzinganalýza the tinymaličký motionspohyby
that soundznieť wavesvlny createvytvoriť in it.
177
536395
3228
a zanalyzujeme jemné pohyby,
ktoré v ňom zvukové vlny vytvorili.
Toto hralo v tej miestnosti.
09:11
So here'stady the soundznieť
that we playedhrala in the roomizba.
178
539623
2796
09:14
(MusicHudba: "MaryMária Had a Little LambJahňacie")
179
542419
4434
(pesnička Mary mala ovečku)
09:22
And this is a high-speedvysoká rýchlosť videovideo
we recordedzaznamená of that bagsáčok of chipslupienky.
180
550007
3025
a toto je vysokorýchlostné video
nášho vrecka.
09:25
Again it's playinghracie.
181
553032
1274
Video je pustené,
09:26
There's no chancešanca you'llbudete be ableschopný
to see anything going on in that videovideo
182
554306
3342
ale ako vždy, nič nevidíme
prostým pohľadom.
09:29
just by looking at it,
183
557648
1058
Ale tu máme zvuk,
ktorý sme získali len analýzou
09:30
but here'stady the soundznieť we were ableschopný
to recoverzotaviť sa just by analyzinganalýza
184
558706
2984
09:33
the tinymaličký motionspohyby in that videovideo.
185
561690
2183
jemného pohybu na videu.
09:35
(MusicHudba: "MaryMária Had a Little LambJahňacie")
186
563873
2809
(pesnička Mary mala ovečku)
Volám to… Ďakujem.
09:52
I call it -- Thank you.
187
580985
1486
09:54
(ApplausePotlesk)
188
582471
5225
(potlesk)
10:01
I call it the visualvizuálne microphonemikrofón.
189
589878
2345
Volám to vizuálny mikrofón.
10:04
We actuallyvlastne extractvýťažok audioaudio signalssignály
from videovideo signalssignály.
190
592223
3390
Extrahujeme audio signál z video signálu.
10:07
And just to give you a sensezmysel
of the scalemierka of the motionspohyby here,
191
595613
3181
Aby ste mali predstavu o mierke,
10:10
a prettypekný loudhlasný soundznieť will causepríčina that bagsáčok
of chipslupienky to movesťahovať lessmenej than a micrometermikrometer.
192
598799
5336
fakt silný zvuk pohne vreckom
o menej než mikrometer.
10:16
That's one thousandthtisíciny of a millimetermilimeter.
193
604135
2739
To je tisícina milimetra.
10:18
That's how tinymaličký the motionspohyby are
that we are now ableschopný to pullSEM out
194
606874
3561
Tak maličké sú pohyby,
ktoré teraz vieme vytiahnuť
10:22
just by observingpozorovanie how lightsvetlo
bouncesodrazí off objectsobjekty
195
610435
3243
tým, že svetlo,
ktoré sa odrazí od predmetu
10:25
and getsdostane recordedzaznamená by our cameraskamery.
196
613678
2136
nahráme na kameru.
10:27
We can recoverzotaviť sa soundszvuky
from other objectsobjekty, like plantsrastliny.
197
615814
3250
Pôvodný zvuk vieme dostať
aj z iných predmetov, napríklad z rastlín.
10:31
(MusicHudba: "MaryMária Had a Little LambJahňacie")
198
619064
6316
(pesnička Mary mala ovečku)
10:39
And we can recoverzotaviť sa speechreč as well.
199
627214
1997
Funguje to aj s rečou.
10:41
So here'stady a persončlovek speakingrozprávanie in a roomizba.
200
629211
2577
Tu niekto rozpráva v miestnosti.
10:43
VoiceHlas: MaryMária had a little lambjahňacie
whosečí fleecefleece was whitebiely as snowsneh,
201
631788
4203
Hlas: Mary mala ovečku
s bielučkou vlnou
10:47
and everywherevšade that MaryMária wentšiel,
that lambjahňacie was sure to go.
202
635991
4230
a všade kam Mary šla,
šla ovečka s ňou.
10:52
MichaelMichael RubinsteinRubinstein: And here'stady
that speechreč again recoveredobnoviť
203
640221
2759
A toto sme z toho dostali
10:54
just from this videovideo
of that samerovnaký bagsáčok of chipslupienky.
204
642980
3274
pomocou nášho vrecka od zemiačkov.
10:58
VoiceHlas: MaryMária had a little lambjahňacie
whosečí fleecefleece was whitebiely as snowsneh,
205
646254
4831
Hlas: Mary mala ovečku
s bielučkou vlnou
11:03
and everywherevšade that MaryMária wentšiel,
that lambjahňacie was sure to go.
206
651085
4859
a všade kam Mary šla,
šla ovečka s ňou.
11:07
MRPÁN: We used "MaryMária Had a Little LambJahňacie"
207
655944
2346
Použili sme Mary mala ovečku,
11:10
because those are said to be
the first wordsslová
208
658290
2123
lebo to sú vraj prvé slová,
11:12
that ThomasThomas EdisonEdison spokehovoril
into his phonographgramofón in 1877.
209
660413
4161
ktoré Edison nahral svojím
fonografom v roku 1877.
11:16
It was one of the first soundznieť
recordingzáznam deviceszariadenie in historyhistórie.
210
664574
3228
To bol jeden z prvých
nahrávacích prístrojov v dejinách.
11:19
It basicallyv podstate directedriadený the soundszvuky
ontona a diaphragmbránica
211
667802
3327
Zvuk dopadal na membránu,
11:23
that vibratedrozkmitá a needleihla that essentiallyv podstate
engravedgravírované the soundznieť on tinfoilstaniolu
212
671129
4079
tá rozvibrovala ihlu,
ktorá zvuk vyryla do staniolu
11:27
that was wrappedbalený around the cylindervalec.
213
675208
2275
obtočeného okolo valčeku.
11:29
Here'sTu je a demonstrationdemonštrácie of recordingzáznam and
replayingprehrávanie soundznieť with Edison'sEdisonova phonographgramofón.
214
677483
5943
Tu je ukážka nahrávania
s Edisonovým fonografom.
11:35
(VideoVideo) VoiceHlas: TestingTestovanie,
testingtestovanie, one two threetri.
215
683426
3020
Hlas: Skúška, skúška raz, dva, tri.
11:38
MaryMária had a little lambjahňacie
whosečí fleecefleece was whitebiely as snowsneh,
216
686446
3413
Mary mala ovečku
s bielučkou vlnou
11:41
and everywherevšade that MaryMária wentšiel,
the lambjahňacie was sure to go.
217
689859
3669
a všade kam Mary šla,
šla ovečka s ňou.
11:45
TestingTestovanie, testingtestovanie, one two threetri.
218
693528
2740
Skúška, skúška, raz, dva, tri.
11:48
MaryMária had a little lambjahňacie
whosečí fleecefleece was whitebiely as snowsneh,
219
696268
4156
Mary mala ovečku
s bielučkou vlnou
11:52
and everywherevšade that MaryMária wentšiel,
the lambjahňacie was sure to go.
220
700424
5224
a všade kam Mary šla,
šla ovečka s ňou.
11:57
MRPÁN: And now, 137 yearsleta laterneskôr,
221
705648
4017
Dnes, o 137 rokov neskôr,
12:01
we're ableschopný to get soundznieť
in prettypekný much similarpodobný qualitykvalita
222
709665
4087
vieme dostať zvuk porovnateľnej kvality
12:05
but by just watchingsledovanie objectsobjekty
vibratevibrovať to soundznieť with cameraskamery,
223
713752
4079
len na základe videa vibrujúceho predmetu,
12:09
and we can even do that when the camerafotoaparát
224
717831
1934
a to aj keď je kamera
12:11
is 15 feetchodidlá away from the objectobjekt,
behindza soundproofOdhlučnené glasssklo.
225
719765
4234
5 metrov od predmetu za zvukotesným sklom.
12:15
So this is the soundznieť that we were
ableschopný to recoverzotaviť sa in that casepúzdro.
226
723999
3220
Za takých podmienok sme získali toto:
12:19
VoiceHlas: MaryMária had a little lambjahňacie
whosečí fleecefleece was whitebiely as snowsneh,
227
727219
5294
Hlas: Mary mala ovečku
s bielučkou vlnou
12:24
and everywherevšade that MaryMária wentšiel,
the lambjahňacie was sure to go.
228
732513
4759
a všade kam Mary šla,
šla ovečka s ňou.
12:29
MRPÁN: And of coursekurz, surveillancedohľad is
the first applicationprihláška that comesprichádza to mindmyseľ.
229
737404
3630
Samozrejme, odpočúvanie
je prvá vec, čo človeka napadne.
12:33
(LaughterSmiech)
230
741034
2995
(smiech)
12:36
But it mightsila actuallyvlastne be usefulužitočný
for other things as well.
231
744029
4056
Ale dá sa to využiť aj inak.
12:40
Maybe in the futurebudúcnosť, we'llmy budeme be ableschopný
to use it, for examplepríklad,
232
748085
2840
Možno sa nám v budúcnosti podarí
12:42
to recoverzotaviť sa soundznieť acrossnaprieč spacepriestor,
233
750925
2252
nahrať zvuky z vesmíru,
12:45
because soundznieť can't travelcestovanie
in spacepriestor, but lightsvetlo can.
234
753177
3576
pretože zvuk sa v kozme nešíri,
ale svetlo áno.
12:48
We'veSme only just begunZačatie exploringskúmanie
235
756753
2404
Len sme začali objavovať
12:51
other possiblemožný usespoužitie
for this newNový technologytechnológie.
236
759157
3019
možnosti využitia tejto novej techniky.
12:54
It letslets us see physicalfyzický processesprocesy
that we know are there
237
762176
2832
Môžme vidieť fyzikálne javy,
o ktorých sme síce vedeli,
12:57
but that we'vemy máme never been ableschopný
to see with our ownvlastný eyesoči untilkým now.
238
765008
3556
ale doteraz sme ich nikdy
nevideli na vlastné oči.
13:00
This is our teamtím.
239
768564
1204
Toto je náš tím.
13:01
Everything I showedukázal you todaydnes
is a resultvýsledok of a collaborationspolupráca
240
769768
2879
Všetko, čo som vám dnes ukázal,
je výsledok spolupráce
13:04
with this great groupskupina
of people you see here,
241
772647
2191
s touto skvelou partou
13:06
and I encouragepovzbudiť you and welcomevitajte you
to checkskontrolovať out our websitewebové stránky,
242
774838
3167
a odporúčam vám navštíviť našu stránku,
13:10
try it out yourselfsám,
243
778005
1446
vyskúšajte si to sami,
13:11
and joinpripojiť us in exploringskúmanie
this worldsvet of tinymaličký motionspohyby.
244
779451
2972
a pridajte sa k nám
pri objavovaní sveta malých pohybov.
13:14
Thank you.
245
782423
1625
Ďakujem vám.
13:16
(ApplausePotlesk)
246
784048
1254
(potlesk)
Translated by Petra Submarine
Reviewed by Linda Magáthová

▲Back to top

ABOUT THE SPEAKER
Michael Rubinstein - Research scientist, Google
Computer scientist Michael Rubinstein and his team have developed a "motion microscope" that can show video footage of barely perceivable movements, like breaths and heartbeats.

Why you should listen

Michael Rubinstein zooms in on what we can't see and mangnifies it by thirty or a hundred times. His "motion microscope," developed at MIT with Microsoft and Quanta Research, picks up on subtle motion and color changes in videos and blows them up for the naked eye to see. The result: fun, cool, creepy videos.

Rubinstein is a research scientist at a new Cambridge-based Google lab for computer vision research. He has a PhD in computer science and electrical engineering from MIT.

More profile about the speaker
Michael Rubinstein | Speaker | TED.com