Universidad de - Escuela Superior de Informática (UCLM ...

Universidad de - Escuela Superior de Informática (UCLM ... Universidad de - Escuela Superior de Informática (UCLM ...

12.07.2015 Views

Ejemplos Sistemas dedeo vigilancia.CAPÍTULO 3. ANTECEDENTES.CUI, Jian WU, Guangming ZHANG, Xuefeng XIAN se utiliza la distancia Euclídea.Las subtrayectorias clasificadas contienen una longitud variable y los resultados de laclasificación de subtrayectorias dan lugar a regiones. La medida de similitud propuesta seutiliza la distania Euclídea modificada, para obtener la distancia y la dirección entre dosposiciones.Clasificación espectral de subtrayectorias.Se ha utilizado el algoritmo de clasificación espectral [YY12] para mejorar el algoritmode K-medias. Supongamos que hay un conjunto de subtrayectorias S = {S 1 ,S 2 ,...,S n }, lasprincipales etapas del algoritmo de clasificación espectral para agrupar las subtrayectoriasen K grupos.Etapa 1: Cálculo de la matriz de similitud A ∈ R NxN para los pares de subtrayectoriasdel conjunto de datos S.Etapa 2: Construcción de la matriz Laplaciana L = I − D − 2 1 AD − 1 2 donde D es lamatriz diagonal cuyo elemento (i,1) es la suma de los i-ésimos números que formanA.Etapa 3: Aplicar una descomposición de los valores de L para encontrar el principalK de los vectore x 1 ,x 2 ,...x k .Etapa 4: Formar una nueva matriz X = [x 1 ,x 2 ,...,x k ] agrupando los K vectores encolumnas y renormalizando cada fila de X.Etapa 5: Clasificación de filas de X dentro de los K grupos utiliando el algoritmo deK − medias.Etapa 6: Finalmente asignar la subtrayectoria S i al grupo j si y solo si la fila i de lamatriz se ha asignado al grupo j.Extracción de patrones mediante el análisis de trayectorias.El algoritmo de clasificación espectral agrupa las subtrayectorias en K grupos{C 1 ,C 2 ,...,C k }, a cada subtrayectoria se le asigna una etiqueta dependiendo del grupo alque pertenezca. De esta forma cada movimiento de trayectorias es transformado en unasecuencia de etiquetas correspondiente a cada subtrayectoria que describe el movimientorealizado por el objeto en cada etapa. Un ejemplo se puede observar en la figura 3.30 dondeT R 01 puede ser representado por una secuencia de etiquetas C 1 C 2 C 5 .78

CAPÍTULO 3. ANTECEDENTES.Ejemplos Sistemas dedeo vigilancia.FIGURA 3.30: Clasificación de trayectorias y etiquetas.A cada trayectoria se le asigna una secuencia de etiquetas C 1 ,C 2 ,...,C nc que representanel comportamiento del movimiento del objeto. En el modelo propuesto, se identifican unaserie de reglas que representan el comportamiento del movimiento de los objetos, utilizandoun algoritmo de extracción de una serie de patrones.Para la extración de una patrones se utiliza Pre f ixSpan [JP04]. Las subtrayectoriasiniciales pueden estar definidas por la parte inicial de las trayectorias o grupos detrayectorias. En la etapa de adquisión de subtrayectorias iniciales, muchas de ellas seobtienen de partes comunes de los movimientos de los objetos. La parte inicial de unasubtrayectoria es mucho más determinante que la parte final de la misma, porque laobtención de la parte inicial de una susbtrayectoria permite realizar una predicción delposible comportamiento del objeo, anticipándose a su movimiento.Veamos α puede ser una secuencia de patrones que se encuentra en una secuencia de labase de datos S. La proyección de α sobre la base de datos se expresa S|α es la colecciónde las partes iniciales de las subtrayectorias de la secuencia S con respecto al prefijo α. Elpseudocódigo del algoritmo propuesto se puede obtener en [YY12].3.7.10. Análisis de la velocidad de objetos utilizando imágenes 2DEn el árticulo [JA11] se presenta un componente independiente que puede ser integradodentro de un sistema dedeo vigilancia denominado OCULUS. El objetivo de estecomponente es clasificar la velocidad la velocidad con la que se desplazan los objetoscomo normal o anómala, con el fin de detectar aquellas situaciones anómalas, teniendoen cuenta la clase de objeto y la información espacio-temporal como la localización ymovimientos. El componente analiza la velocidad de los objetos detectados en tiempo real79

Ejemplos Sistemas <strong>de</strong> ví<strong>de</strong>o vigilancia.CAPÍTULO 3. ANTECEDENTES.CUI, Jian WU, Guangming ZHANG, Xuefeng XIAN se utiliza la distancia Euclí<strong>de</strong>a.Las subtrayectorias clasificadas contienen una longitud variable y los resultados <strong>de</strong> laclasificación <strong>de</strong> subtrayectorias dan lugar a regiones. La medida <strong>de</strong> similitud propuesta seutiliza la distania Euclí<strong>de</strong>a modificada, para obtener la distancia y la dirección entre dosposiciones.Clasificación espectral <strong>de</strong> subtrayectorias.Se ha utilizado el algoritmo <strong>de</strong> clasificación espectral [YY12] para mejorar el algoritmo<strong>de</strong> K-medias. Supongamos que hay un conjunto <strong>de</strong> subtrayectorias S = {S 1 ,S 2 ,...,S n }, lasprincipales etapas <strong>de</strong>l algoritmo <strong>de</strong> clasificación espectral para agrupar las subtrayectoriasen K grupos.Etapa 1: Cálculo <strong>de</strong> la matriz <strong>de</strong> similitud A ∈ R NxN para los pares <strong>de</strong> subtrayectorias<strong>de</strong>l conjunto <strong>de</strong> datos S.Etapa 2: Construcción <strong>de</strong> la matriz Laplaciana L = I − D − 2 1 AD − 1 2 don<strong>de</strong> D es lamatriz diagonal cuyo elemento (i,1) es la suma <strong>de</strong> los i-ésimos números que formanA.Etapa 3: Aplicar una <strong>de</strong>scomposición <strong>de</strong> los valores <strong>de</strong> L para encontrar el principalK <strong>de</strong> los vectore x 1 ,x 2 ,...x k .Etapa 4: Formar una nueva matriz X = [x 1 ,x 2 ,...,x k ] agrupando los K vectores encolumnas y renormalizando cada fila <strong>de</strong> X.Etapa 5: Clasificación <strong>de</strong> filas <strong>de</strong> X <strong>de</strong>ntro <strong>de</strong> los K grupos utiliando el algoritmo <strong>de</strong>K − medias.Etapa 6: Finalmente asignar la subtrayectoria S i al grupo j si y solo si la fila i <strong>de</strong> lamatriz se ha asignado al grupo j.Extracción <strong>de</strong> patrones mediante el análisis <strong>de</strong> trayectorias.El algoritmo <strong>de</strong> clasificación espectral agrupa las subtrayectorias en K grupos{C 1 ,C 2 ,...,C k }, a cada subtrayectoria se le asigna una etiqueta <strong>de</strong>pendiendo <strong>de</strong>l grupo alque pertenezca. De esta forma cada movimiento <strong>de</strong> trayectorias es transformado en unasecuencia <strong>de</strong> etiquetas correspondiente a cada subtrayectoria que <strong>de</strong>scribe el movimientorealizado por el objeto en cada etapa. Un ejemplo se pue<strong>de</strong> observar en la figura 3.30 don<strong>de</strong>T R 01 pue<strong>de</strong> ser representado por una secuencia <strong>de</strong> etiquetas C 1 C 2 C 5 .78

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!