Universidad de - Escuela Superior de InformÃ¡tica (UCLM ...

More documents

Recommendations

Info

Submódulo de similitud por trayectoria.CAPÍTULO 5. ARQUITECTURA DE ATRAVELAlgoritmo 14 Similitud atendiendo a los bounding box clave.Entrada: Requiere la base de conocimiento de patrones aprendidos, el identificador delobjeto recién detectado y la base de conocimiento de objetos detectados.Salida: Porcentaje de similitud por trayectoria.Se obtiene la posición del nuevo BB detectado por parte del objeto.si Es la primera vez que se detecta el objeto entoncesAñadir a la lista de patrones con trayectorias similares todos los patrones.para Cada uno de los patrones que hay en la lista de patrones con trayectoria similiares.hacerComprobar si el nuevo objeto detectado colisiona con el BB de cada patróncorrespondiente.Calcular el porcentaje de colisión entre el patrón y la trayectoria del objeto.devolver porcentaje de similitudfin parasi nosi Existe algún patrón nuevo que no haya sido incluido en la lista de patrones contrayectorias similares entoncesSe añade el identificador a la lista de patrones con trayectoria similar.fin sisi La lista de patrones con trayectorias similares no está vacía entoncespara Cada uno de los patrones que forman la lista de patrones con trayectoriassimilares hacersi El BB del objeto detectado tiene una posición inferior a la del patrón entoncesCalcular si existe colisión entre el BB del objeto recién detectado y el BB delpatrón correspondienteAlmacenar resultado de la colisión.Calcular porcentaje de similitudsi El número de veces que no ha habido colisión es mayor o igual a 2 entoncesEliminar el patrón de la lista de patrones con trayectoria similaresAñadir el patrón a la lista de patrones descartados.fin sisi noSe elimina de la lista de patrones con trayectorias similares.fin sidevolver porcentaje de similitudfin parafin sifin si152
CAPÍTULO 5. ARQUITECTURA DE ATRAVELSubmódulo de similitud por trayectoria.almacenado en una lista denominada BB_checked_vector y a partir de los resultadosde las comprobaciones de colisión entre BB se calcula el porcentaje de similitud,dependiendo del número de valores almacenados con valor True con respecto alnúmero total de BB clave de los que esté formada la trayectoria. En caso de queel objeto detectado ya haya sido detectado anteriormente se calcula la similitud sólocon aquellos patrones con los que existe cierta similitud. Posteriormente se realiza lacomprobación de colisión de los BB clave correspondientes. Se almacena el resultadoen la lista BB_checked_vector. Tras el cálculo de la colisión se calcula el porcentajede similitud por trayectoria. En caso de que el resultado de la colisión sea negativo,se incrementa en una unidad el número de fallos en la colisión. Si el número de fallossupera o iguala una variable determinada constante (en este caso es 2) significa queel patrón no tiene una alta similitud y éste es descartado y enviado a la lista list_-descarted_path.El diagrama de flujo correspondiente a este submódulo se puede ver en la figura 5.22:2. Obviando los cambios de dirección:Este algoritmo proporciona un porcentaje desimilitud entre dos trayectorias realizando comparaciones con bounding box clave ycon bounding box intermedios. De manera que no se centra en la similitud de loscambios de dirección sino que realiza la comparación de similitud entre todos losBB que forman la trayectoria, tanto BB clave como BB intermedios. Para ello, elalgoritmo compara inicialmente con el BB que le corresponde tras la una deteccióndel objeto en la escena. Comprueba si hay colisión con éste. En caso de que no existacolisión con el BB clave correspondiente comprueba si existe colisión con los BBanteriores (si es posible, sino no) y con los BB posteriores(si es posible, sino no) hastaencontrar alguno de ellos en los que exista colisión. Además se almacena el BB con elque ha existido colisión y en la siguiente detección del objeto se comienza a realizarla comprobación desde éste. Pseudocódigo del algoritmo obviando los cambios dedirección del movimiento del objeto:Este algoritmo es similar al anterior, la diferencia que existe con el anterior es laforma de realizar la colisión con los BB. En este algoritmo por cada detección de unBB clave, se estudia la existencia de colisión entre el BB recién detectado y el BBclave correspondiente a cada patrón de la lista de de patrones con recorridos similaresdenominada list_similar_travel. La comprobación de un BB clave recién detectadose realiza mediante la comprobación con el último BB más dos posiciones con el queha habido colisión con él cuya posición se encuentra almacenada en la variable last_-travel_touching. Se calcula si existe colisión con ésta en caso de que el resultado de153
Page 1:
UNIVERSIDAD DE CASTILLA-LA MANCHAES
Page 4 and 5:
Roberto García BermejoE-mail: robe
Page 9:
ResumenLos sitemas de vigilancia in
Page 12 and 13:
3.2.4. Equivalencia de vectores. .
Page 14 and 15:
B. Imágenes a color 223Bibliograf
Page 16 and 17:
3.27. Evolución de la detección d
Page 18 and 19:
A.6. Visualización de monitorizaci
Page 21:
AgradecimientosMe gustaría agradec
Page 24 and 25:
CAPÍTULO 1. INTRODUCCIÓNCada vez
Page 26 and 27:
¿Qué es un sistema de vigilancia
Page 28 and 29:
Page 30 and 31:
Page 32 and 33:
Page 34 and 35:
Page 36 and 37:
Page 38 and 39:
ProblemáticaCAPÍTULO 1. INTRODUCC
Page 40 and 41:
Estructura del documentoCAPÍTULO 1
Page 42 and 43:
CAPÍTULO 2. OBJETIVOSserán almace
Page 45 and 46:
3Antecedentes.3.1. Introducción ge
Page 47 and 48:
CAPÍTULO 3. ANTECEDENTES.Introducc
Page 49 and 50:
CAPÍTULO 3. ANTECEDENTES.Fundament
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
CAPÍTULO 3. ANTECEDENTES.Estado de
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
CAPÍTULO 3. ANTECEDENTES.Necesidad
Page 75 and 76:
CAPÍTULO 3. ANTECEDENTES.Tendencia
Page 77 and 78:
CAPÍTULO 3. ANTECEDENTES.Análisis
Page 79 and 80:
CAPÍTULO 3. ANTECEDENTES.Ejemplos
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Page 99 and 100:
Page 101 and 102:
Page 103:
Page 106 and 107:
Metodología de desarrolloCAPÍTULO
Page 108 and 109:
Tecnologías y herramientas utiliza
Page 110 and 111:
Tecnologías y herramientas utiliza
Page 113 and 114:
5Arquitectura de AtravelEn este cap
Page 115 and 116:
CAPÍTULO 5. ARQUITECTURA DE ATRAVE
Page 117 and 118:
Page 119 and 120:
Page 121 and 122:
Page 123 and 124: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
Page 173: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
Page 193: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
Page 196 and 197: EvoluciónCAPÍTULO 6. EVOLUCIÓN Y
Page 204 and 205: ResultadosCAPÍTULO 6. EVOLUCIÓN Y
Page 220 and 221: CAPÍTULO 7. CONCLUSIONES Y PROPUES
Page 222 and 223: Objetivos alcanzadosCAPÍTULO 7. CO
Page 224 and 225:
Objetivos alcanzadosCAPÍTULO 7. CO
Page 226 and 227:
Propuestas de trabajo futuroCAPÍTU
Page 228 and 229:
Conclusiones personalesCAPÍTULO 7.
Page 231 and 232:
AManual de referenciaA.1.Manual de
Page 233 and 234:
APÉNDICE A. MANUAL DE REFERENCIAMa
Page 235 and 236:
Page 237 and 238:
Page 239 and 240:
Page 241 and 242:
Page 243 and 244:
Page 245 and 246:
BImágenes a colorv zvu zuv xXv yYF
Page 247 and 248:
APÉNDICE B. IMÁGENES A COLORBound
Page 249 and 250:
APÉNDICE B. IMÁGENES A COLORFIGUR
Page 251 and 252:
Bibliografía[ABS][AMV09][And89]Ale
Page 253 and 254:
BIBLIOGRAFÍABIBLIOGRAFÍA[Joh98] N
show all

Universidad de - Escuela Superior de InformÃ¡tica (UCLM ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?