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

More documents

Recommendations

Info

Objetivos alcanzadosCAPÍTULO 7. CONCLUSIONES Y PROPUESTASde datos es su flexibilidad y el rápido acceso a sus elementos. Se ha utilizado undiccionario para albergar a todos los elementos detectados en la escena en cadainstante de tiempo, este diccionario hace referencia a la base de conocimiento deobjetos detectados. En éste se almacena toda la información referente al objeto juntocon el grado de similitud existente con cada uno de los patrones que constituyenla base de conocimiento de patrones aprendidos. Para el almacenamiento de lainformación referente a la similitud con los diferentes patrones también se ha utilizadala estructura de Diccionario.En el almacenamiento de los de la información referente a los patrones aprendidos,tras la monitorización de algunos objetos se ha utilizado la estructura de datos deDiccionario. En ésta se almacena toda la información referente almacenada en Basede conocimiento de patrones aprendidos. En esta base de conocimiento se encuentranalmacenados aquellas propiedades necesarias para la creación de patrones.4. Definición de patrones: Este objetivo ha sido llevado a cabo, para poder llevar acabo la clasificación de los distintos comportamientos de los objetos detectados enla escena. Para ello, se ha definido una estructura de datos denominada Trajectory_-pattern, en la cuál se almacena todas las propiedades que debe almacenar un patrón.Entre las propiedades, almacenadas, se encuentra:La trayectoria que representa su movimiento a lo largo de la escena.El recorrido de su desplazamiento sobre el entorno.El tipo de patrón que es, bien VEHICLE o PEDESTRIAN.El comportamiento que tiene sobre la escena, NOT_CLASSIFIED, NORMAL oABNORMAL.Fecha de creación del patrón.5. Clasificación de patrones: Este objetivo ha sido alcanzado utilizando el grado desimilitud entre un patrón determinado y el comportamiento del objeto sobre elentorno de monitorización. Además, un patrón puede ser automáticamente clasificadodependiendo del número de veces que se repita su comportamiento en la escena.Existen tres posibles clases en la que puede quedar clasificado un patrón, NOT_-CLASSIFIED, NORMAL, ABNORMAL. Si existen cinco patrones que tienen uncomportamiento muy similar, entonces el sistema clasifica a estos cinco patronescomo comportamiento normal. En caso de pasar demasiado tiempo un patrónclasificado como NOT_CLASSIFIED es clasificado como ABNORMAL. Inicialmentesi un patrón no tiene afinidad con ninguno de los patrones existentes en la base de200
CAPÍTULO 7. CONCLUSIONES Y PROPUESTASObjetivos alcanzadosconocimiento de patrones es clasificado del tipo NOT_CLASSIFIED. La clasificaciónde patrones se puede visualizar en la interfaz gráfica de usuario denominadavisualización de patrones y objetos, en particular en la pestaña de patrones.6. Aprendizaje supervisado: En caso de que el usuario no quiera esperar a que elsistema clasifique a una trayectoria como NORMAL o ABNORMAL,bien porque noquiere esperar a que aparezcan nuevos objetos que tengan un comportamiento similaro bien porque no quiere esperar el tiempo necesario en que un patrón pasa a ser detipo ABNORMAL. Existe una pestaña en la interfaz gráfica de usuario denominadavisualización de patrones y objetos que permite modificar la categoría con la queestán clasificados lo patrones, pudiendo clasificar los patrones de tipo NORMAL yABNORMAL.7. Similitud con patrones: Para la obtención de este objetivo se han cumplido lossubobjetivos, de similitud atendiento a la trayectoria, recorrido y velocidad.La consecución del subobjetivo similitud por trayectoria se ha realizado mediante laimplementación de un algoritmo que permite conocer el grado de similitud entre latrayectoria de cada uno de los patrones con la trayectoria del objeto recién detectadoen la escena de monitorización cuyo comportamiento se pretende clasificar. El gradode similitud por trayectoria con respecto a los diferentes patrones puede observarseen el campo de similitud por trayectoria situado en la interfza gráfica de usuariodenominada visualización de patrones y objetos concretamente en la pestaña devisualización de objetos y en cada objeto aparece la barra que contiene el porcentajede similitud por trayectoria con los diferentes patrones con los que existe similitud.La realización del subobjetivo similitud por recorrido se ha realizado mediante laimplementación de una función que permite conocer el grado de similitud existenteentre el recorrido de un patrón de la base de conocimiento de patrones aprendidos yel recorrido realizado por un objeto que se desplaza por la escena de monitorización.La visualización de la similitud por recorrido, puede ser visualizada por el usuarioen la interfaz gráfica de usuario denominada visualización de patrones y objetos,concretamente en la pestaña de objetos y en la columna de similitud por recorrido,aparece una barra donde se incluye el porcentaje de similitud con los patrones de labase de conocimiento de patrones aprendidos.La obtención del subobjetivo de similitud por velocidad se ha llevado a cabo a travésde la implementación de un algoritmo que permite obtener el grado de similitudexistente entre la velocidad de un patrón con el que existe cierta afinidad y un objetodetectado en la escena monitorizada. Para calcular el grado de similitud por velocidad,201
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:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
Page 169 and 170:
Page 171 and 172: 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 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 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 ...

Create successful ePaper yourself

Delete template?

Save as template?