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

More documents

Recommendations

Info

Necesidades y retos del análisis de vídeo.CAPÍTULO 3. ANTECEDENTES.6. Ofrecer mecanismos de protección de la privacidad. Los sistemas de análisisdeben guardar la información detallada de los objetos visualizados y sólo mostrarlas situaciones sospechosas sin detallar información comprometida.3.4. Necesidades y retos del análisis de vídeo.Dada la gran cantidad de información capturada por la seguridad, urge la necesidad dedesarrollar métodos automáticos para la detección de situaciones sospechosas. De maneraque sólo las situaciones sospechosas son analizadas por personal humano. Existen algunastécnicas muy satisfactorias pero pocas de ellas están comercializadas para usarlas en unentorno real.También existen muchos algoritmos aplicables a los sistemas de videovigilancia peroéstos son desarrollados para resolver un problema muy específico de la monitorización y noaborda todos los problemas que la videovigilancia abarca. Existen sistemas muy completosque operan sobre entornos con condiciones casi reales. Actualmente el análisis de vídeotrabaja bien en:Detección de movimiento.Detección de objetos específicos.Reconocimiento de matrículas en sistemas específicos.Detección de comportamientos específicos, tales como: caminar, correr, llevar unobjetos, etc.La siguiente lista contiene los aspectos que se deben mejorar o desarrollar:Detección y seguimiento y reconocimiento en tiempos cercanos al tiempo real, esdecir, que el reconocimiento de incidentes sea lo más rápido posible a su suceso.Esto es importante en infraestructuras sensibles en las que la rápida intervención delpersonal de seguridad puede evitar resultados catastróficos.Reconocimiento de caras en tiempo real (25 o 30 frames/sec).Reconocimiento de caras en medio de una multitud de personas. Esto requiere de unacalidad de imagen suficiente para ser accesible con cámara de megapíxeles, ahora enel mercado.50
CAPÍTULO 3. ANTECEDENTES.Necesidades y retos del análisis de vídeo.Conteo de personas en entornos complejos con gran concentración de personas, bajodiferentes puntos de vista.Seguimiento de objetos en entornos de gran concentración (seguimiento de unapersona dentro de un grupo o de un vehículo en concreto dentro de todo el flujode tráfico.Seguimiento de las propiedades del cuerpo humano para comprender su comportamiento.Diferenciación de áreas con determinados colores. Esta función permitiría conocerpor ejemplo el color de un coche y podría ayudar al algoritmo de reconocimiento dematrículas, o para reconocer a una persona por el color de la ropa que lleva.Fusión de diversos datos de vídeo (por ejemplo, fusión del reconocimiento de la caracon su forma de caminar), o la mezcla de datos obtenidos por diversos sensores(sensores de temperatura, sistemas biométricos, etc) son algunos de los métodosconstruidos.Muchos algoritmos de análisis de vídeo funcionan sólo con cámaras fijas, con buenaresolución de imagen e iluminación adecuada y constante, lo cuál no es muy útil para lamayoría de las aplicaciones. Algunos de los problemas más frecuentes que nunca se tienenen cuenta tales como los cambios bruscos de la cámara (tela de araña, polvo, movimientosde cámara). La robustez y precisión de los algoritmos de detección, seguimiento yreconocimiento son vitales cuando se trata de un entorno con condiciones ambientalescambiantes. Con el objetivo de aumentar su uso, los sistemas de videovigilancia inteligentesdeben ser lo suficientemente fuertes como para hacer frente a las diferentes condicionesclimáticas, adaptarse a los cambios de iluminación de la escena (luz natural o artificial) yadaptarse a los fallos de hardware y software producidos.La evaluación del rendimiento de los SVI es uno de los retos más importantes. Existentareas en vigilancia como la detección de objetos abandonados, cuya monitorizaciónhumana obtiene unos resultados horribles. Sin embargo, es difícil comparar los sistemasentre sí, ya que la mayoría de las pruebas de rendimiento se llevan a cabo con diferentesconjuntos de datos.Por lo tanto, para poder comparar el rendimiento de diferentes SVI es necesario eldesarrollo de métodos objetivos y sistemáticos. La evaluación del sistema depende en granmedida de los resultados en las tareas de análisis de vídeo.51
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 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 61 and 62: CAPÍTULO 3. ANTECEDENTES.Estado de
Page 71: CAPÍTULO 3. ANTECEDENTES.Estado de
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 103: CAPÍTULO 3. ANTECEDENTES.Ejemplos
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 123 and 124:
CAPÍTULO 5. ARQUITECTURA DE ATRAVE
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:
Page 173 and 174:
Page 175 and 176:
Page 177 and 178:
Page 179 and 180:
Page 181 and 182:
Page 183 and 184:
Page 185 and 186:
Page 187 and 188:
Page 189 and 190:
Page 191 and 192:
Page 193:
Page 196 and 197:
EvoluciónCAPÍTULO 6. EVOLUCIÓN Y
Page 198 and 199:
Page 200 and 201:
Page 202 and 203:
Page 204 and 205:
ResultadosCAPÍTULO 6. EVOLUCIÓN Y
Page 206 and 207:
Page 208 and 209:
Page 210 and 211:
Page 212 and 213:
Page 214 and 215:
Page 216 and 217:
Page 218 and 219:
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?