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

More documents

Recommendations

Info

Necesidades y retos del análisis de vídeo.CAPÍTULO 3. ANTECEDENTES.A continuación, se van a detallar algunas iniciativas de evaluación de análisis de vídeoen SVI:PETS (Performance Evaluation of Tracking and Surveillance). Propone unamétrica para la evaluación de algoritmos online.CREDS (Challenge for Real-time Event Detection Solutions). Competencia parala detección eventos predefinidos para la vigilancia en el metro de París (detección depersonas que caminan sobre las plataformas).I-LIDS (Imagery Library for intelligent Detection Systems). Fue lanzado para laoficina de la sección de desarrollo cientíco de Gran Bretaña. Permite realizar testde rendimiento sobre datos de vídeo, para detectar vehículos aparcados, equipajeabandonado, control de intrusión en determinadas áreas, control de puertas, etc.ETISEO (Évaluation du traitement de l’interprétation de séquences video –performance evaluation project for video surveillance). Proyecto llevado a cabopor el gobierno francés, permite el reconocimiento del cuerpo de personas bajopetición, este proyecto puede ser utilizado con fines de investigación, no paracomercializarlo.FRVT (Face Recognition Vendor Tests). Permite realizar pruebas de evaluación delos diferentes sistemas de reconocimiento facial y conducta utilizando una base dedatos para proporcionar una comparativa objetiva entre los diferentes proveedores.Por último es importante que los sistemas de análisis se adapten a las nuevasarquitecturas de los sistemas de videovigilancia: sistemas heterogéneos multicámara,inteligencia distribuida y vídeos de alta resolución. Es necesario seguir investigando ydesarrollando para conseguir los siguientes retos:Introducción de inteligencia en las cámaras.Creación de algoritmos flexibles.Habilitar el seguimiento utilizando cámaras de accionamiento eléctrico con unenfoque multiescala: detección del ancho del campo, extraer detalles importantes delos objetos cuando se le aplica una zoom a un determinado objeto.Desarrollo de algoritmos de adaptación y calibración automáticos que ajusten losparámetros de las cámaras (lente, zoom, apertura de visión, perspectiva, etc.) antecambios en la escena que están monitorizando.52
CAPÍTULO 3. ANTECEDENTES.Tendencias tecnológicas para la videovigilancia.3.5. Tendencias tecnológicas para la videovigilancia.Muchos sistemas de videovigilancia actuales todavía se basan en las tecnologíastradicionales: cámaras analógicas, cables coaxiales, grabadoras digitales. Sin embargo, elcontinuo avance en este aspecto ha dado lugar a la aparición de nuevas arquitecturas de lossistemas de videovigilancia, componentes y capacidades.A continuación, se detallan algunas de las principales tendencias tecnológicas que losexpertos prevén en los próximos años:La utilización de redes IP en sistemas de videovigilancia. En la actualidad es utilizadapara la monitorización de extensas áreas. Los sistemas de videovigilancia con IPpodrían ser utilizados por usuarios de todo tipo, si el coste de la cámara IP se redujeraconsiderablemente.La utilización de megapíxeles en las cámaras suponen un gran paso en los sistemasde videovigilancia, ya que ofrecen alta resolución y una amplia cobertura. Ademástambién mejoran el rendimiento del proceso de análisis. Por tanto, puede convertirseen una de las cámaras más utilizadas.El estándar de compresión H.264 (MPEG-4 Parte 10/AVC de Advanced VideoCoding) debe establecerse en los sistemas de videovigilancia. Este estándar permiteahorrar ancho de banda y espacio de almacenamiento. La utilización de este estándarayudará a la utilización de cámaras utilizando megapíxeles.Los sistemas de vigilancia contarán con una red de múltiples cámaras operandoen tiempo real. Estos sistemas tenderán procesar la información y a distribuir lasgrabaciones en nodos distribuidos (ya sea en las propias cámaras o codificadores)con el objetivo de disminuir la transmisión de datos.Mejorar la integridad y la interoperabilidad con los diversos sistemas de vigilancia,centralizando su control. Por tanto, los sistemas de control de acceso, solucionesbiométricas, RFID, sistemas de detección de intrusos, etc. deben estar conectadosa la central de control.Los SVI y los productos de análisis de vídeo deben progresar para que sean másrobustos y eficiente en aplicaciones de seguridad. La detección, seguimiento y análisisde objetos (personas,vehículos, caras, matrículas, etc) en escenas complejas con altaconcentración de objetos, debe mejorar así como el análisis de comportamiento seránlos campos más activos en la investigación de sistemas de vigilancia.53
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 73: CAPÍTULO 3. ANTECEDENTES.Necesidad
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 125 and 126:
CAPÍTULO 5. ARQUITECTURA DE ATRAVE
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 ...

Create successful ePaper yourself

Delete template?

Save as template?