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

CAPÍTULO 3. ANTECEDENTES.Ejemplos Sistemas de vídeo vigilancia.De todas las comparaciones de cada uno de los nodos, se obtiene aquella distancia cuyovalor es mayor. Si la distancia máxima supera un umbral determinado, entonces no existecoincidencia entre la nueva trayectoria reconocida y el modelo de trayectoria almacenada.Si la trayectoria no coincide con ninguna de las trayectorias modelo almacenadas en la basede conocimiento, entonces es inicializada como una nueva trayectoria.En caso de que la máxima distancia de separación entre una trayectoria recientementereconocida y una trayectoria modelo de la base de conocimiento, sea inferior al umbralestablecido, se realiza un proceso de fusión entre ambas trayectorias. En este proceso defusión, se la trayectoria que contenga la máxima anchura, es la trayectoria utilizada comotrayectoria principal y la otra queda como trayectoria secundari. Para realizar la fusión delas trayectorias se van actualizando nodo a nodo con respecto a la trayectoria principal.Aquellos nodos que no coincidan con la trayectoria principal se realiza una estimación delnodo de la trayectoria secundaria con el nodo de la trayectoria principal.3.7.5. Sistema de visión cognitiva.La universidad de Kingston presenta un sistema de videovigilancia experimental(KUES)[DMB08] presentan un sistema de videovigilancia llamado KUES centrándoseen los aspectos cognitivos. Se trata de un modelo de aprendizaje automático de una escenaestática. Después una gran cantidad de observaciones, el sistema realiza una identificaciónespacial de situaciones estableciendo consistencia entre los datos, utilizando un mecanismode atención de movimiento. También se realiza cómo con la utilización de patronesque representan situaciones típicas pueden ser utilizadas para la detección de situacionessospechosas. El esquema del sistema KUES se puede ver en la figura 3.24.Cada cámara de vigilancia genera un flujo de vídeo independiente. El módulo dedetección de movimiento (Motion Detection Module) [DM02] establece un modelo depíxeles y el fondo del entorno observado por la vista de cada cámara e identifica los píxelesen cada frame donde aparece movimiento (foreground). asumiendo que la variación devalores en los píxeles es a causa del movimiento de objetos y no por la aparición de ruidoen la escena. Despúes los píxeles de foreground son clasificados en Blobs (Binary LargeObjects).El módulo de seguimiento (Motion Tracking Module), proporciona una trayectoria paracada objeto individual detectado, que es representada a través de una secuencia en el tiempode las posiciones del objeto en el entorno observado. Las posiciones que se obtienen sonlas del centro del objeto desde una vista de una cámara. Por este motivo, el seguimiento delos objetos realiza una correspondencia de los blobs en la secuencia de frames reconocidos65