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

Ejemplos Sistemas de vídeo vigilancia.CAPÍTULO 3. ANTECEDENTES.las vistas de cada cámara se solapan, están muy distantes, etc. Puede integrar un modeloque detecte la actividad que aparece en la escena observada. El método está basado enuna correspondencia en la detección de los objetos captados por las distintas vistas de lascámaras. El método permite comunicarse con las cámaras adyacentes, aunque las vistasde éstas no se solapen. También proporciona posibles movimientos de objetos en aquellosespacios o huecos entre las distintas vistas de la cámara.La detección automática de actividades sospechosas es el mayor requisito de lossistemas de videovigilancia, debido a la incapacidad del se humano de mantener su atenciónante un monitor y detectar las situaciones sospechosas durante un largo período de tiempo.Se realiza un modelado de las trayectorias normales y aprende situaciones normalesutilizando un modelo probabilístico. Posteriormente se relaciona el comportamiento atípicocon situaciones anormales en la escena. El modelado de la escena se construye dependiendode las acciones que se produzcan en la escena después de un período de observación.Posteriormente se asignan patrones de comportamientos típicos o normales. Se incorporaun método de detección automática de situaciones atípicas que pueden ser sospechosabasándose en trayectorias descritas por los modelos ocultos de Markov (RBHMM).Los estados de un RBHMM son definidos como los nodos de todos los modelos detrayectorias aceptados, añadiendo dos estados extra:“Estado fuera de cualquier nodo”: Este estado indica que la situación reconocidano se encuentra entre las situaciones modeladas anteriormente.“Estado final”: Estado que indica la conclusión de la monitorización de la escena.Esto permite derivar los nodos en trayectorias unidireccionales, de manera que permiteincorporar la información de direccionalidad a cada nodo.3.7.6. Interpretación semántica de actividades de objetos en sistemasde vídeo vigilancia.Jiangung Lou, Qifeng Liu, Tieniu Tan and Weiming Hu [JLH02], propusieron unframework de interpretación semántica del comportamiento de peatones y vehículos. Lastrayectorias tanto de peatones como de vehículos son almacenadas tras un proceso deseguimiento (tracking) y se realiza un análisis utilizando una clasificación dinámica queestá basada en una interpretación semántica de alto nivel.En un sistema de videovigilancia, las trayectorias son adquiridas utilizando algoritmosde seguimiento de bajo nivel. En este modelo se centra únicamente en la interpretación68