Universidad de - Escuela Superior de Informática (UCLM ...
Universidad de - Escuela Superior de Informática (UCLM ... Universidad de - Escuela Superior de Informática (UCLM ...
Ejemplos Sistemas de vídeo vigilancia.CAPÍTULO 3. ANTECEDENTES.trayectorias, pero depende de un valor umbral, el cuál puede ser erróneo si aparece ruidoen la etapa de seguimiento. Alguno de los problemas considerados como ruido que puedeaparecer en el seguimiento de los objetos, es el problema de la oclusión.Jiangung Lou, Qifeng Liu, Tieniu Tan and Weiming Hu definen una nueva fórmula de ladistancia para obtener el grado de similitud entre trayectorias. Esta fórmula es muy similara la distancia de Hausdorff. Esta distancia puede considerarse información global de lastrayectorias. Dadas dos trayectorias A y B donde A tiene t puntos y B tiene T puntos, ladistancia espacial entre las dos trayectorias se define:D c = min A,B {D A,B ,D B,A }D A,B = max i=0..t {min j=0..T (d i, j )}D B,A = max i=0..T {min j=0..t (d i, j )}(3.18)donde D i, j es la distancia Euclídea desde el punto i situado en una trayectoria hasta elpunto j situado en la otra trayectoria. También se define una métrica que describe el gradode similitud entre dos trayectorias de forma dinámica:donde DV A,B = ∑ alliinA dv i, jt+1, j = arg 0≤ j≤T min(d i, j )DV B,A = ∑ alliinB dv i, jT +1, j = arg 0≤ j≤t min(d i, j )D t = min A,B {DV A,B ,DV B,A } (3.19)y dv i, j es la diferencia de velocidad entre el punto i situado en una trayectoria y el puntoj situado en la otra trayectoria.El objetivo en el análisis de una trayectoria es conocer las diferentes acciones de unatrayectoria. Para realizar el análisis de trayectorias, Jiangung Lou, Qifeng Liu, TieniuTan and Weiming Hu presentan un método basado en los Modelos Ocultos de Markov(HMM)[FM98]. Cada trayectoria es divida en pequeñas porciones, y cada porción contiene20 puntos. Se asignan acciones dentro de estas cuatro acciones posibles: avanzar haciaadelante, girar a la derecha, girar a la izquierda y detenerse. El método presenta doscaracterísticas principales que lo diferencian del método que se encuentra en [FM98]:Cada trayectoria es fragmentada en partes, las cuáles se divide en algunos pequeñossegmentos, posteriormente se modela cada fragmento utilizando HMM (se hadetectado que en la representación de un patrón aparecen diferentes acciones en unamisma trayectoria, al fragmentarlo, en cada fragmento sólo se realiza una acción delas cuatro posibles anteriormente comentadas.).Las curvas que tienen una trayectoria se obtienen por comparación de la velocidad detraslación y de la velocidad angular.70
CAPÍTULO 3. ANTECEDENTES.Ejemplos Sistemas de vídeo vigilancia.Para realizar la clasificación de las trayectorias se realiza en árbol. Las trayectorias delos objetos se clasifican de manera dinámica realizando una comparación con los patronesdefinidos y se va realizando al mismo tiempo que los objetos van siendo detectados yseguidos con la trayectoria de los objetos incompleta. Esta clasificación se realiza medianteun clasificador Bayesiano. La distancia desde un punto A de una trayectoria con el puntocorrespondiente de una trayectoria patrón es d i = min
- 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: CAPÍTULO 3. ANTECEDENTES.Fundament
- Page 53 and 54: CAPÍTULO 3. ANTECEDENTES.Fundament
- Page 55 and 56: CAPÍTULO 3. ANTECEDENTES.Fundament
- Page 57 and 58: CAPÍTULO 3. ANTECEDENTES.Fundament
- Page 59 and 60: CAPÍTULO 3. ANTECEDENTES.Fundament
- Page 61 and 62: CAPÍTULO 3. ANTECEDENTES.Estado de
- Page 63 and 64: CAPÍTULO 3. ANTECEDENTES.Estado de
- Page 65 and 66: CAPÍTULO 3. ANTECEDENTES.Estado de
- Page 67 and 68: CAPÍTULO 3. ANTECEDENTES.Estado de
- Page 69 and 70: CAPÍTULO 3. ANTECEDENTES.Estado de
- Page 71 and 72: CAPÍTULO 3. ANTECEDENTES.Estado de
- 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: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 83 and 84: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 85 and 86: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 87 and 88: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 89 and 90: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 91: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 95 and 96: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 97 and 98: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 99 and 100: CAPÍTULO 3. ANTECEDENTES.Ejemplos
- Page 101 and 102: 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 117 and 118: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 119 and 120: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 121 and 122: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 123 and 124: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 125 and 126: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 127 and 128: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 129 and 130: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 131 and 132: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 133 and 134: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 135 and 136: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 137 and 138: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 139 and 140: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
- Page 141 and 142: CAPÍTULO 5. ARQUITECTURA DE ATRAVE
Ejemplos Sistemas <strong>de</strong> ví<strong>de</strong>o vigilancia.CAPÍTULO 3. ANTECEDENTES.trayectorias, pero <strong>de</strong>pen<strong>de</strong> <strong>de</strong> un valor umbral, el cuál pue<strong>de</strong> ser erróneo si aparece ruidoen la etapa <strong>de</strong> seguimiento. Alguno <strong>de</strong> los problemas consi<strong>de</strong>rados como ruido que pue<strong>de</strong>aparecer en el seguimiento <strong>de</strong> los objetos, es el problema <strong>de</strong> la oclusión.Jiangung Lou, Qifeng Liu, Tieniu Tan and Weiming Hu <strong>de</strong>finen una nueva fórmula <strong>de</strong> ladistancia para obtener el grado <strong>de</strong> similitud entre trayectorias. Esta fórmula es muy similara la distancia <strong>de</strong> Hausdorff. Esta distancia pue<strong>de</strong> consi<strong>de</strong>rarse información global <strong>de</strong> lastrayectorias. Dadas dos trayectorias A y B don<strong>de</strong> A tiene t puntos y B tiene T puntos, ladistancia espacial entre las dos trayectorias se <strong>de</strong>fine:D c = min A,B {D A,B ,D B,A }D A,B = max i=0..t {min j=0..T (d i, j )}D B,A = max i=0..T {min j=0..t (d i, j )}(3.18)don<strong>de</strong> D i, j es la distancia Euclí<strong>de</strong>a <strong>de</strong>s<strong>de</strong> el punto i situado en una trayectoria hasta elpunto j situado en la otra trayectoria. También se <strong>de</strong>fine una métrica que <strong>de</strong>scribe el grado<strong>de</strong> similitud entre dos trayectorias <strong>de</strong> forma dinámica:don<strong>de</strong> DV A,B = ∑ alliinA dv i, jt+1, j = arg 0≤ j≤T min(d i, j )DV B,A = ∑ alliinB dv i, jT +1, j = arg 0≤ j≤t min(d i, j )D t = min A,B {DV A,B ,DV B,A } (3.19)y dv i, j es la diferencia <strong>de</strong> velocidad entre el punto i situado en una trayectoria y el puntoj situado en la otra trayectoria.El objetivo en el análisis <strong>de</strong> una trayectoria es conocer las diferentes acciones <strong>de</strong> unatrayectoria. Para realizar el análisis <strong>de</strong> trayectorias, Jiangung Lou, Qifeng Liu, TieniuTan and Weiming Hu presentan un método basado en los Mo<strong>de</strong>los Ocultos <strong>de</strong> Markov(HMM)[FM98]. Cada trayectoria es divida en pequeñas porciones, y cada porción contiene20 puntos. Se asignan acciones <strong>de</strong>ntro <strong>de</strong> estas cuatro acciones posibles: avanzar haciaa<strong>de</strong>lante, girar a la <strong>de</strong>recha, girar a la izquierda y <strong>de</strong>tenerse. El método presenta doscaracterísticas principales que lo diferencian <strong>de</strong>l método que se encuentra en [FM98]:Cada trayectoria es fragmentada en partes, las cuáles se divi<strong>de</strong> en algunos pequeñossegmentos, posteriormente se mo<strong>de</strong>la cada fragmento utilizando HMM (se ha<strong>de</strong>tectado que en la representación <strong>de</strong> un patrón aparecen diferentes acciones en unamisma trayectoria, al fragmentarlo, en cada fragmento sólo se realiza una acción <strong>de</strong>las cuatro posibles anteriormente comentadas.).Las curvas que tienen una trayectoria se obtienen por comparación <strong>de</strong> la velocidad <strong>de</strong>traslación y <strong>de</strong> la velocidad angular.70