Académique Documents
Professionnel Documents
Culture Documents
PROYECTO DE INVESTIGACIN:
T E S I S
QUE PARA OBTENER EL GRADO DE:
MAESTRO EN CIENCIAS EN INGENIERA DE CMPUTO
CON OPCIN EN SISTEMAS DIGITALES
PRESENTA
ING. PAMELA ARACELI RANGEL TIRADO
DIRECTORES
DR. LUIS PASTOR SNCHEZ FERNNDEZ
DR. OLEKSIY POGREBNYAK
En la ciudad de Mxico, el da 22 del mes noviembre del ao 2012, la que suscribe Pamela
Araceli Rangel Tirado alumna del Programa de Maestra en Ciencias en Ingeniera de
Cmputo, opcin Sistemas Digitales, con nmero de registro B1018883, adscrita al Centro
de Investigacin en Computacin, manifiesta que es autora intelectual del presente trabajo
de Tesis bajo la direccin del Dr. Luis Pastor Snchez Fernndez y del Dr. Oleksiy
Pogrebnyak y cede los derechos del trabajo titulado Instrumentos virtuales para videovigilancia y seguridad, al Instituto Politcnico Nacional para su difusin, con fines
acadmicos y de investigacin.
AGRADECIMIENTOS
A mis directores de tesis, el Dr. Luis Pastor Snchez Fernndez y el Dr. Oleksiy Pogrebnyak por
todo el apoyo, paciencia y gua que me brindaron durante mi estancia en el Centro.
Al Comit Tutorial y Snodo, integrado por el Dr. Sergio Surez Guerra, el Dr. Amadeo Jos
Argelles Cruz, el Dr. Jos Juan Carbajal Hernndez, el Dr. Marco Antonio Moreno Armendriz y
el M. en C. Pablo Manrique Ramrez, adems del Coordinador de Programa, el Dr. Jos Luis
Oropeza Rodrguez por sus recomendaciones y consejos que me proporcionaron durante el
desarrollo del proyecto.
Por ltimo pero no menos importante, a mi familia por el apoyo en cada momento de la vida. A
todos mis compaeros, amigos y profesores con los que compart vivencias, trabajo y ayuda.
RESUMEN
En este trabajo se propone un modelo computacional para automatizar la obtencin de imgenes con
mayor detalle, a travs de un sistema de video-vigilancia dual que est compuesto por
cmaras fijas y
una mvil, para potenciar los sistemas comerciales de bajas y medias prestaciones a travs de la
incorporacin de instrumentos virtuales que llevan a cabo la deteccin y procesamiento de eventos
relevantes.
La inspeccin se realiza en todas las cmaras fijas, an cuando el domo est atendiendo el procesamiento
de un evento relevante. El video es obtenido a travs de comunicacin TCP/IP, empleando las
Herramientas de Desarrollo de Software (SDK, por sus siglas en ingls) de los dispositivos.
El evento relevante es detectado en las regiones de inters definidas manualmente en el campo de visin
de alguna las cmaras fijas para localizar al objeto que lo gener. El procesamiento comienza con una
resta de imgenes; a continuacin se ejecutan operaciones morfolgicas y filtrado que antecede al anlisis
de partculas. Posteriormente, se discriminan los objetos debido a su cercana con las coordenadas del
punto donde se detect la presencia. De esta forma se puede obtener la imagen que contiene slo la
partcula que caus el evento.
Dos tareas muy importantes antes de buscar la ubicacin del objeto de inters son: primero, el
preposicionamiento, para asemejar su campo de visin (FOV, por sus siglas en ingls) con el de la cmara
fija que gener el evento y as poder buscar el objeto por reconocimiento de patrones; adems para
comenzar con nuevas localizaciones. Y la segunda, es la calibracin intercmara que debido a que la
imagen inicial despus del procesamiento proviene de una cmara fija y que se desea encontrar el objeto
de inters en el FOV de la cmara mvil, es necesario compensar los niveles de iluminacin.
Una vez que las condiciones anteriores se han cumplido, se ejecuta la bsqueda de patrn para encontrar
el objeto que ha entrado a escena, localizndolo continuamente en el FOV del domo hasta que est
centrado; esto se logra a travs de la programacin del protocolo de comunicacin Pelco-D y el uso de
RS-485, adems de la lgica aplicada sobre la definicin de reas de vigilancia correspondientes al
movimiento y de una relacin de aspecto para el acercamiento.
De esta forma, se obtiene una imagen con mayor detalle, misma que es usada en la generacin de reportes
a usuario en formato PDF. Finalmente, ste se enva por correo electrnico al usuario designado por el
administrador.
Como parte de los resultados, se presentan imgenes finales con mayor detalle y de los reportes a usuario
derivadas de pruebas realizadas en un estacionamiento exterior restringido.
~i~
ABSTRACT
This work proposes a computational model to automate imaging in more detail through a video
surveillance system that consists of dual
and medium commercial performance through incorporating virtual instruments that perform the detection
and processing of relevant events.
The inspection is performed on all fixed cameras, even when the dome is processing another relevant
event. The video is obtained through TCP / IP channel using the Software Development Kit (SDK) of the
devices.
A relevant event is detected defining manually regions of interest in the field of vision of one of the fixed
cameras to locate the object that is generated that event. Processing beginning with subtraction of images
and particle analysis; after that running mathematical morphology operations and filtering Afterwards, the
objects are discriminated because of their proximity to the coordinates where the presence was detected.
This way, the image containing only the particle that caused the event is obtained.
Two important tasks before seeking the location of the object of interest are; first, pre-positioning in order
to move the dome to an area known to resemble its Fields of Vision (FOV) with fixed camera that
generated the event and thus be able find the object by pattern matching; also starting with new locations.
The second activity is the inter-camera calibration: because the original image is from a fixed camera and
the system searches for the object of interest in the FOV of the moving camera, it is necessary to
compensate lighting levels.
Once the conditions are right, the system starts finding the search pattern that match to the object entered
the scene, continuously locating it on FOV dome until it is focused. This is achieved through
programming the communication protocol Pelco-D and using RS-485, plus the logic applied to the
definition of surveillance areas for the movement and an aspect ratio for the zoom in.
This way, an image in more detail is obtained. Then, it is used to generate user reports in PDF. Finally, the
report is sent by e-mail to the user designated by the administrator.
As a part of the results, final images with more detail and user reports are obtained by testing in an
outdoor parking restricted.
~ii~
ndice General
RESUMEN .................................................................................................................................................................... I
ABSTRACT ................................................................................................................................................................. II
NDICE DE FIGURAS ............................................................................................................................................. VI
NDICE DE TABLAS ............................................................................................................................................ VIII
GLOSARIO ............................................................................................................................................................... IX
ABREVIATURAS ............................................................................................................................................................... IX
TRMINOS .........................................................................................................................................................................X
CAPTULO 1.
INTRODUCCIN ......................................................................................................................... 1
1.1
MOTIVACIN Y ANTECEDENTES ............................................................................................................................... 1
1.2
PLANTEAMIENTO DE PROBLEMAS ........................................................................................................................... 2
1.3
JUSTIFICACIN ............................................................................................................................................................ 2
1.4
HIPTESIS .................................................................................................................................................................... 3
1.5
ALCANCE ...................................................................................................................................................................... 3
1.6
LMITES ........................................................................................................................................................................ 4
1.7
OBJETIVOS ................................................................................................................................................................... 4
1.7.1
Objetivo general ..................................................................................................................................................... 4
1.7.2
Objetivos particulares ......................................................................................................................................... 4
1.8
CONTRIBUCIONES ....................................................................................................................................................... 4
1.9
METODOLOGA Y DESARROLLO DE LA INVESTIGACIN ........................................................................................ 5
1.9.1
Propuesta de solucin ......................................................................................................................................... 5
1.9.2
Diagrama .................................................................................................................................................................. 6
1.10 ESTRUCTURA DE LA TESIS ......................................................................................................................................... 7
CAPTULO 2.
2.1
DOMTICA ................................................................................................................................................................... 9
2.2
VIDEO-VIGILANCIA ..................................................................................................................................................... 9
2.2.1
Diseo de sistemas de video-vigilancia .................................................................................................... 10
2.2.2
Beneficios de la video-vigilancia ................................................................................................................. 10
2.2.3
Sistemas basados en arquitectura cliente/servidor .......................................................................... 11
2.2.4
Sistemas de video-vigilancia avanzados ................................................................................................. 12
2.3
ELEMENTOS DE UN SISTEMA DE VIDEO-VIGILANCIA...........................................................................................12
2.3.1
Unidades de captura de video ...................................................................................................................... 13
2.3.2
Sensores de movimiento .................................................................................................................................. 14
2.3.3
Manipulacin de las cmaras: zoom ptico y digital ........................................................................ 14
2.3.4
Grabador de video digital ............................................................................................................................... 15
2.4
FUNDAMENTOS DE VIDEO .......................................................................................................................................16
2.4.1
Video analgico ................................................................................................................................................... 17
2.4.2
Video digital .......................................................................................................................................................... 17
2.4.3
Codificacin........................................................................................................................................................... 18
2.4.4
Color ......................................................................................................................................................................... 19
2.4.5
Formatos de video .............................................................................................................................................. 19
2.5
SEGURIDAD ................................................................................................................................................................20
~iii~
2.6
2.7
CAPTULO 3.
3.1
COMUNICACIN ENTRE DISPOSITIVOS .................................................................................................................. 23
3.1.1
Comunicacin serial como estndar ......................................................................................................... 23
3.1.2
Comunicacin serial en LabVIEW: VISA .................................................................................................. 24
3.1.3
Comunicacin por TCP/IP .............................................................................................................................. 25
3.2
PROCESAMIENTO DE IMGENES ............................................................................................................................ 25
3.2.1
Conectividad ......................................................................................................................................................... 26
3.2.2
Regiones de inters ............................................................................................................................................ 27
3.2.3
Histograma ........................................................................................................................................................... 27
3.2.4
Umbralado como herramienta de segmentacin. ............................................................................... 28
3.2.5
La resta de imgenes como operador matemtico bsico.............................................................. 29
3.2.6
Morfologa matemtica................................................................................................................................... 30
3.2.7
Deteccin de bordes .......................................................................................................................................... 32
3.3
ANLISIS DE PARTCULAS ....................................................................................................................................... 32
3.4
MEJORAMIENTO DE LAS CONDICIONES EN LAS IMGENES ................................................................................ 33
3.4.1
Ajuste de histograma ........................................................................................................................................ 34
3.4.2
Reajuste de los niveles de gris....................................................................................................................... 34
3.4.3
Filtrado espacial ................................................................................................................................................. 35
3.4.4
Especificacin del histograma...................................................................................................................... 35
3.5
BSQUEDA DE PATRONES ....................................................................................................................................... 36
3.5.1
Plantilla................................................................................................................................................................... 36
3.5.2
La bsqueda .......................................................................................................................................................... 37
3.6
CONCLUSIONES ......................................................................................................................................................... 39
CAPTULO 4. DISEO Y DESARROLLO DE LOS INSTRUMENTOS VIRTUALES PARA VIDEOVIGILANCIA Y SEGURIDAD.................................................................................................................................40
5.1
PROCESAMIENTO DIGITAL DE IMGENES PARA DETERMINAR PRESENCIA DE OBJETOS ............................... 51
5.1.1
Deteccin de bordes .......................................................................................................................................... 51
5.1.2
Presencia de objeto ............................................................................................................................................ 53
5.1.3
Discriminacin entre partculas .................................................................................................................. 54
CALIBRACIN INTERCMARA................................................................................................................................. 55
5.2
5.3
BSQUEDA DE PATRN ........................................................................................................................................... 56
5.3.1
Aprendizaje ........................................................................................................................................................... 57
~iv~
5.3.2
Bsqueda ................................................................................................................................................................ 57
5.4
LGICA DE MANDO DE LA CMARA TIPO DOMO ...................................................................................................58
5.4.1
reas de vigilancia............................................................................................................................................. 58
5.4.2
Control del domo ................................................................................................................................................ 59
5.4.3
Protocolo de comunicacin Pelco-D .......................................................................................................... 62
5.5
DIAGRAMA DE JERARQUA .......................................................................................................................................63
5.6
CONCLUSIONES .........................................................................................................................................................64
CAPTULO 6. RESULTADOS EXPERIMENTALES.......................................................................................... 65
6.1
6.2
6.3
6.4
6.5
6.6
CONCLUSIONES ...................................................................................................................................................... 74
TRABAJOS FUTUROS............................................................................................................................................. 75
REFERENCIAS ......................................................................................................................................................... 76
ANEXO A. GLOSARIO DE FUNCIONES DE LABVIEW.................................................................................. 80
ANEXO B. PROTOCOLO PELCO-D ..................................................................................................................... 84
B.1
B.2
B.3
B.4
B.5
PROTOCOLO D .......................................................................................................................................................84
FORMATO DEL CONJUNTO DE COMANDOS ............................................................................................................84
FORMATO DEL CONJUNTO DE DATOS ....................................................................................................................84
CHECK SUM ...............................................................................................................................................................85
RUTINAS PRECONFIGURADAS .................................................................................................................................85
C.1
C.2
C.3
GENERALIDADES.......................................................................................................................................................86
MODELOS DE DVR APLICABLES .............................................................................................................................86
COMPONENTES EMPLEADAS DEL SDK..................................................................................................................87
D.1
D.2
D.3
ALTO PERFIL..............................................................................................................................................................88
CONTROL VITAMIN ..................................................................................................................................................88
COMANDOS EMPLEADOS..........................................................................................................................................89
E.1
E.2
CONFIGURACIN .......................................................................................................................................................91
OPERACIN................................................................................................................................................................91
~v~
ndice de Figuras
Figura 1.1
Figura 1.2
Figura 1.3
Figura 1.3
Figura 2.1
Figura 2.2
Figura 2.3
Figura 2.3
Figura 3.1
Figura 3.2
Figura 3.3
Figura 3.4
Figura 3.5
Figura 3.6
Figura 3.7
Figura 3.8
Figura 3.9
Figura 3.10
Figura 3.11
Figura 3.12
Figura 3.13
Figura 3.14
Figura 3.15
Figura 3.16
Figura 3.17
Figura 3.18
Figura 3.19
Figura 4.1
Figura 4.2
Figura 4.3
Figura 4.4
Figura 4.5.
Figura 4.6
Figura 4.7
Figura 4.8
Figura 4.9
Figura 4.10
Figura 5.1
Figura 5.2
Figura 5.3
Figura 5.4
Figura 5.5
~vi~
Figura 5.6
Figura 5.7
Figura 5.8
Figura 5.9
Figura 5.10
Figura 5.11
Figura 5.12
Figura 5.13
Figura 5.14
Figura 6.1
Figura 6.2
Figura 6.3
Figura 6.4
Figura 6.5
Figura 6.6
Figura 6.7
Figura 6.8
Figura 6.9
Figura 6.10
Figura B.1
Figura B.2
Figura C.1
Figura E.1
Figura E.2
Figura F.1
~vii~
ndice de Tablas
Tabla 2.1
Tabla 4.1
Tabla 4.2
Tabla 5.1
Tabla 5.2
Tabla 5.3
Tabla 6.1
Tabla B.1
Tabla B.2
Tabla B.3
Tabla B.4
Tabla C.1
Tabla G.1
~viii~
GLOSARIO
Abreviaturas
1D
Unidimensional.
2D
Bidimensional.
3D
Tridimensional.
API
CCD
CMOS
DNS
DVR
FOV
fps
IP
PTZ
PUI
ROI
SDK
SMTP
SO
Sistema Operativo.
TCP
UDP
USB
VISA
Trminos
Algoritmo
Brillo
Es el atributo de una sensacin visual segn la cual un rea parece emitir ms o menos
luz. [51]
Color
Es el atributo de una sensacin visual segn la cual un rea parece ser similar a uno de los
colores percibidos, rojo, amarillo, verde y azul, o una combinacin de dos de ellos. [51]
Contraste
Es la diferencia en las propiedades visual que hace que un objeto distinguible de otros
objetos y el fondo. El contraste es determinado por la diferencia en el color y el brillo del
objeto y otros objetos dentro del mismo campo de visin.
Correccin
Gamma
Se trata de una transformacin donde se busca expandir los niveles altos de gris en una
imagen mientras suprime los niveles bajos de gris.
Decolar
Ecualizacin
Encolar
Iluminancia
Magnitud que expresa el flujo luminoso que incide sobre la unidad de superficie. Su unidad
en el Sistema Internacional es el lux.
Imagen
y ,
Imagen binaria Fotograma en el cual todos sus pxeles tienen valores solo de dos clases, 0 o 1.
Imagen
digitalizada
Fotograma que ha sido discretizada tanto en coordenadas espaciales como en brillo. Es una
matriz cuyos ndices de filas y columnas identifican un punto en la imagen y su valor de
gris en ese punto.
Imagen en
Fotograma con coordenadas espaciales y con sus respectivos valores de intensidad.
escala de grises Este tipo de imgenes son las ms sencillas y su uso es muy frecuente en el anlisis. [53]
Lab VIEW
Luminancia
Es proporcional a la energa de la luz emitida por unidad de rea de la fuente, pero esta
energa se pondera de acuerdo a la sensibilidad espectral del ojo. [51]
Lux
~x~
Mtodo
Pxel
Unidades bsicas de imagen en arreglos de dos dimensiones para formar una imagen o
marco. Acrnimo formado con las palabras inglesas 'Picture' y 'element'.
Saturacin
Vecindario de
pxeles
Visin artificial
Subdisciplina de la inteligencia artificial que busca analizar las imgenes para extraer
informacin valiosa para controlar un proceso o actividad. [53]
Vision Lab
VIEW
~xi~
Intenso trfico.
Hacer sonar el claxon, innecesariamente.
Aceleraciones innecesarias.
Sirenas con elevado nivel sonoro.
Ruido de silbatos producido por agentes encargados de controlar el trfico en situaciones crticas.
Para este caso, se han creado mtodos computacionales novedosos para el reconocimiento de patrones de
ruido. Dichos trabajos se han presentado en eventos cientficos internacionales de alto impacto [12] [13]
[14] [15] [16] [17].
II.
III.
IV.
1.3 Justificacin
Existe una frase muy famosa que dice que una imagen vale ms que ms que mil palabras", esto ha
caracterizado la evolucin de la medios de comunicacin y tecnologas. Grandes inventos como la
televisin, los videograbadores y las cmaras son un claro ejemplo de la voluntad humana para interactuar
con las imgenes, as como con audio y texto.
~ 2~
Tanto para el hogar, la seguridad pblica, como para cualquier tipo de negocio o empresa, la
videovigiliancia se convirti en una herramienta til que se ha popularizado en los ltimos aos,
emplendose para el monitoreo continuo de las acciones que realizan los seres humanos. Sin embargo,
esto no ha sido suficiente, pues existe la importante necesidad de ampliar la video-vigilancia para
combatir los actos delictivos en diversas zonas y ciudades, creando sistemas integrales de monitoreo y
seguridad que ayuden a definir las directrices para mejorar la vida de las personas.
Las imgenes son de vital importancia en el anlisis de delitos, como evidencia de abusos o simplemente
para seguimiento de eventos, sin embargo, la mayora de los sistemas proporcionan grabacin continua
mientras ocurra cualquier suceso detectado mediante el sensor de movimiento que tienen intrnsecamente
las cmaras, adems, esto requiere que un administrador verifique los videos y pueda definir si existi
alguna anomala o evento trascendente.
Una solucin posible a estos problemas, es potenciar los sistemas comerciales de video-vigilancia de bajas
y medias prestaciones con algoritmos avanzados que realicen actividades de mayor complejidad, como la
localizacin automtica de objetos o individuos, para minimizar la actividad del administrador y
maximizar la utilidad de cmaras que no necesariamente sean de ltima tecnologa o con las prestaciones
ms avanzadas.
1.4 Hiptesis
Mediante la combinacin de una cmara fija ( ) de bajas o medias prestaciones y una cmara mvil de
mediana o alta resolucin, se puede detectar un objeto en mltiples regiones de inters (ROI, por sus siglas
en ingls) definidas dentro del FOV amplio y obtener detalles del objeto mediante la cmara mvil, sin
necesidad de emplear sistemas costosos de altas prestaciones.
1.5 Alcance
El sistema ejecutar las siguientes actividades:
I.
II.
Dada la presencia estacionaria de un objeto en una regin de inters (ROI) detectado por una cmara
fija , se realiza el mando de la cmara tipo domo para tomar imgenes de mayor detalle.
Los reportes a usuario se realizan con la imagen adquirida a travs de la actividad antes descrita.
La manipulacin de las cmaras se realiza con un valor mayor a 0.01 lux, esto es, cuando las condiciones
de iluminacin son equivalentes a la luz de da o con alumbrado pblico de mediana intensidad.
Otro punto importante a mencionar es la condicin que el tiempo de vida o permanencia del evento, debe
ser siempre mayor que el tiempo de respuesta del sistema, que est entre 15 y 20 segundos.
~ 3~
1.6 Lmites
En la Fig. 1.1 se muestra el esquema del sistema propuesto, en el cual se tienen
cmaras fijas de
circuito cerrado, donde
, y depende del FOV de la cmara tipo domo, sin embargo, si este
nmero es muy grande, la operacin del sistema puede ser ms lenta al presentarse muchos eventos de
inters de manera simultnea y aumentar as el tiempo de respuesta del domo.
DOMO
DVR
PROCESAMIENTO
SERVIDOR
CMARA Xi
CLIENTE
i = 1, 2, , n
n= ?
Figura 1.1
1.7 Objetivos
1.7.1
Objetivo general
Desarrollar instrumentos virtuales para video-vigilancia y seguridad, con operacin local y remota.
1.7.2
I.
II.
III.
IV.
Objetivos particulares
1.8 Contribuciones
Con el presente trabajo se lograr:
I.
~ 4~
II.
III.
1.9.1
Propuesta de solucin
A partir del esquema de un sistema automtico como el mostrado en la Fig. 1.1, se obtienen imgenes
continuas en tiempo real a travs del par por una cmara fija y una mvil.
Las etapas son mostradas en la Fig. 1.2. La primera consiste en la adquisicin de video del grabador
digital por medio del Protocolo de Control de Transmisin (TCP, por sus siglas en ingls), esto se realiza a
travs de un conjunto de herramientas de desarrollo propio del grabador y de la cmara IP, con la
resolucin original estndar del grabador, que es de 336 x 224 pxeles y de la cmara IP, 320 x 240
pxeles.
La presencia de objetos se hace con la evaluacin de una ROI para verificar cambios en los ejes de una
lnea de referencia.
Por otro lado, se realiza un segmentado en el rea de video-vigilancia para tener una correspondencia de
reas de vigilancia, como se muestra en la Fig. 1.3, con cada una de las acciones de movimiento que se
pueden realizar con la cmara tipo domo y con ello realizar la localizacin de objetos.
Una vez que se tiene la imagen extrada y un arreglo de reas, se realiza la comparacin: si el objeto de
inters se encuentra en cualquier rea diferente a la cero (A0), entonces se tiene que realizar el
movimiento del domo y posiblemente un acercamiento; de otra forma se detiene el movimiento y
comparacin, se toma una fotografa; y se genera el reporte a usuario.
~ 5~
Obtencin
de video
Generacin
de reportes
a usuario
Deteccin
de
presencia
de objeto
Procesamiento de
imgenes
Instrumentos
Virtuales
Mando
PTZ
reas de
vigilancia
A1
A2
A3
A4
A0
A5
A6
A7
A8
Calibracin
intercmara
Bsqueda
de patrn
1.9.2
Diagrama
~ 6~
INICIO
FIN
OBSERVAR
EVENTOS
ACTUALES EN
INGENIERA
SELECCIONAR
LA DOMTICA
COMO TEMA
INTERESANTE
PUBLICAR
RESULTADOS
ESTABLECER A PRIORI
LOS PROBLEMAS A
RESOLVER (VIDEOVIGILANCIA)
BUSCAR
INFORMACIN
CIENTFICA
ESPECIALIZADA
Resta de
imgenes
Calibracin
intercmara
Anlisis de
partculas
Binarizado
Bsqueda
de patrn
Deteccin
de bordes
ELEGIR LA VIDEOVIGILANCIA
COMO TEMA
CENTRAL
Videovigilancia
Fundamentos de video
Seguridad
Morfologa
matemtica
CONCLUSIONES Y
RECOMENDACIONES
Domtica
OBTENCIN DE VIDEO
EN TIEMPO REAL
DELIMITAR OBJETO DE
ESTUDIO: BSQUEDA DE
MEJOR DETALLE EN
IMGENES
INTEGRAR Y MONTAR
EL SISTEMA DE VIDEOVIGILANCIA
PLANTEAR LOS
OBJETIVOS DE
TRABAJO
MARCO TERICO
DESCOMPONER
LOS OBJETIVOS
EN TAREAS
ESTABLECER LA
HIPTESIS
DELIMITAR
ALCANCE
PROCESAMIENTO DE IMAGENES
COMPROBAR
HIPTESIS
Movimiento
PRUEBAS DE
OPERACIN
Comunicacin serial
Preposicionamiento
Acercamiento
Pelco-D
automtico
REPORTE A USUARIO
CONTROL DEL DOMO
~ 8~
CAPTULO 2.
En este captulo se muestra la perspectiva general de los temas que fundamentan el presente trabajo, para
tener una visin sobre la situacin actual de este tipo de desarrollos a nivel mundial.
2.1 Domtica
La evolucin de la tecnologa en los hogares fue marcada por el uso de la electricidad y el desarrollo de la
electrnica y computacin, todo lo cual ha permitido elevar el nivel de confort y ha dado paso a la entrada
de los electrodomsticos, mquinas capaces de realizar tareas cotidianas de forma casi autnoma y que
emplea la electrnica, permitiendo realizar rutinas. El siguiente paso en la evolucin es la domtica, que
se encarga de la integracin y regulacin de sistemas elctricos y electrnicos, de tal manera que ante una
solicitud prevista, da la respuesta adecuada dentro de una gama acotada y ordenada al mecanismo
correspondiente para que acte en consecuencia. Incluye tres reas: confort, ahorro energtico y
seguridad. Adems el desarrollo de la electrnica permiti un control descentralizado de estos procesos; y
finalmente la informtica permiti una gestin del edificio en su control y centralizacin. [1]
Actualmente existen sistemas [18] que integran nuevas herramientas computacionales para unificar en una
sola aplicacin los contenidos en el hogar de servidores en casa y los compartidos por otros usuarios, a
travs de servicios como Flickr, YouTube, iTunes y Facebook para comunicar contenidos en forma
segura y acceder a ellos desde cualquier lugar.
Segn algunas fuentes [19], los ltimos 20 aos de desarrollo no han logrado los resultados previstos. La
demanda y el suministro han sido bajos. Para disear estos sistemas es necesario considerar la
construccin, infraestructura informtica y aspectos de prestacin de servicios; las necesidades del usuario
e intenciones deben ser estudiadas con ms detalle y respetadas siempre que sea posible; e investigar los
problemas legales y ticos, el usuario y la aceptacin del proveedor.
Se cree que el futuro de las redes domsticas depender en gran medida de la utilidad de los servicios para
el hogar y en su facilidad de uso, donde el objetivo principal ser proporcionar una buena experiencia para
usuarios que puedan acceder a su "vida personal digital" en un una manera segura en cualquier lugar.
2.2 Video-vigilancia
En el aspecto social, el aumento de delitos es uno de los principales factores que han influido en la
demanda de sistemas de video-vigilancia remota [20], pues busca disuadir, prevenir y combatir ilcitos.
Sin embargo, pueden aplicarse en otros campos que incluyen la comunicacin y mejora de relaciones
entre proveedores y clientes que no se encuentran cerca. [21] Es comn que grupos de trabajo sean
monitoreados para tener registro o consulta en lnea de una correcta ejecucin de funciones, horarios y
hbitos.
En la industria existen procesos elaborados por mquinas o lugares de alto riesgo en los cuales es
prcticamente imposible contar con supervisin presencial [22], por lo que la video-vigilancia es til para
tener un monitoreo masivo de procesos. [23]
~ 9~
2.2.1
La visin artificial para sistemas de video-vigilancia realiza varias funciones comunes necesarias para el
procesamiento de bajo nivel de datos de video. Estos algoritmos incluyen [24]:
Adems de las funciones anteriores, la video-vigilancia tambin puede realizar el seguimiento de las
trayectorias de objetos, almacenamiento y recuperacin de recorridos para el anlisis a largo plazo.
De manera general, lo indicado por algunos autores [20] [25], un sistema de video-vigilancia avanzado
debe contener las siguientes funcionalidades:
Adicionalmente, San Miguel et al. [25] proponen una clasificacin general unificada con otros autores:
2.2.2
Beneficios de la video-vigilancia
Tecnologas como la video-vigilancia permiten observar, responder, intervenir y mitigar riesgos que se
puedan presentar. [26] Los sistemas de este tipo poseen las siguientes bondades:
Monitoreo en tiempo real. Gracias al internet, es posible realizar un monitoreo simple a travs de
una pgina web. En el pasado, los eventos capturados en video eran usados para recabar
informacin importante y emplearlos como evidencia posteriormente. Sin embargo, las nuevas
tecnologas permiten a los usuarios monitorear y responder a las alarmas en tiempo real.
~ 10~
2.2.3
Boyd et al. [24] describen un sistema de video-vigilancia que asimila la informacin de mltiples cmaras
en un nico modelo de una escena. En una aplicacin en tiempo real con procesadores separados para
realizar las operaciones de bajo nivel (segmentacin de movimiento y reconocimiento de objetos), y luego
compartir, a travs de una red de rea local, la informacin con otras partes del sistema de vigilancia. Otra
propuesta la presenta Sayles et al. [27], quienes describen el CAML (CAmera Markup Language), un
sistema de cmaras de red, que extrae el procesamiento de bajo nivel referido por el sistema de Boyd et al.
[24] para crear un servidor de informacin de video. Este sistema ofrece, a travs de conexiones de red,
una descripcin de funciones de la cmara, una secuencia de video y un flujo de documentos XML que
describen objetos detectados y sus trayectorias en coordenadas de la imagen. Para detectar el movimiento,
el sistema calcula el flujo de CAML por ptica de Lucas-Kanade [28], umbrala e identifica grandes
componentes conectados de pxeles en movimiento. El sistema est implementado en el lenguaje de
programacin Python, y hace uso de la librera de desempeo primitivo integrada por Intel [29] para
optimizar la velocidad de ejecucin.
As, Sayles et al. [27], presentaron su sistema de servidor CAML con una aplicacin cliente que combina
las trayectorias de la imagen y los datos de calibracin de la cmara (realizada por los servidores) para
calcular las trayectorias en un modelo tridimensional de una zona sometida a video-vigilancia. Sin
embargo, Boyd et al. [30] mejoran este sistema con innovaciones tales como que los servidores, los cuales
son dinmicamente configurables por determinados clientes, proporcionan la descripcin del objeto y su
trayectoria de manera separada, con comunicacin bidireccional, adems los clientes poseen nombres de
usuario y contraseas para solicitar informacin al servidor con lo cual se evitan conflictos de mando a
una misma cmara por diferentes clientes. Este sistema tiene ciertas similitudes con las nuevas cmaras
MPEG-7 [31] pues la informacin en los servidores tambin se maneja con metadatos a travs de
documentos XML para la comunicacin con el cliente.
Por otro lado, Imai et al. [20] proponen un sistema de seguridad para monitoreo con acceso remoto a
travs de internet operando a travs de plataformas como Open PLANET y Java que facilitan las
operacin de aplicaciones pensadas para telfonos celulares. Otra alternativa empleando estos
dispositivos, es la presentada por Lien et al. [32], donde emplean el software Microsoft MSN, el cual
permite mandar mensajes instantneos o mostrar el video en tiempo real al cliente, el cual puede iniciar
una sesin regular en MSN desde un equipo remoto o PDA y enviar comandos de texto simple como una
solicitud para monitorear las instalaciones.
Muchos sistemas como los anteriormente descritos, emplean tecnologas TCP/IP como protocolo de
transmisin y la arquitectura es en su mayora cliente/servidor (C/S), o navegador/servidor (B/S) si el
cliente es un PC. [33] An con la ventaja de alta velocidad de datos y la reutilizacin de software, esta
solucin no est disponible para todas las situaciones, debido a su diseo de hardware complicado y alto
consumo de energa [34]. Para eliminar estos inconvenientes, Yang et al. [35] proponen un sistema
basado en Linux con el protocolo de comunicacin Bluetooth con arquitectura cliente/servidor, pues,
exponen, que en comparacin con otras soluciones, ese protocolo tiene una menor tasa de datos, pero ms
~ 11~
fcil de implementar en hardware. Combinado con MPEG-4, que es una tecnologa de codificacin de
video efectiva, Bluetooth puede ser una valiosa exploracin en el sistema de video-vigilancia.
2.2.4
En los sistemas de video-vigilancia, existen algunos que realizan el seguimiento de objetos de inters, ya
sea con una nica cmara o con sistemas ms avanzados. En referencia al primer caso, Varcheie y
Bilodeau [36] realizaron un proyecto donde buscan identificar y reconocer objetos, as como detectar y
seguirlos, empleando una cmara con movimiento (PTZ) con comunicacin va Internet; este mtodo se
basa en la comparacin de muestras elpticas con el objetivo, evaluando la probabilidad de semejanza para
estimar la localizacin del objeto, a travs de un estudio difuso sobre las reas sin movimiento y con
movimiento, empleando el algoritmo de flujo ptico de Lucas Kanade. As mismo se realiza la prediccin
de posicin del objeto para ayudar al seguimiento. Este sistema tiene la peculiaridad que es necesario
tomar la muestra manualmente, lo que lo hace til para identificacin de personas previamente elegidas.
Otro sistema innovador es el propuesto por Chu-Sing et. Al [37], que adems de emplear algoritmos de
seguimiento para interiores, tambin adiciona la localizacin geogrfica de personas.
Existe otro sistema propuesto por Hsien-Chou y Wei-Yi [38], el cual propone un sistema de cmara dual,
empleando cmaras con movimiento PTZ para asemejar la identificacin y seguimiento de un objeto
como lo hacen las guilas, empleando la primer cmara para ver el panorama general y la otra para el
detalle en una misma rea.
Unidades de captura de video. Son un conjunto de cmaras digitales o analgicas con el apoyo de
un dispositivo codificador de video que es capaz de realizar la transicin analgico-digital. En
este mdulo se captura el video, comprime los datos en bruto y la codifica en un formato popular
estndar (MPEG, JPEG, H261, H263, entre otros).
Red transmisin. Proporciona el flujo de video codificado a travs de una red que puede ser de
rea local (LAN) o incluso de Internet.
Mdulo de control central. Puede visualizar y grabar cada canal de video. Tambin controla las
acciones de las cmaras mediante el envo de comandos de control
Por otro lado, dos tipos de datos fluyen entre los mdulos:
~ 12~
Control de datos. El transmisor de control y mando puede ser una computadora, un teclado de
control o una matriz de conmutacin. El destinatario puede ser una cmara IP PTZ (pan-tiltzoom), un conmutador de matriz, o un DVR.
Secuencia de video. El video digital requiere hasta 4 Mbps de ancho de banda de red.
El sistema propuesto por Hintermaier y Steinbach [40] presenta un sistema novedoso para aplicaciones de
asistencia al conductor con una cmara donde el funcionamiento ejemplifica la arquitectura general de un
sistema de video-vigilancia:
La ptica est determinada por el campo de aplicacin y caracterizada por el ngulo de abertura. La
conversin de una imagen ptica en una seal digital se realiza por un sensor de imagen. Las tcnicas de
compresin ms adecuadas a la perspectiva de hoy son el estndar de JPEG y H.264. Y por ltimo el
protocolo de red para esta aplicacin es IP / Ethernet.
2.3.1
Las cmaras de seguridad juegan un papel importante de los sistemas de video-vigilancia y varias
empresas han diseado y producido muchos tipos [20]. A continuacin se describe el manejo de algunas
de ellas:
a. Analgica
Los sistemas de video-vigilancia se comenzaron a desarrollar en la dcada de 1970, incorporando
formatos de video de tipo NTSC (Comisin Nacional del Sistema de Televisin) y PAL (Fase de Lnea
Alternada) obtenido de las cmaras analgicas convencionales que son conectadas por medio de un cable
coaxial, inicialmente a grabadoras de VHS y ms recientemente a grabadores de video digital, en una
estacin de monitoreo. Algunos sistemas analgicos tienen la desventaja de proporcionar el video en
blanco y negro, adems de mantener bajos niveles de calidad en las imgenes, con un pobre
procesamiento de la seal y la necesidad de grabar la informacin en una cinta, todo lo cual puede no ser
una prueba de delito en un tribunal de justicia.
b. Domo
Debido a la capacidad de pan-tilt-zoom (PTZ) para cubrir al mismo tiempo una zona panormica adems
de mantener imgenes de alta resolucin y con el fin de ampliar la gama de video-vigilancia, las
investigaciones en este tipo de sistemas automticos han empleado cmaras tipo domo, pero su
movimiento aumenta la dificultad de la segmentacin del objeto en movimiento para aplicaciones
avanzadas.
Segn Liu y Xiao [39], hay muchos algoritmos de reconocimiento en la video-vigilancia, pero los
primeros pasos de ellos son comunes: la segmentacin de objetos en movimiento. Ellos proponen un
algoritmo donde toman como referencia una imagen y despus procesan la informacin del movimiento
empatando las dems; esto se aplica para calcular la distancia el movimiento horizontal de la secuencia de
imgenes en escala de grises.
Chen et al. [35] presentan un interesante diseo para la manipulacin de mltiples domos a travs de
parmetros como los ngulos de pan, tilt y posiciones objetivo en x, y, z para el zoom, en el cual dividen
~ 13~
las fases de operacin en dos: la de adquisicin, cuyo propsito es recoger informacin deseada para
relacionar los parmetros; y la de montaje, que emplea un modelo de aproximacin polinomial unificado
entre los valores de giro (pan) e inclinacin (tilt) de las cmaras PTZ con parmetros intrnsecos
desconocidos y configuraciones del sistema en la escena.
c. Con Protocolo de Internet (IP)
La tecnologa de internet hace que la vigilancia por video sea mucho ms fcil de aplicar y ms rentable
que el cableado tradicional en los CCTV. Si bien hay varias ventajas de la tecnologa IP para sistemas de
video-vigilancia, los sistemas tambin estn expuestos a nuevas amenazas de seguridad, lo cual es un
factor crtico al hacer que estos sistemas sean prcticos y utilizables. [41]
Combinando cmaras tradicionales y la tecnologa de video en red, la cmara IP puede comprimir y
entregar los clips de video en directo a Internet sin utilizar una computadora para que el usuario pueda ver
de forma remota las reas protegidas. Por lo tanto, las cmaras IP son dispositivos clave de los sistemas de
vigilancia actuales. El rendimiento de las cmaras de vigilancia IP es generalmente evaluado en velocidad
de codificacin, resolucin de video, velocidades de transmisin de fotogramas y distorsin, disipacin de
potencia, entre otros. [42]
2.3.2
Sensores de movimiento
Una nueva propuesta surgi en 2004 [43] cuyo objetivo era ampliar las capacidades de los sistemas de
sensor de corriente y garantizar la seguridad de vulnerabilidades que de otro modo no se haban tratado.
Este tipo de sensor no slo detecta movimiento tridimensional de video, sino tambin proporcionan
informacin de alto nivel que no estaba disponible con otras tecnologas de sensores volumtricos, cuyos
datos de la evaluacin estn disponibles de manera inmediata al operador, lo que permite tomar decisiones
crticas en el momento oportuno. Este sistema emplea una red de sensores independientes que opera en
una plataforma PC. El inconveniente de esta innovacin es que si alguna parte del objeto bajo observacin
no es vista por dos cmaras al menos, entonces no es parte de la deteccin.
2.3.3
Para entender el funcionamiento del zoom ptico es necesario conocer la base fsica de la fotografa: la luz
atraviesa una lente y concentra la informacin en una zona, donde se encuentra el sensor. En funcin de la
distancia que haya entre la lente y el sensor, la imagen resultante ser mayor o menor, a esto se le conoce
como distancia focal, a partir de la cual las fotos que obtenemos se ven aumentadas. La calidad de este
aumento se debe a la propia calidad de la lente y a la informacin que pueda recoger el sensor.
~ 14~
2.3.4
Un grabador de video digital (DVR, por sus siglas en ingls) emplea una unidad de disco duro para
almacenar video. Tiene varias ventajas sobre los grabadores antiguos, incluyendo una mayor fidelidad,
acceso aleatorio y la capacidad de grabar y reproducir simultneamente. Hasta hace poco, este sistema era
~ 15~
prohibitivamente caro; las reducciones de circuitos integrados y los costos de la unidad de disco han hecho
de ste un producto viable.
Los elementos fundamentales de un grabador de video digital son: [46]
Codificador.
Mtodo de compresin.
Formato de datos.
Procesador y sistema operativo para control.
Interconexin de componentes perifricos (PCI, por sus siglas en ingls).
Procesador de video.
Actualmente existen grabadores de video digital con funciones muy avanzadas de video anlisis, tales
como conteo de personas y objetos, intrusin y seguimiento, deteccin de objetos removidos y olvidados,
deteccin de multitudes y hasta deteccin de rostros. Adems proporciona otras funcionalidades tales
como notificacin de eventos por correo electrnico, acceso por un explorador de internet, control remoto
de parmetros y de cmaras y compatibilidad con telfonos celulares inteligentes.
espacial
de
la
intensidad
que
cambia
Existen algunos parmetros importantes para considerar en las seales de video que a continuacin se
enumeran:
La industria emplea diferentes combinaciones de parmetros de video. Por ejemplo, las computadoras
utilizan la exploracin progresiva, con una velocidad de fotogramas de 72 marcos por segundo. La
industria de la televisin utiliza de 25 o 30 marcos por segundo para mantener el movimiento suave.
~ 16~
2.4.1
Video analgico
El trmino de video analgico se refiere a la seal elctrica unidimensional que se obtiene con el muestreo
del patrn de intensidad de video en las coordenadas vertical y temporal y convirtindola en una
representacin elctrica. Este proceso se conoce como escaneo.[47]
La exploracin de la trama de comienza en la esquina superior izquierda y avanza en sentido horizontal
con una ligera pendiente vertical, a travs de la imagen, como se ve en la Fig. 2.2. Cuando se llega al
extremo derecho, regresa a la esquina superior izquierda para comenzar con una nueva lnea. Al llegar a la
esquina inferior derecha, un fotograma completo ha sido escaneado y la digitalizacin se ajusta a la
esquina superior izquierda para comenzar un nuevo marco.
Hay tres principales sistemas de video analgico, en la mayora de Europa occidental, el sistema PAL
625/50 se utiliza; en Rusia, Francia, oriente medio y Europa del este, el sistema 625/50 SECAM se
emplea; en Amrica del norte y Japn, el sistema de 525/60 NTSC se utiliza.
Figura 2.2
Para convertir el video analgico a digital es necesario realizar la digitalizacin, que consiste en el
filtrado, muestreo y cuantificacin: la operacin de filtrado se utiliza para limitar la banda de la seal de
~ 17~
entrada y acondicionarlo para la operacin de muestreo siguiente; la amplitud de la seal analgica filtrada
es luego muestreada en los instantes especficos para generar una seal discreta; la tasa mnima de
muestreo se conoce como la tasa de Nyquist y es igual a dos veces el ancho de banda de la seal. La
operacin de cuantificacin se utiliza para asignar esos valores en un conjunto finito de amplitudes
discretas que pueden ser representadas por un nmero finito de bits.
Cada tiempo discreto y amplitud discreta de la muestra es llamada un elemento de imagen y es
generalmente abreviado a una pel o un pxel. El video digital se compone de una secuencia de tales
marcos. Para video en color, las operaciones anteriores se repiten para cada componente, generalmente 3
bsicas de dos dimensiones (rojo, verde y azul).
2.4.3 Codificacin
La codificacin de video o compresin es una tecnologa clave para compactar la informacin contenida
en un video, de manera que se pueda almacenar y reproducir de una forma ms conveniente al uso y
transportacin de los datos. As, el objetivo de la codificacin de video es el de reducir el nmero de bits
utilizados, eliminando las redundancias presentes en la seal de video, las cuales son:
a) Estadstica: est presente porque ciertos patrones de datos son ms probables que otras. Esto se
debe principalmente a la alta resolucin espacial (intraframe) y temporal (interframe) que
correlaciona a los pxeles vecinos.
b) Psicovisual: se debe al hecho de que el sistema visual humano (HVS) es menos sensible a cierta
informacin visual que a otra.
c) De cdigo: esto ocurre cuando el video est codificado en una forma que usa ms smbolos de los
que son absolutamente necesarios.
Para realizar esta reduccin de bits son necesarios tres elementos indispensables que tiene el codificador:
a) El mapeador transforma los datos de entrada en bruto en una representacin que reduce los datos
ms susceptibles a la compresin en etapas posteriores. La transformacin es uno a uno y el
mapeo, por tanto, reversible.
b) El cuantificador reduce la precisin de la salida del mapeador, de acuerdo con algn criterio de
fidelidad, para reducir la redundancia psicovisual. Este es un mapeo de muchos a uno, por tanto,
irreversible.
c) El codificador de smbolos asigna un cdigo de acceso, una cadena de bits binarios de cada
smbolo en la salida del cuantificador. El cdigo disminuye la redundancia de codificacin. Esta
operacin es reversible.
Mapeador
Cuantificador
Figura 2.3
Smbolo del
Codificador
En general, los mtodos de compresin se pueden clasificar en mtodos sin prdidas y con prdida. En los
primeros, la reconstruccin de datos es idntica a los datos originales. Esto significa que tales mtodos no
utilizan un cuantificador. En los mtodos con prdida, la reconstruccin no es idntica a los datos
~ 18~
originales debido a la cuantificacin del proceso. Tales mtodos son por lo tanto, irreversibles, y por lo
general logran una mayor compresin de los mtodos sin prdidas.
2.4.4 Color
Segn la teora tricromtica de la visin del color [48], ste se percibe a travs de tres tipos
de conos o foto receptores en el ojo. En consecuencia, un video en color puede ser producido por la
superposicin de tres seales. Cada seal representa uno de los tres colores primarios: rojo, verde y azul
(RGB, por sus siglas en ingls), que es un sistema de color aditivo. Esto significa que cuando todas las
componentes primarias son aadidas en cantidades mximas iguales, el color blanco es percibido.
Los sistemas de video normalmente convierten esta representacin RGB a un espacio de color diferente de
la luminancia (que est estrechamente relacionada con la percepcin de la luminosidad) y crominancia
(que se relaciona con la percepcin de la tonalidad de color y saturacin). Esta representacin tiene dos
propsitos. En primer lugar, la luminosidad asegura la compatibilidad con video monocromo. En segundo
lugar, esta representacin se presta ms fcilmente a la compresin de video.
Hay tres principales sistemas de codificacin de color: PAL (Phase Alternation Line), SECAM
(SEquential Couleur Avec Memoire) and NTSC (National Television System Committee). Se diferencian
principalmente en la forma de calcular los componentes de luminancia y crominancia de los
componentes RGB.
2.4.5
Formatos de video
Los datos de compresin y descompresin han sido desde hace mucho tiempo la respuesta a las
preocupaciones de seguridad y autenticacin. En los ltimos aos, varios algoritmos y tcnicas se han
utilizado para asegurar las comunicaciones de datos. [49]
Los estndares internacionales permiten que las imgenes y video puedan ser procesados en diferentes
plataformas de hardware, ser almacenadas y ser transmitidas en redes de comunicacin. Esta
interoperabilidad abre un gran mercado para equipos de video y al mismo tiempo ofrece a los
consumidores una amplia gama de servicios.
A continuacin se describe brevemente el formato de video comercial ms empleado en la actualidad: [47]
[48]
~ 19~
Tabla 2.1
ESTNDAR
MPEG-4
FECHA DE
CREACIN Y
DESARROLLADOR
1993, ISO/IEC
JTC1/SC29/WG11
MPEG
APLICACIONES
Empleado en
comunicaciones,
informtica y
entretenimiento
(TV/cine)
SUBTIPOS,
SEMEJANZAS
CON OTROS
ESTNDARES
TCNICAS DE
PROCESAMIENTO
Agrega
contenido intera
ctividad, la
compresin y el
acceso universal
Utiliza un modelo de
representacin basado
en objetos, en donde se
representa una escena,
codificada, y
manipulada como objeto
s audiovisuales
individuales
2.5 Seguridad
El enfoque desarrollado para resguardar la seguridad en la construccin y automatizacin de los sistemas
en las edificaciones (BACS, por sus siglas en ingls) trata de armonizar dos enfoques distintos sobre la
seguridad, para reducir el riesgo en las construcciones. [50] Aunque en espaol la palabra seguridad tiene
un uso general, en el idioma ingls pueden verse ms claramente las dos variantes: security y safety.
Safety, est definido bajo la norma IEC 61508 y se refiere a la proteccin de las personas, entendiendo
esto como procurar la ausencia de riesgos inaceptables de dao fsico o dao a la salud de las personas
[50], teniendo presente que este concepto atiende a la idea sobre si en un lugar los habitantes estn seguros
o no.
Por otro lado, Security, esta normalizado por el proyecto de Criterio Comn (CC) desarrollado en Estados
Unidos en 1993, especficamente dentro de ISO/IEC 15408 y trata sobre la proteccin al abuso de los
recursos y la informacin [51], as como buscar patrones de eventos delictivos previamente planeados a
travs de procedimientos para encontrar pruebas y preservarlas.
En relacin con lo anterior, la domtica busca mantener la seguridad integrando tres campos
normalmente estn controlados por sistemas distintos: [1]
Seguridad de las personas (safety)
1. Teleasistencia y telemedicina para las personas mayores, enfermos o discapacitados.
2. Acceso a los servicios de vigilancia sanitaria, polica, etc.
Incidencia y averas (safety)
1. La deteccin y control de todo tipo de averas de agua, gas, etc.
2. Deteccin de incendios y alarmas
3. Detectar averas en los accesos, en los ascensores, o cualquier otro sistema.
~ 20~
que
Grabador de video, que entre otras caractersticas, posee entradas para una o ms cmaras de
video, salida de video para monitor, codificacin de diversos formatos de video, modos de
grabacin (por evento y/o por tiempo) y conexiones para alarmas.
Software de usuario.
Servidor de sistema.
~ 21~
Paso 4
DVR
SOFTWARE DE
VIDEOVIGILANCIA
Paso 2
Paso 1
Paso 3
SERVIDOR DVRNS
2.7 Conclusiones
La domtica es un conjunto de sistemas y tcnicas que buscan satisfacer tres objetivos principales:
mejorar el confort, emplear de manera eficiente la energa y mejorar la seguridad. Es precisamente en este
ltimo punto donde existe una herramienta que ha tenido auge en la ltima dcada: la video-vigilancia;
sta busca desestimular a los intrusos y detectar sospechosos antes de que ocurran los eventos, as como
proporcionar pruebas sobre abusos o delitos con imgenes y video.
El equipo que integra este tipo de sistemas se define de acuerdo al diseo o requerimientos que se deseen
cubrir. Sin embargo, bsicamente se deben considerar las unidades de captura de video, conociendo el
tipo de sensor de deteccin, la red de transmisin y el modulo de control central que almacena la
informacin no siempre valiosa, pues los sistemas comerciales de video-vigilancia de bajas y medias
prestaciones no realizan operaciones inteligentes tales como el procesamiento de video o la comunicacin
intercmara.
Debido a lo anterior, se han desarrollado algoritmos para el procesamiento cuadro por cuadro en un video
para desarrollar tareas ms complejas. Entre los sistemas de este tipo, destacan los llamados sistemas de
cmaras dual, donde se combinan distintos tipos de cmaras que tienen una interelacin para detectar,
localizar y tomar una imagen final con ms detalle del objeto de inters.
~ 22~
Cuando la comunicacin con un dispositivo externo o programa se est realizando, las operaciones de
entrada y salida se ejecutan en el nivel lgico o inclusive en el nivel principal, en lugar de utilizar un
controlador.
3.1.1
Como se dijo en la seccin anterior, los controladores o drivers, como son comnmente conocidos, se
emplean para mejorar la legibilidad, reutilizar el cdigo y mejorar la velocidad de la aplicacin. El
propsito principal de un controlador es abstraer el cdigo de bajo nivel.
Actualmente, hay muchas maneras de entablar comunicacin entre dispositivos. La comunicacin serial es
una de las ms empleadas. Una de sus ventajas con respecto a otros mtodos es su disponibilidad, pues
casi todas las computadoras poseen un puerto serial. Otro beneficio es la habilidad que presenta al
controlar dispositivos a grandes distancias.
Existen muchos equipos que emplean la comunicacin serial incluyendo RS-232C y RS-422A que
soportan la llamada comunicacin full duplex, como se ve en la fig. 3.1 (a). Mientras que en la fig. 3.1 (b)
se observa el formato de rs-485 que trabaja bajo la comunicacin half duplex. La primera tiene muchas
ventajas sobre la segunda, sin embargo, debido a las propiedades elctricas, la distancia de comunicacin
para RS-232C es solo de 15 m, en cambio, para RS-485 alcanza los 1200 m. As, tanto el RS-422A, como
RS-485 tienen casi las mismas propiedades elctricas, con dos extremos TXD y RXD. [54]
~ 23~
TXD
RXD
RXD
TXD
(a) RS-485
TXD
RXD
RXD
TXD
(b) RS-422A
Figura 3.1
Comunicacin serial
3.1.2
Para tener comunicaciones exitosas entre el puerto serial y un dispositivo, la configuracin en ambos debe
ser igual, de manera que todos los parmetros sean correspondientes; stos son:
Desde la versin LabVIEW 7, la comunicacin serial tradicional fue cambiada por el conjunto de
herramientas llamadas VISA (Virtual Instrument Software Architecture); es una API para entablar
comunicacin con instrumentos de entrada y salida.
Una de las ventajas ms notables de VISA es que es una plataforma independiente, pero esto no quiere
decir que existan problemas con otras aplicaciones, pues VISA realiza las conversiones pertinentes. Es
importante recordar que en la comunicacin serial es necesario que, una vez que se termina la
comunicacin, el puerto sea liberado, pues no se podr utilizar nuevamente hasta que LabVIEW sea
cerrado completamente.
~ 24~
Adems de VISA, otra variante en la comunicacin serial ha sido ampliamente usada USB (Universal
Serial Bus), que permite conectar dispositivos en un puerto comn, y proporciona la habilidad de sustituir
los elementos sin necesidad de detener o alterar la operacin normal de la computadora donde se
encuentran; adems de poder conectar ms de un elemento USB al mismo puerto gracias a los
concentradores. [53] USB permite una velocidad de transferencia de 1.5 Mbps a 5 Gbps.
3.1.3
Hay tres principales protocolos de comunicacin a travs de redes: Protocolo de Control de Transmisin
(TCP), Protocolo de Internet (IP) y Protocolo de Datagramas de Usuario (UDP). TCP est encima de la
capa de IP; divide los datos en paquetes para enviar a IP. TCP tambin realiza la comprobacin de los
datos para asegurar que los datos lleguen a su destino de forma completa. Los datos TCP/IP constan de 20
bytes de informacin de IP, seguido de 20 bytes de informacin de TCP y finalmente los datos que se
envan.
Cada computadora en una red IP tiene una direccin de Internet exclusiva. Esta direccin es un nmero
entero de 32 bits que se divide en cuatro enteros de 8 bits separados por puntos decimales. El Servicio de
Nombres de Dominio (DNS) del sistema es una base de datos de las direcciones IP asociadas cada una a
nombres nicos.
Hay una serie de estndares que utilizan TCP/IP que se puede implementar utilizando LabVIEW. Por
ejemplo, SMTP se utiliza para aplicaciones de correo.[53]
En cuanto a operacin, al igual que en la comunicacin serial, es necesario cerrar la sesin TCP, pues de
otra forma ninguna otra aplicacin podr entablar contacto por este medio.
Figura 3.2
Referencia de pxel
~ 25~
3.2.1
Conectividad
01
11
21
31
41
02
12
22
32
42
03
13
23
33
43
04
14
24
34
44
4-Conectado
Se refiere a la rutina de procesamiento de imgenes en forma cardinal. Supngase que el pxel
actual es el nmero 22, para analizar su vecindario, se toman los pxeles 12, 21, 23 y 32 como se
muestra a continuacin:
00
10
20
30
40
01
11
21
31
41
02
12
22
32
42
03
13
23
33
43
04
14
24
34
44
6-Conectado
Representa una conectividad hexagonal, que se puede ver ms fcilmente si se traslapa media
posicin alternadamente las filas de pxeles, de manera que el procesamiento es como sigue:
00
01
10
20
11
21
30
40
02
14
24
23
33
32
42
04
13
12
22
31
41
03
43
34
44
~ 26~
8-Conectado
Es la conectividad ms usada. Se realiza el procesamiento en el vecindario del pxel actual de
manera cardinal y subcardinal. De manera que el vecindario se ve en la Fig. 3.6.
00
10
20
30
40
01
11
21
31
41
02
12
22
32
42
03
13
23
33
43
04
14
24
34
44
3.2.2
Regiones de inters
Tambin llamadas subimagen, una ROI (Region of Interest) es una estructura de pxeles que permite la
definicin solo de un rea de la imagen dada, siendo sta un marcador de posicin que recuerda una
ubicacin dentro de una imagen, para realizar el procesamiento y anlisis.[53] [55]
Las propiedades de una ROI son:
En la Fig. 3.7 se muestra una imagen que contiene diversas formas de regiones de inters.
3.2.3
Histograma
Un histograma es una herramienta muy til para determinar e interpretar de forma objetiva las
caractersticas de una imagen, tales como fondo, objetos y ruido, sin necesidad de observarla en forma
directa. La definicin formal es:
El trazado de frecuencias en que se repite cada uno de los niveles de grises de una imagen. En el eje se
(
)) de la imagen, mientras que en el eje se coloca
coloca cada uno de los niveles de grises (
la frecuencia de aparicin ( ) de cada uno de estos niveles. [56]
Se pueden detectar fundamentalmente dos criterios a partir del histograma:
~ 27~
Saturacin. Demasiada luz causa una sobre exposicin del sensor. Imgenes con saturacin no
contienen toda la informacin que se requiere para inspeccionar la escena que se observa, de
hecho, tienen muchos pxeles con valores muy bajos de la escala de grises; esto aparece como un
pico en extremo izquierdo del histograma. [55]
Bajo contraste. Este es un problema muy comn que se presenta en el anlisis de imgenes. En la
seccin 3.5 se plantean procedimientos para mejorar las condiciones de luz.
(a)
(b)
Figura 3.8 Imagen e histograma
3.2.4
La segmentacin es una de las etapas cruciales de cualquier sistema de anlisis de imgenes, tanto por las
dificultades que conlleva como por la importancia de sus resultados. El objetivo fundamental de esta
operacin es el de separar los objetos de inters del resto no relevante el cual es considerado como fondo.
[56]
Realizar la segmentacin no es una tarea trivial; su uso depende del problema a resolver y de la imagen de
entrada. Es por esta razn que se han originado diferentes tcnicas de segmentacin; uno de los ms
antiguos y clsicos es el mtodo basado en el umbralado a partir del histograma de la imagen, el cual
busca transformar una imagen en escala de grises o color a binaria.
El umbralado bsico corresponde a la siguiente definicin:
) las coordenadas espaciales de una imagen y sea
Dado un conjunto
de nmeros naturales sean (
{
} un conjunto de nmeros positivos que representan los niveles de grises de cada pxel
(
), donde es el nmero de bits. Entonces se puede definitir una funcin de imagen como
{
} un par de niveles de gris binarios (
). El
. Sea
un umbral y sea
resultado de segmentar una funcin de imagen respecto a un umbral es la funcin como se representa a
continuacin:
(
~ 28~
(
(
)
)
As, se tienen dos clases, donde cada uno corresponde al fondo y al objeto de inters respectivamente. En
este caso se dice que la imagen ha quedado binarizada. El xito de este mtodo depende de la distribucin
de los niveles de gris de la imagen y, por tanto de la forma del histograma.
3.2.5
Los operadores matemticos bsicos ejecutan clculos pxel por pxel con los valores de intensidad de
cada uno a lo largo de la imagen fuente y una funcin en dos modos: con otra imagen, restando las
intensidades entre ellas; o solo con la imagen fuente y una constante.
Existen distintas operaciones aritmticas entre imgenes, tales como la suma, la multiplicacin, la
divisin, el mdulo y la resta. Adems otras lgicas como AND, OR y XOR, entre otras.
Especficamente, la resta es calculada entre matrices, de modo que:[53]
(
Ec. 3.2
Es importante recordar que si se trata de imgenes en escala de grises, la operacin solo se realiza en el
nico canal de color; adems, si el resultado es un nmero negativo, simplemente se pondr con una
intensidad igual a cero (negro) en dicho pxel. Sin embargo, si se trata de cualquier otra configuracin,
ser necesario hacer la resta por componente, es decir, si se trabaja en RGB, se tendr que hacer la resta en
tercera dimensin. Indiscutiblemente esto representa mayor dificultad en los clculos.
Las Fig. 3.9 y 3.10 muestran las imgenes fuente para calcular la resta:
La imagen A contiene mayor informacin que la imagen B, de manera que lo que se busca con ello es
aislar el objeto que ha entrado en escena, despreciando todo el fondo y objetos ya existentes. De esta
forma se tiene La Fig. 3.11 muestra la imagen resultante al aplicar la resta.
~ 29~
3.2.6
Morfologa matemtica
Sea
Ec. 3.3
Conjunto transpuesto de B
por el vector , es
Ec. 3.5
~ 30~
PUI
(a) Imagen
(b) B
Figura 3.12 Dilatacin
(c) Resultado
La erosin desgasta los bordes de la imagen, disminuyendo su tamao y abriendo agujeros en el objeto.
Se define de forma similar a la dilatacin, como se expresa a continuacin
Ec. 3.6
PUI
(a) Imagen
(b) B
Figura 3.13 Erosin
(c) Resultado
Estas operaciones son duales, lo que quiere decir que se complementa una a la otra, es decir:
~ 31~
3.2.7
Deteccin de bordes
Un eje en una imagen es generalmente definida como una caracterstica del objeto con alto contraste; si la
intensidad de una imagen cambia drsticamente dentro de un intervalo pequeo, entonces se puede
considerar como un borde. [53]
La inspeccin se realiza analizando la intensidad de gris de un conjunto de pxeles que se encuentran
dentro de una ROI, que puede ser una lnea o las aristas de cualquier figura geomtrica.
En la Fig. 3.14 se muestra la grfica que define el borde.
Donde:
1. Perfil de la escala de grises.
2. Distancia de evaluacin de pixeles dentro de la ROI para detectar cambios en la escala de grises.
3. Contraste de la imagen. Diferencia entre el nivel de gris del fondo y del objeto. Para mejores
resultados, este intervalo debe ser pronunciado, de lo contrario podran ocurrir errores en la
deteccin.
) donde se detect el borde.
4. Punto de evaluacin (
Existe otro concepto importante, que es la polaridad. ste se refiere a la direccin del cambio de
iluminacin. Para el punto (
) la polaridad es positiva pues el flanco ascendente se caracteriza por
un aumento de la escala de grises valores a medida que cruzan el borde, a diferencia de la polaridad
negativa donde ocurre lo contrario. Este parmetro est vinculado con la direccin de bsqueda.
~ 32~
El analizar las imgenes segmentando partculas, da la posibilidad de extraer solo las porciones que son
significativas. Tambin es til filtrar las partculas que no cumplen con ciertos parmetros preestablecidos,
de esta forma se realiza la eleccin de material til.
Un proceso de anlisis de partculas tpico se describe en la Fig. 3.15, donde primero se debe crear una
imagen binaria mediante un proceso de umbralado. A continuacin, puede mejorar la imagen binaria
utilizando transformaciones morfolgicas por ejemplo, la dilatacin y erosin. Otra actividad importante
es el filtrado, que busca eliminar espurios que provocan ruido en la imagen. Despus se explora toda la
imagen para detectar las partculas. Se hacen mediciones sobre las partculas en la imagen. Finalmente se
construye un informe detallado sobre cada partcula, para su posterior uso en el procesamiento de
imgenes. [55]
(a) Umbralado
(b) Dilatacin
(c) Erosionado
(d) Filtrado
Figura 3.15 Anlisis de partculas
Mejorar el contraste
Eliminacin o atenuacin del ruido.
Calibracin entre imgenes cuya fuente es distinta.
Las operaciones a realizar en el mejoramiento digital de imgenes se pueden enmarcar en tres grupos:
Operaciones puntuales: su resultado depende nicamente del valor del pxel de entrada en una
posicin dada.
~ 33~
Operaciones locales: depende tanto del valor del pxel de entrada, como de los valores de los
pxeles de su vecindad.
Operaciones globales: cuando un punto de la imagen de salida depende en gran parte de los
valores de los pxeles de la imagen de entrada.
3.4.1
Ajuste de histograma
El uso de operaciones puntuales tiene muchas ventajas, entre las cuales se encuentran alcanzar una alta
velocidad en su ejecucin y expresiones matemticas ms sencillas. El ajuste del histograma es una de las
operaciones puntuales ms conocidas para mejorar el contraste, donde su aumento es un paso previo a
llevar a cabo procedimientos ms complejos. [56]
Para realizar el ajuste de histograma es necesario calcular el histograma acumulativo de una imagen, que
es la suma de todas las frecuencias de los niveles de gris en el histograma original ( ) de la imagen en la
resolucin de bits de la imagen.
()
( (
))
3.4.2
( (
)) .
Cuando los objetos aparecen concentrados solo en una parte de la escala de los
niveles de gris, se
pueden tener problemas al realizar ciertas transformaciones. El nivel del fondo ( ) puede ser fijado a
cero y el valor de gris de uno de los objetos ( ) se fija en el mximo de la escala, el intervalo entre
y
puede ser reajustado linealmente entre valores de nivel de gris de todo el histograma.
El procedimiento propuesto en [56] busca elevar el contraste por medio de la siguiente ecuacin:
( (
(
)
{
~ 34~
)(
(
(
(
)
)
)
Donde (
) es la imagen transformada y
coordenadas dadas.
3.4.3
Filtrado espacial
Los mtodos de realce de imgenes se dividen en dos categoras: los mtodos de realce en el dominio
espacial, que manipulan directamente los pxeles de la imagen; y los mtodos de realce en el dominio de la
frecuencia, que corresponden a tcnicas basadas en la representacin de los pxeles, a travs de una
transformacin haca el dominio frecuencial.
En general, los filtros se dividen en lineales (tambin llamados convolucin) y los no lineales; su
operacin se basa en alterar el valor de los pxeles con respecto a variaciones de intensidad de luz en su
vecindario, el cual est definido por una matriz, donde del pxel central se modificar su nivel de gris. Los
filtros espaciales se dividen en dos categoras: [55]
El filtro pasa baja atena las variaciones de la intensidad de luz, tienen adems, la tendencia a
eliminar detalles y contornos borrosos.
El filtro pasa alto enfatiza las variaciones de intensidad en una imagen, detecta bordes, elimina
ruido y mejora detalles finos de una imagen.
3.4.4
Si se desea ajustar una imagen por medio del histograma de otra imagen para tener una distribucin
semejante y as ajustar el brillo, se necesita definir funciones de densidad de probabilidad ( ), que puede
estimarse de la imagen de entrada y ( ) que es la funcin de densidad de probabilidad especificada,
considerndose ambas continuas; donde es el nivel de gris y la imagen procesada. [57]
Si se toma como base la expresin para linealizar un histograma (ecualizacin), se tiene que:
( )
( )
Adems si la variable
( )
( )
[ ( )]
( ), entonces
debe satisfacer la
~ 35~
Una vez que se tiene definida , se aplica esa transformacin a todos los pxeles de la imagen. El resultado
de este procedimiento es una imagen cuyos niveles de gris
tendrn la funcin de densidad de
probabilidad especicada, ( ).
3.5.1
Plantilla
La plantilla requiere tener un buen nivel de contraste. En Lab VIEW, el algoritmo que ms adelante se
explicar no se limita a buscar las coincidencias exactas en los niveles de gris de las imgenes, por lo que
puede encontrar objetos bajo diferentes condiciones de luz, ya que la informacin de fondo es un auxiliar
en la deteccin. [53]
Generalmente, esta plantilla es tomada como una ROI de la misma imagen donde se desean encontrar
todos los objetos de ese tipo. Sin embargo, existen otras formas; una de ellas es que el usuario de la
aplicacin proporcione la plantilla desde una fuente externa, es decir, otro programa con la que se guarde
la porcin de imagen que se desea buscar, aunque la informacin adicional valiosa podra perderse. Otra
opcin es encontrar la plantilla en un imagen y buscar el patrn en otra, en cuyo caso se debern
considerar opciones de nivelacin de contraste y brillo interimagen para hacer equivalentes las imgenes y
que el algoritmo pueda funcionar adecuadamente.
Otro punto importante es elegir una imagen que tenga un fondo significativo, de manera contraria podra
causar ruido y la bsqueda no sera exitosa.
~ 36~
3.5.2
La bsqueda
Para encontrar la plantilla en la imagen se requiere poner en prctica un algoritmo que sea capaz de
hallarlo de manera eficiente y bajo ciertas caractersticas que el usuario determinar, tales como si el
objeto sufre cambios en escala y/o rotacin.
El algoritmo base para la bsqueda del patrn es la correlacin cruzada normalizada, sin embargo ste
tiene algunas desventajas, pues debido a que su operacin se trata de una serie de operaciones de
multiplicacin, el proceso puede consumir mucho tiempo. Para atacar ese problema se han desarrollado
tecnologas que realizan los clculos de manera paralela. Otra solucin que se ha probado es reducir el
tamao de la imagen y restringir la regin de la imagen en la que la coincidencia se produce.
En esta parte del algoritmo, la plantilla se coloca sobre la imagen buscando la mayor coincidencia a travs
de multiplicaciones pxel a pxel, despus todos esos resultados se suman para producir un valor de
correlacin simple. Ver Fig. 3.17
Donde:
x
y
M
N
K
L
j
i
(
(
)
)
Desplazamiento horizontal
Desplazamiento vertical
Tamao horizontal de imagen
Tamao vertical de imagen
Tamao horizontal de plantilla
Tamao vertical de plantilla
Coordenada horizontal
Coordenada vertical
Imagen
Plantilla
~ 37~
La plantilla se mueve entonces una casilla y el proceso se repite formando una matriz:
(
) (
Finalmente se elije el valor mximo y as localizar el grupo de pxeles donde existe la mayor probabilidad
de encontrar el objeto buscado. Sin embargo, este mtodo es sensible a los cambios de amplitud de la
imagen y de la plantilla, por lo que es necesario calcular el coeficiente de correlacin normalizado como
se muestra en la Ec. 3.15.
(
( (
( (
)
) ( (
) [
)
( (
))
)
)) ]
Uno de los defectos ms grandes de correlacin cruzada es su incapacidad para que coincida con los
objetos de una imagen de origen que son o bien de un tamao diferente a la plantilla, o han sido rotados.
Para ello se emplean otros mtodos para elegir las caractersticas ms valiosas de la plantilla y con esto
incrementar la velocidad de procesamiento y reducir los clculos. Ejemplos de estos algoritmos son la
bsqueda piramidal, que reescala tanto la imagen como la plantilla para encontrar el mejor candidato; y el
llamado entendimiento de la imagen, procedimiento que reduce la informacin redundante y enfatiza la
caracterstica para permitir una eficiente, pero robusta, la correlacin cruzada.
Image undestanding
El entendimiento de la imagen (image undestanding) utiliza una tcnica de muestreo no uniforme que
incorpora comprensin de imgenes para describir a fondo y de manera eficiente la plantilla. Esta tcnica
de muestreo inteligente incluye especficamente una combinacin de pxeles del borde y los pxeles de la
regin como se muestra en la Fig. 3.18.
Para observar a mayor detalle el muestreo no uniforme, considrese la Fig. 3.19 (a) como una imagen
binaria con cierta forma. En la Fig. 3.19 (b) se ve cmo se toman secciones de pxeles con las mismas
intensidades que sus vecinos.[59]
~ 38~
(a)
(b)
Figura 3.19 Muestreo no uniforme
3.6 Conclusiones
En este captulo se enumer la teora que sustenta la aplicacin que se explicar en los captulos
subsecuentes. La organizacin fue de acuerdo a la lgica de operacin del sistema, yendo desde un
panorama sobre las comunicaciones, especficamente del tipo serial, pasando por los conceptos
fundamentales sobre la visin artificial. Posteriormente el anlisis de partculas para rellenar huecos y
remover pequeas porciones de imagen binarizada que no son tiles en este tratamiento, siendo esto una
alternativa al filtrado. Despus se revisaron tcnicas para mejorar el contraste, esto con la finalidad de
hacer una calibracin intercmara y preparar las imgenes para la bsqueda de patrones y encontrar el
objeto deseado.
~ 39~
Cmara
Fija 1
Cmara
Fija 2
INICIO
DEFINICIN
ROI
No
Evento?
:
:
:
Si
Elemento
en cola
Enqueue
Cmara
Fija n
ESCANEO
(a)
PROCESAMIENTO
ESPECFICO
ALGORITMO
DE CONTROL
DOMO
Elemento en
cola
Dequeue
PREPOSICIONAMIENTO
Imagen con
mejor detalle
Correo electrnico
REPORTES DE
USUARIO
(b)
Figura 4.1 Diagrama de bloques de operacin general
~ 40~
FIN
En la Fig. 4.1 (b) se indica que cuando la cola tiene elementos, se ejecuta el algoritmo de control del
domo, que se ver en el siguiente captulo. Al obtener una imagen con mejor detalle y con un
acercamiento aceptable se genera el reporte a usuario, mismo que es enviado a una cuenta de correo
electrnico. El bloque de procesamiento especfico se refiere a la utilidad que puede tener la imagen
final para otro tipo de anlisis no atacado en el presente trabajo, tal como la determinacin de placas de
automviles o rasgos como texturas, color e incluso modelo.
4.1.Diseo de propuesta
La idea bsica del sistema de video-vigilancia se muestra en la Figura 4.2. Se tienen
una de es tipo IP y la otra analgica, adems de un domo.
cmaras fijas,
En el Centro de Investigacin en Computacin se tiene todo el equipo y servidor del sistema. La cmara
IP se conecta a la PC ubicada en el Laboratorio de Tiempo Real y Automatizacin a travs de Internet; el
el mismo sitio se encuentran la cmara analgica fija, el domo y el DVR; las dos primeras estn
conectadas a ste ltimo en comunicacin serial RS-485. Tanto el servidor como el DVR tienen las
funciones mostradas en la Fig. 4.2 y ambos estn en comunicacin a travs de internet gracias al software
comercial del grabador y la obtencin del video programado para esta aplicacin.
Por otro lado, el cliente representa, en principio, cualquier computadora que cumpla con ciertas
caractersticas que se mencionan ms adelante. En este dispositivo se mostrarn los reportes a usuario y se
podr tener acceso al sistema por medio del software comercial.
La configuracin de todo el sistema la realizar el administrador en la computadora servidor.
Domo
Analgica
T
IP
T
CLIENTE
INTERNET
RS-485
INTERNET
INTERNET
Monitoreo remoto
Control de sistema a travs de
pgina de internet o software
comercial
Recepcin de reportes a usuario
OTROS CLIENTES
SERVIDOR:
DVR
Figura 4.2
Almacenamiento de video
Mando a cmara domo
Monitoreo local
~ 41~
4.1.1
A continuacin se enlistan los requisitos de software y hardware para el cliente y para el servidor:
Tabla 4.1 Requisitos para el sistema cliente-servidor
CLIENTE
Software
SERVIDOR
SO Microsoft Windows.
Adobe Reader o similar.
Acceso a Internet.
Correo electrnico google
(gmail)
Hardware
CMARAS
DVR
CABLEADO
Cable UDP
Cable coaxial
Tarjeta RS-485/USB NI
PROTOCOLO
~ 42~
Cable ethernet
4.1.2
Conexin y montaje
Particularmente para el diseo del sistema de pruebas, se emplean dos cmaras analgicas (domo y bala)
que son conectadas por cableado UDP a travs de sus conexiones seriales RS-485 al DVR de cuatro
canales, ste digitaliza el video. En la Fig 4.3 se muestra el esquema de conexin fsica empleada.
DOMO
RS-485
Video
RS-485
DVR
Ethernet
Video 1
Video 2
Video 3
Video 4
BALA
RS-485
Video
SERVIDOR
TARJETA
RS-485
USB
USB
Ethernet
IP
Ethernet
INTERNET
Para la comunicacin serial RS-485 en el domo solo se emplea el canal de recepcin, pues el domo no
mandar ningn mensaje al DVR, por lo que no ser necesario emplear el canal Tx. Tambin, se usa
conexin para enviar el video analgico al grabador por medio de cable coaxial.
De manera semejante al anterior, la cmara tipo bala emplea el cableado UTP, pero con la diferencia que
el video lo enva directamente por cable coaxial y que, aunque la comunicacin serial est conectada, no
se tiene manipulacin de las condiciones PTZ a travs de la interfaz comercial, nicamente por el men
propio de la cmara. Tambin emplea un transformador para proporcionarle los niveles correctos de
energa.
Las imgenes de las cmaras anteriores, son enviadas al DVR. Este dispositivo est conectado a Internet,
lo que dar la posibilidad de visualizar el video en tiempo real desde cualquier computadora cliente,
adems de ser el medio de almacenamiento de video, siempre y cuando posea un disco duro en su interior.
La tarjeta que adapta la seal de RS-485 a USB es conectada a la computadora donde se realiza todo el
procesamiento. Este adaptador tiene el objetivo de entablar la comunicacin para manipular las
condiciones PTZ de la cmara tipo domo a travs de aplicaciones diferentes al software comercial, por
ejemplo LabVIEW, pues al ser parte del equipo de National Instruments, la comunicacin es transparente.
Por otro lado, la cmara IP solo debe conectarse a la alimentacin y a Internet para que pueda funcionar.
El video es almacenado en la ubicacin que sea elegida dentro de la computadora principal de usuario,
pero ste mismo puede ser visualizado en cualquier computadora cliente a travs de su direccin IP,
nombre de usuario y contrasea.
~ 43~
Para la aplicacin del presente trabajo, el video del DVR y de la cmara IP puede visualizarse por medio
del software comercial por Internet, o empleando el SDK del grabador en LabVIEW. Esta ltima opcin
fue la que se eligi. Para mayor informacin, consultar Anexos C y D.
CREAR OBJETO DE
COMUNICACIN
ARGUMENTOS
CONECTAR A
SERVIDOR
OBTENER
FOTOGRAMAS
Si
TERMINAR
No
DESCONECTAR
FIN
Figura 4.4
Debido a que se emplean los SDK (Anexos C y D) tanto del grabador como de la cmara IP, es necesario
crear un objeto de comunicacin. Para conectar con el servidor de cada uno de los dispositivos, se definen
algunos argumentos, tales como nombre del sitio, direccin IP, usuario, contrasea, identificador y puerto
de comunicacin. Despus se obtienen los fotogramas que conforman el video, ubicndolos en colas para
~ 44~
la visualizacin del mismo y su posterior uso en el procesamiento. El programa espera hasta que le sea
indicada la desconexin del servicio.
En la Fig. 4.5 (a) contiene el diagrama de jerarqua de la aplicacin solo para la obtencin del video en
tiempo real de la cmara IP. El esquema del mismo tipo para el DVR se muestra en la Fig. 4.5 (b).
3
(a)
3
(b)
Figura 4.5. Diagrama de jerarqua para obtencin de video en tiempo real
Los diagramas muestran que para ambos dispositivos se tiene la misma lgica de operacin, con la
diferencia que en el caso de la cmara IP se emplean funciones de llamado (callback 1 y 2) necesarias para
solicitar las imgenes a travs de su SDK, como se observa en la Fig. 4.5 (b), punto 1.
~ 45~
Los fotogramas son almacenados en una cola (punto 2) que guarda cada uno de ellos para evitar el
conflicto que se crea al no tener una tasa constante de marcos por segundo, lo cual es un problema
caracterstico de los sistemas de video-vigilancia.
Al mantener comunicacin constante con el resto de la programacin a travs de las variables globales
(punto 3), se garantiza que la aplicacin est sincronizada para el paro del sistema o desconexin, como se
mencion en la explicacin de la Fig. 4.4.
(a)
(b)
Figura 4.6 Definicin de ROI
Aunque en el primer caso se elige solo una lnea como ROI, esta seleccin induce un error en la deteccin
temprana de bordes que evidentemente existen, pero que no proporcionan ninguna informacin valiosa.
Si se consideran dos puntos como mnimo para generar evento, en esta imagen se hara un falso llamado a
las funciones de procesamiento. A diferencia de lo anterior, en el segundo caso se tiene una mejor
distribucin de ROI en la imagen, pudiendo evaluar la existencia de eventos sin objetos que produzcan
ruido y con una mejor distribucin para monitorear ciertas zonas del FOV.
~ 46~
4.4.Preposicionamiento
El preposicionamiento emplea rutinas antes configuradas directamente en la memoria del domo. Esto se
hace ingresando al men principal de esta cmara por medio del software comercial, ah se establecen
puntos con valores PTZ (procedimiento en Anexo E). De esta forma se puede hacer uso de las subrutinas
con solo elegir el punto deseado (parmetro nmero, segn la Fig. 4.7) y el domo modificar sus
condiciones de acuerdo a lo programado en el mensaje que se enva. (Ver Anexo B, sobre protocolo
Pelco-D).
Nmero
FF
01
00
07
00
RUTINA
CheckSum
ENVIAR TRAMA
TRAMA
Figura 4.7
Este bloque tiene la finalidad de mover el domo hacia una zona conocida para asemejar su FOV con el de
la cmara fija que gener el evento y as poder buscar el objeto por reconocimiento de patrones; esto es
esencial, de otra forma el domo no tendr una imagen adecuada de referencia y por lo tanto no habr xito
en la localizacin. La preconfiguracin de los puntos se muestra en la Fig 4.8, donde las posiciones 3, 6 y
7 lograran el propsito antes mencionado.
Otro punto en donde se emplea el preposionamiento es despus de adquirir la imagen con mayor detalle
cuando es deseable poner el domo en un punto para comenzar con nuevas localizaciones y no mantener su
FOV cubierto por el objeto de inters que ya se encontr. Ejemplos de estas ubicaciones seran las
posiciones 1, 2 y 8 en la Fig. 4.8 segn el FOV que se desee cubrir mientras se est libre de tareas
asignadas.
Probablemente para este caso no sera necesario configurar las posiciones 4 y 5, a menos que se tuvieran
ms cmaras fijas o que se deseara observar ese FOV.
~ 47~
FOV DOMO
8
3
FOV CAM Xi
FOV CAM 1
6
5
Se observa que se pueden elegir tantos puntos como se requiera y permita la memoria del domo, siempre
cercanos al FOV de las otras cmaras y al menos uno que sea el lugar a donde vuelva el domo despus de
la localizacin.
~ 48~
Con las funciones de LabVIEW para Microsoft Office es posible llenar un reporte basado en una plantilla
previamente definida. Una de las formas ms sencillas es tomando una tabla en el documento y rellenar
las celdas de manera programada. Despus se guarda y se libera la memoria.
Para tener un documento general y de fcil acceso, se transform por medio de LabVIEW y el SDK de
Bull Zip Writer, el archivo de Office Word a PDF bajo la siguiente lgica: [60]
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Una vez que se ha guardado el archivo PDF, ste se puede adjuntar en un correo electrnico. LabVIEW
tiene funciones para envo a travs de SMTP. Sin embargo, estas funciones no soportan la autentificacin
que casi todos los servicios comerciales tienen, por lo que fue necesario emplear un programa para envo
de correos con archivos, con la limitante que est desarrollado para gmail de Google Inc., aunque puede
ser modificado para otros servidores. [61]
En la Fig. 4.10 se muestra el diagrama de jerarqua para la elaboracin de reportes a usuario
correspondiente a la lgica antes explicada. Una vez ms, la variable global proporciona una
sincronizacin y constante comunicacin con el resto de la aplicacin.
~ 49~
4.6.Conclusiones
En este captulo se explic el diseo de los instrumentos virtuales para video-vigilancia y seguridad,
recordando que se trata de un sistema base con dos cmaras fijas y una mvil, siendo la lgica cmaras
fijas para una mvil, trabajando un par a la vez. Tambin se explic la manera en que se obtiene el video
en tiempo real a travs de los SDK de los fabricantes (para mayor informacin, consultar Anexos C y D).
Tambin se dijo que la seleccin de las ROI se hace de acuerdo a la amplitud de la zona que se desea
vigilar, teniendo un nmero mximo de
de ellas. Aunque puede ser utilizada cualquier forma
geomtrica, se sugiere el uso de la lnea, debido a que puede colocarse en cualquier direccin.
El preposicionamiento del domo hacia el rea vigilada por la cmara que genera el evento, es muy
importante para la posterior bsqueda de patrones. Esto se logra a travs de establecer puntos en la
memoria del propio domo a travs de su men principal.
Despus de todo el procesamiento y control de movimiento, podra ser suficiente tener la imagen deseada,
pero el usuario no podra visualizarla fcilmente. Para atacar este problema, se aadi la generacin de
reportes a usuario realizndolo primero en un archivo de Office Word para despus cambiar el formato a
PDF y tener una mayor disponibilidad. Finalmente se enva por correo electrnico de Gmail al usuario
que desee el administrador.
~ 50~
Elemento
Cola
Imagen
extrada
Ie(x,y)
PROCESAMIENTO
DE IMGENES
CALIBRACIN
INTERCMARA
BSQUEDA DE
PATRN
Imagen
calibrada
Ic(x,y)
Imagen
Ip(x,y)
Coordenadas
(c,d)
Acercamiento
Domo
Si
Cmara
Domo
Comparador
Movimiento
Domo
Proceso
Completo?
No
REAS DE
VIGILANCIA
Coordenadas
{(aij, bij)}
5.1.1
Deteccin de bordes
Este algoritmo es empleado para determinar que un evento ha ocurrido, a travs de la deteccin de
cambios de iluminacin a lo largo de las regiones de inters.
A continuacin se explica la lgica acorde a la estructura de secuencia que se emplea en la programacin:
0. Inicializacin de variables; abrir puerto serial.
1. Limpiar las regiones de inters que puedan existir; inicializar en cero arreglos correspondientes.
2. Agregar regiones de inters con el botn limitar, e indicar el nmero mnimo de cambios de
iluminacin que se requiere para tener un disparo de evento, llamado puntos de deteccin. En la
Fig. 5.2 se observa esta parte en la preconfiguracin:
~ 51~
3. Una vez determinadas todas las ROI, se guarda una imagen inicial limpia. sta ser el punto de
referencia en el procesamiento de imgenes explicado en la siguiente seccin 5.1.2.
4. Se agrupan todos los descriptores de ROI para obtener un rectngulo global que abarque todas
ellas.
5. Procesamiento principal:
5.0 Con cada uno de los descriptores de ROI y el nmero de puntos de deteccin como
argumentos, se evala si existe un cambio de iluminacin en todos los ejes. Esto cambiar el
estado de los ejes de deteccin y activar la bandera de objeto detectado. En la Fig. 5.3 se
observa el panel de deteccin en la interfaz de usuario.
Figura 5.3
5.1 Cuando se ha detectado un cambio de iluminacin, los puntos son sobrepuestos, ver Fig. 5.4.
Esto no solamente genera una indicacin para el usuario, sino tambin generar un arreglo que
guarde todas las coordenadas de dichos puntos. Esto ser de gran importancia para la
discriminacin de partculas explicado en la seccin 5.1.3.
~ 52~
5.2 Si uno o ms objetos se han detectado, se ejecuta el bloque de presencia del objeto (seccin
5.1.2) para finalmente mover la cmara domo al objetivo.
6. Cerrar puerto serial.
5.1.2
Presencia de objeto
En esta seccin se obtienen los nuevos objetos que aparecen en la imagen. Esto se realiza teniendo dos
imgenes, una es limpia, despus de seleccionar las regiones de inters; y la otra cuando el objeto ha
entrado a escena.
Las regiones de inters empleadas son lneas, pero stas tienen un rectngulo que las encierra. En la Fig
5.5 se muestra un conjunto de ROI. Si se toma las esquinas superior izquierda mayor (punto 1) y la que
est ms a la derecha abajo de entre todas ellas (punto 2), se obtiene el rectngulo exterior que abarca a
todas. Esta ser la regin de inters global.
2
Figura 5.5
Con esas coordenadas, y con la finalidad de establecer de manera ms fuerte los lmites de procesamiento,
adems de eficientar el proceso, las imgenes completas son cortadas para solo analizar esas porciones de
imgenes. Se tienen, por tanto, dos fotogramas cortados en la misma proporcin y ubicacin.
~ 53~
Entonces se procede a realizar una resta de imgenes. Esta operacin matemtica bsica tiene la finalidad,
al igual que en la aritmtica, de sealar en escala de color o grises los pxeles que no existen en la imagen
limpia, convirtiendo todos los dems en cero (negro), como la Fig. 3.11 mostrada en el marco terico.
Esto es de gran utilidad, pues se tiene una imagen en escala de grises con un gran contraste, razn por la
cual es conveniente emplear un binarizado sencillo. Para ello se toman los datos de su histograma,
tomando el valor medio como umbral, de manera que se divida en dos clases la distribucin de la imagen.
Ahora comienza el anlisis de partculas. Primero se rellenan los huecos internos en todas los elementos
que se hayan binarizado. Despus se erosiona 5 veces con una ventana de 3x3. Esto garantiza que la
mayor parte del ruido se elimine tras las erosiones. Una vez realizado lo anterior se procede a filtrar las
partculas, eliminando las que no se cumplan con los siguientes parmetros:
Tabla 5.1
PARMETRO
VALOR
Tipo de filtrado
Por rea
Lmite menor
Lmite mayor
400
800
EXPLICACIN
Este concepto de filtrado permite quitar las partculas ms
pequeas y/o ms grandes.
Estos lmites estn dados acorde a la resolucin de las
imgenes en pxeles.
Esto presupone el filtrado dentro de los lmites
establecidos
La medicin se hace en pxeles, si este caso fuera
verdadero, se tendra que realizar una calibracin previa
Finalmente se obtienen los datos de localizacin de las partculas, guardando en un arreglo las
coordenadas del rectngulo circunscrito, lo que ser de muy importante para la siguiente seccin.
5.1.3
De manera ideal, solo debera detectarse una partcula en la imagen, sin embargo esto puede no suceder.
Para evitar confusin en el sistema, se discriminan los objetos debido a su cercana con las coordenadas
del punto donde se detect presencia en las regiones de inters.
) y (
) que corresponden a partculas obtenidas
Supngase que se tienen dos coordenadas (
despus del anlisis donde se eliminaron espurios. Adems considrese que el punto donde que dispar
), pero se tiene un margen de 10 pxeles para definir si la
el evento en la regin de inters es (
partcula corresponde al objeto. Ver Fig. 5.6.
~ 54~
Xa-10
Xa+10
0
Ya-10
(X1,Y1)
(Xa,Ya)
(X2,Y2)
Ya+10
] [
Esto es, la partcula (con coordenadas iguales a su subndice) es el objeto de inters , si y solo si se
encuentra dentro de los lmites establecidos por la tolerancia
pxeles en ambas direcciones.
) que contiene solo la partcula que caus el
De esta forma se puede obtener la imagen extrada (
evento, eliminando todas las dems posibilidades; para la Fig. 5.6, solo la partcula se considerar. Es
importante mencionar que en la prctica no solamente un punto en la ROI es detectado, por lo cual se
tiene un arreglo que almacena todas las coordenadas que generaron evento y cada una de las partculas
tendr esta evaluacin para encontrar la adecuada.
~ 55~
Los parmetros se muestran en la Tabla 5.2. En la segunda columna se encuentran los valores del
histograma del domo y en la tercera el factor que afecta el parmetro para ajustarse a las condiciones
buscadas.
Tabla 5.2
PARMETRO
HISTOGRAMA
VALOR
Intensidad mnima
Desviacin estndar
0~7
48.80~72
FACTOR
(
(
)
)
PARMETRO
TRANSFORMADO
Brillo
Gamma
El resultado de las imgenes se muestra en la Fig. 5.8, en el inciso (a) se tiene una porcin de la imagen de
referencia tomada del domo, en el (b) la imagen de la cmara fija original y en (c) la imagen de la cmara
fija transformada.
(a)
Figura 5.8
(b)
Resultado en imgenes despus de calibracin
(c)
~ 56~
En la Fig. 5.1 se encuentra un rectngulo con el nmero 1, la lgica se explica a continuacin: una vez que
), se espera a que se haga el control del domo, esto
se ha aprendido la imagen plantilla a buscar (
para obtener un FOV actualizado del domo. Despus de se realiza el movimiento del domo pero el
) para buscarlo nuevamente. Esto
proceso no se ha completado, entonces se toma la misma plantilla (
asegura que el objetivo sea igual y as evitar un error en la seleccin del objeto de inters.
La bsqueda de patrn se compone de dos etapas: el aprendizaje y la bsqueda.
5.3.1
Aprendizaje
En esta etapa, se extraen los rasgos descriptivos de los objetos de inters contenidos en la plantilla. Para
este caso es necesario extraer la informacin de partculas que estn rotadas, escaladas y/o trasladadas.
Con los datos anteriores se hace una descripcin del objeto, escribiendo en una cadena la informacin
necesaria para realizar la bsqueda. Todo lo cual se guarda en la misma imagen de plantilla.
5.3.2
Bsqueda
Durante la fase de bsqueda, el descriptor se extrae de la imagen de la plantilla y se utiliza para buscar el
objeto en la imagen de inspeccin. Para esto es necesario especificar el contraste siendo ste la diferencia
mnima esperada entre el valor de pxel mximo y el valor mnimo de pxel en la imagen de inspeccin.
Adems definir si los objetos que se buscan pueden estar rotados y finalmente la informacin que se
guard en la imagen durante la etapa de aprendizaje.
En la salida se tiene un conjunto de datos del objeto encontrado. Las ms importantes para la localizacin
del mismo son las coordenadas del centro del objeto encontrado en la imagen de inspeccin y la
dimensin del rectngulo donde est inscrito. Otros datos son el porcentaje de xito en la bsqueda y el
nmero de patrones encontrados. Para este caso solo se desea encontrar un objeto. En la Fig. 5.9 (a) se
muestra la imagen con el patrn encontrado y en el inciso (b) los parmetros para cada objeto encontrado.
(a)
(b)
Figura 5.9
Bsqueda de patrones
~ 57~
5.4.1
reas de vigilancia
Segn la Fig. 5.1, este bloque de programacin es la base para el control del domo, pues fracciona su
FOV de 2 dimensiones (2D) en 81 reas de vigilancia, esto con la finalidad de correlacionar cada una de
las porciones con las direcciones de acciones de mando. De esta forma, el campo de visin queda de la
siguiente forma:
0
9
18
1
10
19
2
11
20
3
12
21
4
13
22
5
14
23
6
15
24
7
16
25
8
17
26
A0
A1
A2
Centro, se detiene.
Noreste
Norte
27
28
29
30
31
32
33
34
35
A3
Noroeste
36
37
38
39
40
41
42
43
44
A4
Este
45
46
47
48
49
50
51
52
53
A5
Oeste
54
63
72
55
64
73
56
65
74
57
66
75
58
67
76
59
68
77
60
69
78
61
70
79
62
71
80
A6
A7
A8
Sureste
Sur
Suroeste
En el cuadro central se tienen reas de cada color para hacer un movimiento fino y poder centrar de mejor
manera al objeto.
Las coordenadas son guardadas en una matriz de acuerdo a las dimensiones de cada rea de vigilancia
teniendo como referencia la esquina superior izquierda y la inferior derecha para su comparacin. Esto se
expresa matemticamente en la Ec. 5.2
(
{(
Donde:
(
~ 58~
5.4.2
El control del domo se logra a travs del protocolo de comunicacin Pelco-D y RS-485, por medio de una
cadena de comando en hexadecimal que es enviada para su manipulacin.
En la Fig. 5.11 se muestra el diagrama de bloques de la lgica de mando del domo, comenzando con el
clculo de la condicin inicial a partir de las coordenadas de las reas de vigilancia y del objeto de inters
(punto 1). Tomando como referencia la Ec. 5.2, se comparan por pares de coordenadas para conocer el
rea de vigilancia donde el objeto se encuentra, realizando
clculos bajo la Ec. 5.3, comenzando con el
ndice cero.
(
) (
Donde:
(
(
(
)
)
)
Dependiendo del nmero de clculo que result verdadero, el selector de rea de vigilancia (Fig. 5.11,
punto 2) dar el identificador para definir la direccin del movimiento que el domo realizar.
Una vez que se encuentra en la zona 40, el mando del domo se detiene para tomar hacer el acercamiento al
objetivo.
~ 59~
~ 60~
Coordenadas
(c,d)
Coordenadas
{(aij, bij)}
CALCULAR
CONDICIONES
No
Condiciones?
Si
2
SELECTOR
AREA
VIGILANCIA
Si
CALCULAR
TOLERANCIA
Si
MOVIMIENTO
DOMO
Dentro de
tolerancia?
Direccin
GUARDAR
IMAGEN
ENVIAR
TRAMA
DOMO
No ACERCAMIENTO
RETARDO
No
ID=40?
ID Area
Resolucin Ext
(x,y)
ENVIAR
ACTUALIZAR
TRAMA
REGRESAR
A ORIGEN
Mensaje
Hx
DOMO
Movimiento
Segn la Fig. 5.11 (punto 3), si el identificador es diferente a 40, entonces entra a la rutina del
movimiento. Una vez que se sabe cul es la ubicacin del objeto, se manda un nico pulso para trasladar
el domo en esa direccin a travs de un mensaje que es enviado va RS-485. Se enva la trama por medio
de la comunicacin al domo para realizar el movimiento como se vi en la Fig. 5.10. Despus de esto, se
regresa a la Fig. 5.1 donde el proceso no est completo, por lo que vuelve a la bsqueda de patrn para
que el ciclo se repita hasta que el objeto se encuentre en el centro del FOV del domo.
Acercamiento
De acuerdo a la Fig 5.11 (punto 4), cuando el selector de rea de vigilancia proporciona el identificador
40, quiere decir que la imagen est lista para comenzar con el acercamiento. Las dimensiones del FOV del
domo se muestran en la Fig. 5.12 (a); para el acercamiento, lo primero que se debe calcular son las
tolerancias establecidas en la Ec. 5.4.
FOV
DOMO
A0x
Obj
Ix
Iy
b
A0y
(a)
(b)
Figura 5.12 Dimensiones de rea 40 y objeto
Donde:
Ec. 5.4 Tolerancia para acercamiento
Despus de realizar pruebas de ajuste, se encontr que el factor 1.1 es adecuado para hacer una relacin de
aspecto, este parmetro se ocupa para redimensionar la imagen extrada solo como referencia para los
incrementos que se hacen en el acercamiento, pero no afecta completamente a la imagen.
La lgica se detendr hasta que el tamao del objeto sea menor o igual a la resolucin en alguno de los
lados del FOV del domo, como se muestra matemticamente en la Ec. 5.5.
(
) (
~ 61~
) (
While ((
{
(
(
)
))
)( );
)( );
(
( (
( (
);
));
));
Salida
Una vez finalizado el clculo y operacin de acercamiento, Fig. 5.11 (punto 5), se procede a guardar la
) anteponiendo un retardo de 7 segundos, tiempo que necesita la comunicacin con el
imagen final (
SDK para actualizar la imagen mostrada en LabVIEW. Una vez que se tiene la imagen en una localidad
conocida, se manda el domo a la posicin presestablecida que se elige, bajo la misma lgica que en el
preposicionamiento.
5.4.3
La manipulacin de la posicin del domo se realiza por medio de una tarjeta de comunicacin serial RS485 con conexin USB para unir la computadora Servidor con el DVR; de manera que la programacin
del protocolo Pelco-D desarrollado en LabVIEW permite tener caractersticas tales como movimiento
manual que provee el software comercial, con la diferencia que ste proporciona un control automtico
del domo.
La programacin del protocolo Pelco-D (Anexo B) comienza con la funcin de abrir serial y as
entablar la comunicacin con la tarjeta RS-485/USB, abriendo el puerto con los parmetros mostrados en
la Tabla 5.3.
Tabla 5.3 Datos de configuracin para comunicacin serial
Nombre de dispositivo
Velocidad de transmisin
Paquete de bits
Paridad
Bits de parada
Control de flujo
Dependiendo del cambio que se haga de direccin o acercamiento, las posiciones de los arreglos binarios
sern cambiadas. Adems, otros parmetros como velocidad para movimiento y nmero identificador del
domo (siempre 1).
Despus de ello, se debe hacer una transformacin a para enviar la trama en el formato adecuado (Fig.
5.13). Consiste en la inicializacin de variables; la conversin de formatos en los datos; el clculo de
~ 62~
la suma de verificacin (checksum), la cual es una funcin que tienen como propsito principal detectar
cambios accidentales en una secuencia de datos para proteger la integridad de datos, verificando que no
haya discrepancias. Finalmente todos los datos se empaquetan en una cadena que es enviada al bloque
escribir serial.
INICIALIZACIN
Arreglos binarios
de comandos
Arreglos enteros
de comandos
Calcular Check
Sum entero
Check Sum
binario
CONVERSIN
La comunicacin serial concluye cerrando el puerto. Esto es muy importante, pues como se vio en el
captulo 3, de lo contrario podra causar problemas operativos.
5.1
5.3
5.2
~ 63~
5.6 Conclusiones
La visin por computadora es una rama de la inteligencia artificial que permite alcanzar varios objetivos,
entre los cuales se encuentran analizar imgenes a travs de su procesamiento, esto solo como operacin
preparatoria para tareas ms complejas como la deteccin de eventos relevantes, empleando bsqueda de
patrones para ello.
En este captulo se explic el desarrollo de los algoritmos para analizar los fotogramas de video en tiempo
real. El primer paso consiste en descubrir que un objeto ha entrado en escena a travs de la deteccin de
bordes, que observa el cambio de contraste en la imagen a lo largo de una lnea (ROI). El siguiente paso
es procesar las imgenes por medio de una resta entre ellas, binarizado y posteriormente con un anlisis de
partculas para determinar cuntos nuevos objetos existen. Finalmente, la discriminacin entre partculas
complementa al anlisis previo de stas, pues evala la cercana que existe entre el centro del objeto y las
coordenadas del punto donde el evento se desencaden.
Por otro lado, la calibracin intercmara es una parte fundamental de los sistemas duales de videovigilancia, los cuales combinan imgenes de diferentes fuentes para encontrar un objetivo en comn.
Debido a la diferencia de condiciones entre estos captores, es necesario asemejar los niveles de
iluminacin como actividad previa a la bsqueda de patrones, que finalmente determinar la ubicacin de
los objetos para su localizacin por medio de la cmara mvil.
Una de las partes ms importantes del presente trabajo es la lgica de mando del movimiento del domo,
pues sirve para ubicar el objeto de inters dentro de las reas de vigilancia, hacer un acercamiento y con
ello conseguir una imagen de mejor calidad.
~ 64~
1
4
conecta con LabVIEW solo para la visualizacin, se tiene un retraso con una diferencia despreciable con
respecto al caso anterior. Sin embargo, cuando se realiza el procesamiento, ese retardo es mayor, de
manera que al final de la rutina, es necesario adicionar 7 segundos en la espera de la actualizacin de la
imagen final en LabVIEW.
En la Fig. 6.2 se muestra la pantalla del panel frontal para la visualizacin del video.
Al igual que el caso anterior, en la Fig. 6.4 se muestra otro auto; en esta fotografa se muestra un mayor
detalle y una perspectiva ms recta, lo que da una mayor posibilidad de procesamiento OCR, por ejemplo
~ 66~
En la tercer imagen resultado (Fig. 6.5) se muestra otro automvil, sin embargo, en esta ocasin no se
alcanzan a visualizar la placa, pero se me mejor el tipo y estructura de auto.
Por otro lado, en la Fig. 6.6 se presenta el reporte a usuario que se enva al usuario. En este documento se
presenta la imagen del objeto que gener el evento, as como la fecha y la hora.
~ 67~
Figura 6.6
Reporte a usuario
La Tabla 6.1 reporta los tiempos de ejecucin para todas las partes de la aplicacin antes mencionadas,
adems del total de segundos que el sistema demora en realizar el escaneo, procesamiento, generacin y
envo de reportes al usuario en una exhibicin.
Tabla 6.1
ACTIVIDAD
1
2
3
4
5
6
DURACIN [s]
15
TOTAL
17
En la Fig. 6.7 se pueden visualizar los tiempos empleados en la ejecucin del programa. El resultado final
es que el proceso se realiza en un promedio de 17 segundos, debido a las operaciones que se realizan en
paralelo o pseudoparalelo.
0
Obtencin del video
Tiempo [s]
8
10
12
14
16
18
15
~ 69~
~ 70~
7. En este paso se realiza la operacin morfolgica de dilatacin, para unir las pequeas partes de las
partculas y formar el objeto en movimiento. Despus se emplea un filtro gaussiano. Se hacen dos
nuevas operaciones morfolgicas, de erosin, para eliminar las partculas muy pequeas que no
muestren informacin sustancial; y nuevamente la dilatacin para volver a unir las que hayan
quedado un poco separadas del objeto principal.
8. Para este caso se realiza un anlisis de partculas, donde se busca rellenar los hoyos que puedan
existir en el objeto principal; nuevamente se eliminan los pequeos grupos de pxeles que no estn
dentro del grupo principal; se erosionan los ltimos detalles de la imagen.
9. Devuelve el nmero final de partculas, las posiciones de cada lado para un rectngulo que
delimita al objeto en movimiento, su centro de masa en dos coordenadas y el rea del objeto.
10. Aqu se toman los parmetros obtenidos anteriormente, para obtener las medidas del rectngulo
que encierra al objeto. Adems se obtiene una relacin para discriminar entre los objetos que sean
de inters y los que no, tomando nicamente los ms grandes y realizando el paso 11 solo en caso
verdadero; lo anterior bajo la siguiente lgica:
Teniendo la siguiente figura:
Arriba = T
Izquierda = L
Derecha = R
Abajo = B
Figura 6.9
Se hace una relacin de rea para tomar los objetos ms grandes a una referencia:
(
Ec (6.1)
11. Este punto tiene la finalidad de completar la visualizacin del objeto de inters. Se extrae la
porcin de la imagen que contiene al objeto en movimiento para colocarla en un arreglo; se dibuja
el rectngulo y su centroide en la imagen en escala de grises.
~ 71~
~ 72~
Figura 6.10 Diagrama de bloques sobre la deteccin de movimiento
6.6 Conclusiones
En este captulo se mostr la imagen del sistema instalado y la evaluacin de los tiempos de ejecucin del
sistema, obtenindose como resultado que se consume en promedio 17 segundos en realizar todas las
tareas, desde la obtencin del video hasta la generacin y envo de reportes a usuario.
Por otro lado, como parte de los resultados se muestran tambin imgenes de las pruebas realizadas en un
estacionamiento restringido, donde se observan detalles caractersticos de autos que generaron el evento:
en dos de las fotografas presentadas es posible observar la placa y nombre de modelo y marca, siendo
stas tiles en otro tipo de anlisis; en la tercer imagen aunque no se puede observar la placa, se ve con
mayor facilidad el modelo del automvil.
El ltimo resultado presentado es el reporte a usuario que es enva va correo electrnico al usuario que el
administrador determine. En este documento se presenta la imagen final con mayor detalle, as como la
fecha y la hora en que el evento se produjo.
En la seccin final se incluye la explicacin de la deteccin de movimiento como trabajo adicional. Este
bloque de programacin hace uso de los vectores de movimiento, pudiendo obtener informacin valiosa a
partir de stos, tal como determinar la ubicacin y direccin que el objeto de inters sigue. Esto forma
parte del trabajo a futuro que puede seguirse.
~ 73~
CONCLUSIONES
Se desarroll el modelo computacional con instrumentos virtuales, empleando equipo de video-vigilancia,
con operacin local y remota.
Se generaron mtodos, algoritmos y software para potenciar sistemas comerciales de video-vigilancia de
bajas y medias prestaciones, de manera que cualquier usuario puede tener acceso y/o acondicionar la
operacin de equipos de circuito cerrado.
Se integr un sistema de video-vigilancia, que trabaja con cmaras analgicas y digitales, formando un
par con una de las
del tipo fijo de bajas/medias prestaciones y otra mvil de mediana/alta resolucin,
para detectar, localizar y realizar un acercamiento al objeto que gener el evento de inters, obteniendo as
una imagen con mayor detalle que es colocada en un reporte a usuario enviado por correo electrnico.
Se estructur un sistema cliente/servidor para la obtencin del video en tiempo real y avisos de eventos
relevantes de la siguiente manera:
Se detect un objeto de inters que aparece en las ROI del fotograma de alguna de las cmaras fijas y se
proces la imagen para extraer el objeto de inters. Despus, por bsqueda de patrones se localiz
continuamente la partcula para posicionarla en el centro del FOV del domo y hacer el acercamiento
adecuado, modificando las condiciones PTZ, para obtener el resultado deseado. Para comunicar la dupla
de cmaras mediante software, se hizo una calibracin intercmara antes de la bsqueda de patrn para
asemejar los niveles de iluminacin de los dos FOV, modificando los parmetros de brillo y gamma,
teniendo como efecto una imagen muy oscura pero capaz de proporcionar la informacin necesaria para
ser encontrada como patrn.
Los resultados presentados se obtuvieron haciendo pruebas durante el da en un estacionamiento
restringido, logrando mostrar algunas caractersticas importantes como placas y modelo de los
automviles. Se comprob que el sistema falla bajo tres condiciones que contemplan la seleccin
inadecuada de las ROI, objetos en movimiento que causan ruido y cuando los FOV de las cmaras de
inters no son similares, siendo en este ltimo punto donde radica la importancia del preposicionamiento.
Se evalo el tiempo de ejecucin total de la aplicacin, siendo ste de aproximadamente 17 segundos,
empleando una cmara mvil con enfoque y manejo de diafragma automticos.
Con el modelo computacional propuesto (ver Fig. 1.1), se prepararon las condiciones e imgenes para
lograr otras tareas avanzadas, analizando los rasgos caractersticos de los objetos en eventos relevantes.
Tambin se present la metodologa sobre la deteccin de movimiento que sienta las bases para el
seguimiento de objetos en tiempo real a travs de cmaras de circuito cerrado, mediante el uso de vectores
de movimiento y anlisis de partculas aplicado en el video.
De esta forma, se obtuvieron tres aportaciones: desarrollo tecnolgico de costo reducido; el reforzamiento
de sistemas de video-vigilancia comerciales de bajas y medianas prestaciones, mediante algoritmos,
mtodos y software propios; y el desarrollo de un sistema accesible para PyME con aplicacin en grandes
rea de vigilancia tales como edificaciones, va pblica y como complemento para otros sistemas.
Se verific la hiptesis y se cumplieron los objetivos, general y particulares, del trabajo.
~ 74~
TRABAJOS FUTUROS
Para trabajos a futuro se dan las siguientes propuestas:
a) Facilitar la posibilidad que el usuario establezca prioridades de atencin en los eventos generados
por las cmaras fijas.
b) Mejorar la discriminacin de partculas de acuerdo a rasgos caractersticos u orden de aparicin en
el FOV de la cmara que se est evaluando, cuando existan ms de una partcula de inters.
c) Hacer ms eficiente el algoritmo para la localizacin y acercamiento al objeto de inters, pudiendo
intercalar estas acciones para obtener mayor velocidad y una ubicacin ms precisa.
d) Con el documento aqu expuesto, se preparan las condiciones para el anlisis de los eventos
relevantes, pudiendo emplearse otras tcnicas de visin artificial como el reconocimiento ptico
de caracteres (OCR) para lectura de placas o herramientas biomtricas ms avanzadas para
inspeccionar rostros a travs de sistemas de video-vigilancia.
e) A partir de los rasgos caractersticos que se pueden obtener de las imgenes, es posible
implementar topologas de redes neuronales o memorias asociativas que sean fcilmente
adaptables a la incorporacin de nuevas categoras con el mnimo o nulo rentrenamiento para la
clasificacin de automotores.
f) Implementar el seguimiento de objetos en tiempo real a partir de los vectores de movimiento
calculados en la seccin 6.5, los cuales pueden proporcionar informacin sobre la direccin y
sentido que la partcula sigue de acuerdo al elemento del conjunto de vectores que posea la mayor
magnitud, con lo que se puede incluir un modelo matemtico que tenga la capacidad de predecir la
ruta que el objeto puede llevar.
g) Adicionar algoritmos para modificar el enfoque y diafragma automticamente y con ello poder
emplear el sistema cuando la iluminacin es baja (noches), dado que las luces externas o de los
automviles provocan ruido y efectos no deseados haciendo que las imgenes parezcan borrosas.
h) Probar el sistema ampliado con la aplicacin de los algoritmos y mtodos presentados para otra
configuracin que guarde el carcter dual entre los dispositivos, colocando
cmaras fijas y una
mvil, trabajando por pares.
~ 75~
REFERENCIAS
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
R., Cristbal, V., Francisco y C. Carlos, Domtica e Inmotica, viviendas y edificios inteligentes,
Tercera edicin, Editorial Alfaomega Ra-Ma, Mxico, Junio de 2011.
K., Karl D. The effects of Noise in Man. Segunda Edicin, Academic Press, 1985.
H., Cyril. Manual de Medidas Acsticas y Control de Ruido. Mc. Graw Hill. 1995.
Rojo, A. y Snchez Fernndez, L.P. Sistema de monitoreo de ruidos ambientales producidos por
aviones en el AICM (Aeropuerto Internacional de la Ciudad de Mxico), Tesis de Maestra
terminada, CIC-IPN, junio 2008.
Valencia, M. y Snchez Fernndez, L.P. Sistema distribuido para anlisis de ruidos ambientales,
Tesis de Maestra terminada, CIC-IPN, diciembre, 2007.
Domnguez Urbn Mara Guadalupe, Snchez Fernndez, L.P Medicin y procesamiento avanzado
de indicadores de ruido, en zonas crticas localizadas dentro del Distrito Federal. Tesis de Maestra,
2009.
Villafuerte Ramrez, Miguel Santiago y Snchez Fernndez, L.P. Desarrollo de un Mdulo de
Adquisicin de Seales Acsticas de Alto Rango Dinmico. Tesis de Maestra terminada, 2010.
Lpez Pacheco Mara Guadalupe, Molina Lozano Hern y Snchez Fernndez L.P. Clasificador
difuso de seales acsticas ambientales basado en anlisis de componentes independientes. Tesis de
Maestra en desarrollo, 2010.
Daz Gudio Luis Jorge, Snchez Fernndez L.P. y Oleksiy Pogrebnyak. Modelo computacional
para el anlisis avanzado de seales de ruidos ambientales. Tesis de Maestra en desarrollo, 2010.
Snchez Fernndez, L.P, Proyecto CONACYT: Sistema Avanzado de Monitoreo Ambiental de
Sonidos y Vibraciones, Clave: 51283-Y, Vigencia 2007-2010.
Convenio de desarrollo y transferencia de tecnologa: Sistema Distribuido de Monitoreo
Permanente Experimental, de Ruidos Ambientales en Puntos Crticos del Centro Histrico de La
Ciudad de Mxico (SIMAR-CH). 2008-2009. IPN-ICYTDF
Snchez Fernndez, L.P, Oleksiy Pogrebnyak, Jos Luis Oropeza Rodrguez and Sergio Surez
Guerra: Noise pattern recognition of airplanes taking off: task for a monitoring system. Lecture
Notes in Computer Science, Springer-Verlag, Germany. Vol. 4756, pp. 831-840, 2007.
Snchez F. L.P., L. Prez and L.A. Snchez. Environmental noise monitoring. 1st stage: Aircrafts
noise patterns recognition. Research in Computing Science, Vol. 24, pp. 95-104, 2006. LatinIndex
Data base. ISSN 1870-4069
Snchez Fernndez, L.P. R. Herrera Charles, Oleksiy Pogrebnyak. Spectral patterns for the
generation of unidirectional irregular waves. Lecture Notes in Computer Science, Vol. 3773. 2005.
ISSN 0302-9743, Springer-Verlag, Germany. ISI Data base.
Sanchez Fernandez, L.P., Oleksiy Pogrebnyak and Cornelio Yaez. Neural Network and Trend
Prediction for Technological Processes Monitoring. Lecture Notes in Artificial Intelligence
(Subseries of Lecture Notes in Computer Science), Vol. 3789. 2005. ISSN 0302-9743, SpringerVerlag, Germany. ISI Data base.
Snchez Fernandez, L.P., L. Gorostiaga, Oleksiy Pogrebnyak, Method for Alarm Prediction.
Proceedings Second International Conference on Informatics in Control, Automation and Robotics,
Vol. IV, Barcelona, Spain, 2005. ISBN 972-8865-31-7, Indexed in Data Base BDLP, Germany
Snchez, L.P., Error en las mediciones computarizadas de oleaje en laboratorios de investigacin,
Ingeniera Hidrulica en Mxico, Vol. XIX, No. 2, abril-junio de 2004. ISSN-0186-4076 (ISI Data
base: Science Citation Index Expanded)
~ 76~
[18] Roman, R., Lpez J., Dugeon, O., Lacoste, M., Plaza, P. Y., Bel, M., Advanced secure multimedia
services for digital homes. En Springer Science+Business Media, 2010.
[19] Chan, M., Estve, D., Escriba, C., Campo, E., A review of smart homes-Present state and future
challenges. En Computer methods and programs in biomedicine 91, 2008.
[20] Imai, Y., Sugiue, Y., Hori, Y. y Masuda, S., Application of a Remote Surveillance System with
Mobile Phone-Enhanced User Interface.
[21] G. Forman et. al., The challenges of mobile computing, IEEE Computer, April 1994, pp. 38-47.
[22] Snchez, L.P, Patrones de sistemas de primero y segundo orden, en un ambiente de instrumentacin
virtual, Computacin y Sistemas, Vol. VII, No. 2, 2003 (registrada en el ndice de Revistas
Mexicanas de Investigacin Cientfica y Tecnolgica del CONACYT).
[23] Sistemasmgs.com, Video-vigilancia IP, Mantenga el control, Sistemasmgs.com, revisado 19
Noviembre 2010, <http://sistemasmgs.com/video-vigilancia.html>.
[24] J. E. Boyd, E. Hunter, P. Kelly, L. Tai, C. Phillips, y R. Jain. Mpi-video infrastructure for dynamic
envi- ronments. En IEEE Conference on Multimedia Systems 98, Austin, TX, Enero 1998.
[25] San Miguel, J. C., Bescs, J., Martnez, J. M. y Garca, A., DiVA: a Distributed Video Analysis
framework applied to video-surveillance systems. En Ninth International Workshop on Image
Analysis for Multimedia Interactive Services.
[26] Jenkins, W., Top Benefits of video surveillance, Articlesbase, Free Online Articles Directory,
revisado 19 Noviembre 2010, <http://www.articlesbase.com/customer-service-articles/top-benefitsof-video-surveillance-1233905.html>.
[27] M. Sayles, X. Wu, y J. E. Boyd. Caml: Camera markup language for network interaction. En SPIE
Internet Imaging IV, volume 5018, pp. 248256, Santa Clara, CA, Enero 2003.
[28] B. D. Lucas y T. Kanade. An iterative image regis- tration technique with an application to stereo
vision. En International Joint Conference on Artificial Intelli- gence, pp. 674679, 1981.
[29] Intel Corporation. Intel Integrated Performance Prim- itives for Intel Architecture: Reference
Manual, 2003.
[30] Boyd, J. E., Sayles, M., Olsen, L. y Tarjan, P., Content Description Servers for Networked Video
Surveillance. En Proceedings of the International Conference on Information Technology: Coding
and Computing, 2004.
[31] T. Ebrahimi, Y. Abdeljaoued, R. Figueras, I. Ventura y O. Divorra Escoda. Mpeg-7 camera. En
ICIP01, pages Multimedia Indexing, Browsing, y Retrieval, 2001.
[32] Lien, C., Chen, P., Ying-Wen, B. y Ming-Bo y L., Monitoring System with Moving Object
Detection Based on MSN Messenger. En IEEE International Instrumentation and Measurement
Technology Conference, Victoria, Vancouver Island, Canada, 2008.
[33] ZhengbingZhang, ZhongnianLi, ZhenhuaXia, GuangxiZhu, "IP-based video lab-monitor system",
Proceedings of SPIE - The International Society for Optical Engineering, Electronic Imaging and
Multimedia Technology IV, pp. 372-376, Junio 2005.
[34] Jingwei Yang, The Design and Implementation of Embedded Wireless IP Camera, pp. 5-6
[35] Chen, C., Yi, Y., Drira, A., Koschan, A. y Abidi, M., Cooperative Mapping of Multiple PTZ
Cameras in Automated Surveillance Systems. ISBN 978-1-4244-3991-1/09, 2009, IEEE.
[36] Varcheie, P.D.Z.; Bilodeau, G.-A. "Active people tracking by a PTZ camera in IP surveillance
system," Robotic and Sensors Environments, 2009. ROSE 2009. IEEE International Workshop on,
vol., no., pp.98-103, 6-7 Nov. 2009.
~ 77~
[37] Chu-Sing Yang; Ren-Hao Chen; Chao-Yang Lee; Shou-Jen Lin; , "PTZ camera based position
tracking in IP-surveillance system," Sensing Technology, 2008. ICST 2008. 3rd International
Conference on , vol., no., pp.142-146, Nov. 30 2008-Dec. 3 2008
[38] Hsien-Chou Liao; Wei-Yi Chen. "A dual-PTZ-camera system for visual tracking of a moving target
in an open area, Advanced Communication Technology, 2009. ICACT 2009. 11th International
Conference on, vol.01, no., pp.440-443, 15-18 Feb. 2009.
[39] Liu, Y. y Xiao, M., A Motion Object Detecting Algorithm Applied for Constant Speed Dome
Camera in Surveillance Camera System. En 2010 International Conference on Computer
Application and System Modeling (ICCASM 2010), pp. V6-361-V6-365.
[40] Hintermaier, W. y Steinbach, E., A System Architecture for IP-camera based Driver Assistance
Applications. En 2010 IEEE Intelligent Vehicles Symposium, San Diego, California, Estados
Unidos de Amrica, 2010.
[41] Liu, Z., Dichao, P. y Zheng, Y., Communication Protection in IP-based Video Surveillance
Systems. En Proceedings of the Seventh IEEE International Symposium on Multimedia (ISM05),
ISBN 0-7695-2489-3/05, 2005.
[42] Yang, M., Tham, Y., Wu, D. y Huang Goh, K., Cost Effective IP Camera for Video Surveillance.
En ICIEA 2009, 2009.
[43] Wang R., Huang T., Fast camera motion analysis in MPEG domain, International Conference on
Image Processing 1999, pp. 691 -694 vol.3
[44] Jong-Il Park, Inoue S., Iwadate Y., Estimating Camera Parameters From Motion Vectors of Digital
Video, IEEE Workshop Multimedia Signal Processing 1998pp.105-110
[45] A Probabilistic Model for Camera Zoom Detection Rong Jin, Yanjun Qi, Alexander Hauptmann
Proceedings of the 16th International Conference on Pattern Recognition (ICPR02) 1051-4651/02
[46] Solari, S., Architecture for a digital video recorder. En ITUAM 3.4, 2000
[47] Ebrahim, M., Canagarajh, C. N. y Bull, D. R. Video Coding for Mobile Communications Effciency,
Complexity, and Resilience. Editorial Academic Press, San Diego, California, Estados Unidos,
ISBN-0-12-053079-1, 2002.
[48] Anatassios, G. y Bradley, T., Security for Real-Time MPEG Compressed Video in Distributed
Multimedia Applications. En IEEE, 1996.
[49] Srinivasan, K., Porkumaran, K. y Sainarayanan, G., Improved Background Subtraction Techniques
for Security in Video Applications.
[50] Novak, T., Treytl, A. y Palensky, P., "Common approach to functional safety and system security in
building automation and control systems", Emerging Technologies and Factory Automation, 2007.
ETFA. IEEE Conference on, vol., no., pp.1141-1148, 25-28 Sept. 2007.
[51] IEC 15408 Information technology Security technique Evaluation criteria for IT security,
1999.
[52] Manual de usuario del Sistema de Administracin Remota (RAS Plus).
[53] Bitter, R., Mohiuddin, T. y Nawrocki, M., Lab VIEW Advanced Programming Techniques,
Editorial CRC-Press, Estados Unidos de Amrica, 2007. ISBN 0-8493-3325-3.
[54] Xunwen, S., Shaoping, W., Dongmei Z. y Zhu, Q., "RS-485 serial port pseudo-full-duplex
communication research and application," Prognostics and Health Management Conference, 2010.
PHM '10. , vol., no., pp.1-5, 12-14 Jan. 2010.
[55] National Instruments Corporation, NI Vision Concepts Help, National Instruments documentation.
August, 2011.
~ 78~
[56] Rodrguez, R. y Sossa, J. Procesamiento y Anlisis Digital de Imgenes, Editorial Ra-Ma, Espaa,
2011. ISBN 978-84-9964-077-8.
[57] Escalante, B., Apuntes de curso de Procesamiento Digital de Imgenes, 2006. http://verona.fip.unam.mx/boris/teachingnotes/Capitulo4.pdf. Fecha de recuperacin 30 de agosto de 2012.
[58] Relf, C., Image Acquisition and Processing with Lab VIEW, Editorial CRC Press, Estados Unidos
de Amrica, 2004. ISBN 0-8493-1480-1.
[59] Thomas, K., Image processing with Lab VIEW and IMAQ visin, Editorial Prentice Hall
Professional, Estados Unidos de Amrica, 2003. ISBN 0-13-047415-0.
[60] NI Developer Zone, NI Community, Lab VIEW-save a document in PDF file using Freeware Bull
Zip PDF Write, 2012. https://decibel.ni.com/content/docs/DOC-22555. Fecha de recuperacin 4 de
septiembre de 2012.
[61] NI Developer Zone, GMAIL.vi, 2009. http://zone.ni.com/devzone/cda/epd/p/id/5992. Fecha de
recuperacin 4 de septiembre de 2012.
~ 79~
NOMBRE
DESCRIPCION
VISION
~ 80~
IMAQ Create
IMAQ Dispose
IMAQ Histogram
IMAQ Absolute
Difference
IMAQ Equalize
IMAQ Convolute
IMAQ AutoBThreshold
2
IMAQ Morphology
ICONO
NOMBRE
IMAQ FillHole
IMAQ RemoveParticle
VI
DESCRIPCION
Rellena los huecos presentes en una partcula. Los
agujeros que se encuentran en contacto con el borde
de la imagen nunca se llenan, porque es imposible
determinar si estos agujeros son parte de una
partcula.
Elimina o mantiene las partculas resistentes a una
ventana de 3 x 3 con erosin. Las partculas que se
mantienen son exactamente la misma forma que los
que se encuentran en la imagen de la fuente original.
IMAQ Extract
IMAQ Overlay
Rectangle
IMAQ Copy
IMAQ Convert
Rectangle to ROI
IMAQ Simmetry
~ 81~
ICONO
NOMBRE
DESCRIPCION
IMAQ
ArrayToColorImage
IMAQ BCGLookup VI
Search/Split String
Decimal String to
Number
Decimate 1D Array
~ 82~
TCP Write
TCP Read
ICONO
NOMBRE
DESCRIPCION
COMUNICACIN SERIAL
VISA Configure Serial
Port VI
Dispose Report
~ 83~
Este protocolo es usado entre los sistemas de conmutacin de matriz y los receptores/controladores. Es
popular en el control PTZ de cmaras de vigilancia.
B.1 Protocolo D
El formato del mensaje o trama es:
Byte 1
Byte 2
Byte 3
Sincronizacin
Direccin
Comando 1
Figura B.1
Byte 4
Byte 5
Byte 6
Byte 7
Comando 2
Datos 1
Trama de protocolo Pelco-D
Datos 2
Check Sum
Donde:
Todos los valores estn mostrados en hexadecimal.
El byte 1 de sincronizacin es siempre $FF.
La direccin es la direccin lgica del receptor/controlador al que se manipula.
Comando
1
Comando
2
Bit 7
Bit 6
Sensitividad
Enfoque
lejos
Reservado
en 0
Zoom
ancho
Bit 2
Bit 1
Bit 0
Reservado
en 0
Escaneo
Auto/Man
Cmara
enc/apag
Cerrar
diafragma
Abrir
diafragma
Enfoque
cerca
Zoom alto
Arriba
Abajo
Izquierda
Derecha
Siempre 0
Donde, en el comando 1, el bit de sensitividad, indica la aceptacin de los bit 3 y 4, bajo la siguiente
lgica:
Sensitividad
1
0
Bit 3
1
El comando
Funcin
Datos 1
Datos 2
$00
$00
Alta
Turbo
$3F
$3F
$FF
-
0A
88
Sincronizacin
Direccin
90
00
40
Comando 1
Comando 2
Datos 1
Datos 2
Figura B.2 Ejemplo de trama para clculo de check sum
62
Check sum
El procedimiento comienza transformando los bytes de hexadecimal a binario para entonces poder realizar
la suma normalmente; despus se vuelve a transformar a hexadecimal.
0A
88
Subtotal
90
Subtotal
00
Subtotal
40
00001010
10001000
10010010
10010000
00100010
00000000
00100010
01000000
01100010
92
22
22
62
Comando
Ir al preset
Girar 180
Ir al origen
Correr patrn
Escanear zona
No escanear zona
Ajustar velocidad de zoom
07
07
07
23
1B
1D
25
00
00
00
00
00
00
00
Byte 6
01 a 20
21
22
00
00
00
00 al 03
~ 85~
C.1Generalidades
El IDIS Watch SDK est desarrollado en el lenguaje de programacin C++. Est compuesto de archivos
*.dll (dynamic linking library file), *.lib (static binding library file) y archivos de cabecera (*.h) de C++,
que son:
idiswatch.dll
idisdecoder.dll
idiswatch.lib
idisdecoder.lib
IDIS_WatchSDK.h
IDIS_DecoderSDK.h
IDIS_Define.h
Los prototipos del IDIS WatchClient API definidos en el archivo de cabecera IDIS_WatchSDK.h son el
conjunto de funciones proporcionados por el Cliente RASplus WatchClient (software propio del DVR
empleado en el presente trabajo). Los datos regresados por la funcin IDIS WatchClient son
especificados en el archivo cabecera
IDIS_Define.h. La informacin adicional acerca de la
descompresin de video puede ser adquirida por medio de la funcin Callback FRAMELOADED con
algunos parmetros del archivo IDIS_Define.h. Para descomprimir los marcos del video, es necesario
emplear la seccin de IDIS_DecoderSDK.h Desplegar las imgenes de acuerdo con la cmara
seleccionada y mostrar la informacin del sistema, se realizar slo por el programador de interfaz de
usuario que use el IDIS Watch SDK, ya que este SDK no incluye ningn cdigo para la aplicacin visual.
ADRPRO 1.4.2
MDR400 1.0.0
~ 86~
SDR402
2.1.0/3.0.1/3.1.0/3.2.0
SDR421 1.0.0
CDR420 2.1.0
Main
PARTyVideoTCPServer
Interfaz
Contador de
Cuadros
Acceso a DVR
Cola de
Cuadros
Decodificador
Comunicacin
TCP
Da el mando al
Administrador
sobre el sistema
Obtiene promedio
del envo de
cuadros por cada
segundo.
Entabla
comunicacin con
el DVR y muestra
estado.
FrameCounter
WatchSDK_Class
FrameQueue
DecoderSDK_Class
contadorFrames
_watchCore
frameQueue
decoder
EVENTOS
Figura C.1
TCP Socket
TCP Server
La raz del diagrama representa el programa principal, que hace el llamado a la primera clase,
PARTyVideoTCPServer, sta contiene los constructores de los objetos a emplear. En el siguiente nivel
del diagrama, se tienen los elementos que se emplearon para utilizar el SDK; para cada uno corresponde la
descripcin y los objetos y/o nombres de clases asociados a ellos.
~ 87~
~ 88~
CurrentControlCam
Leer o establecer el ndice de control de la cmara actual. Esta propiedad es significativa para el modelo
de 4 canales.
RemoteIPAddr
Obtiene o establece la direccin IP remota del servidor visual.
Password
Obtener o establecer la contrasea utilizada para la autenticacin de la pgina web.
Tipo: string.
UserName
Selecciona u obtiene el nombre de usuario para la autenticacin web.
Tipo: string.
AutoServerModelType
Reconoce el tipo de modelo de servidor de forma automtica. Con esta configuracin, los usuarios ahora
pueden especificar slo el nombre de IP / usuario / contrasea para conectarse al servidor.
Tipo: boolean, verdadero significa que el model fue encontrado de manera automtica.
Nota: para decidir el tipo de servidor, el control tiene que comunicarse con el ste antes de
conectarse. Por lo tanto, se necesitar ms tiempo para completer la operacin.
~ 89~
NotifyVideoData
Determina si el control debe enviar los datos de nuevo video decodificado por evento.
AutoReconnect
Decidir si el control debe intentar volver a conectarse al servidor si se encuentra la conexin rota.
ViewStream
Selecciona u obtiene flujo de video/audio que el control se conectar.
Tipo: EDualStreamOption.
ConnectionProtocol
Establece el protocolo de conexin utilizado para conectar con el servidor.
Tipo: EConnProtocol.
Display
Selecciona u obtiene el interruptor para encender o apagar la pantalla de la grfica en la pantalla.
DecodeAV
Obtener o establecer el indicador que determina si los datos de audio y vdeo deben ser decodificados
despus de recibido.
~ 90~
Esta seccin se extrajo del manual de usuario del domo empleado segn los datos de la Tabla 4.2 para
establecer puntos que sern empleados en el preposicionamiento.
E.1 Configuracin
En el men principal se tienen varias opciones (Fig. E.1), de las cuales se elige preset.
Figura E.1
Puede guardar hasta 60 puntos preestablecidos. Cada punto preconfigurado tiene componentes de pan, tilt,
zoom segn se hayan definido como se ve en la Fig E.2.
Figura E.2
E.2 Operacin
Para mandar llamar las rutinas ser suficiente con cambiar el mensaje Pelco-D de acuerdo al Anexo B
segn la Tabla B.4 e indicar el nmero con el que fue guardada la preconfiguracin.
~ 91~
~ 92~
EQUIPO
DESCRIPCIN
~ 93~
ANEXO H. PUBLICACIONES
12th. International Congress on Computer Science, CORE 2012. Computational model for video
surveillance, dual detection and processing of relevant events. Presentado el da 28 de noviembre
de 2012 en la Ciudad de Mxico. (Autora principal)
~ 94~
A bstract.7KLVSDSHUSURSRVHVDFRPSXWDWLRQDOPRGHOIRUDXWRPDWHGREWDLQLQJ
LPDJHVLQJUHDWHUGHWDLOWKURXJKWKHFRPELQDWLRQRIPXOWLSOHIL[HGFDPHUDVDQG
DPRELOHFDPHUDZRUNLQJDFRXSOHDWDWLPH,WGHWHFWVDQHYHQWRILQWHUHVWDQG
LWVORFDWLRQWRPDNHREMHFWSDQWLOW]RRP7RDFKLHYHWKLVREMHFWLYHFRPSXWHU
YLVLRQWHFKQLTXHVLPDJHSURFHVVLQJSDWWHUQPDWFKLQJDQGFDOLEUDWLRQDUHXVHG
DQG LQWHUFDPHUD &RPPXQLFDWLRQ3URWRFRO3HOFR' LV HPSOR\HG 7KH DSSOLFD
WLRQZDVSURJUDPPHGLQ/DE9,(:7KHWHVWVDUHSHUIRUPHGLQDUHVWULFWHG
SDUNLQJUHVXOWLQJLQDFDU]RRPLQJLQ
K eywords:6XUYHLOODQFHGXDOV\VWHP/DE9,(:YLUWXDOLQVWUXPHQWVIL[HG
FDPHUD37=SDWWHUQPDWFKLQJFRPSXWHUYLVLRQLPDJHSURFHVVLQJ
Introduction
1RZDGD\VWKHGHWHFWLRQDQGUHFRJQLWLRQRIUHOHYDQWHYHQWVLVRQHRIWKHPRVWVWXG
LHGDUHDVRIUHVHDUFK,PDJHVKDYHDYLWDOLPSRUWDQFHLQWKHDQDO\VLVRIFULPHDVHYL
GHQFHRIDEXVHRUVLPSO\WRWUDFNHYHQWV2QHRIWKHRXWVWDQGLQJSUREOHPVLVWKHIDFW
WKDWIL[HGFDPHUDVKDYHDZLGHILHOGRIYLHZ)29EXWFDQQRWEHXVHGWRYLHZGH
WDLOV RI DQ REMHFW VXFK DV D FDU SODWH RU D SHUVRQ
V IDFH 2QH SRVVLEOH VROXWLRQ LV WR
OHYHUDJH FRPPHUFLDO YLGHR VXUYHLOODQFH V\VWHPV RI ORZ DQG PHGLXP SHUIRUPDQFH
ZLWKDGYDQFHGDOJRULWKPVDQGDFRPELQDWLRQRIIL[HGDQGPRELOHFDPHUDVWRSHUIRUP
PRUHFRPSOH[DFWLYLWLHVWRPD[LPL]HWKHLUXWLOLW\
7KLVSDSHUSURSRVHVDQDXWRPDWHGV\VWHPWKDWHPSOR\V IL[HGFDPHUDVWRGHWHFW
WKHSUHVHQFHRIDQREMHFWLQDODUJH)29SURFHVVLQJLPDJHVWRVHJPHQWWKHPDQGILQG
YDOXDEOHLQIRUPDWLRQIRUSDWWHUQUHFRJQLWLRQRIWKHREMHFWORFDWLRQ7KLVLVGRQHSRVL
WLRQLQJ WKH PRELOH FDPHUD LQ WKH FHQWHU RI )29 DQG PDNLQJ ]RRP IRU REWDLQLQJ DQ
LPDJH ZLWK PRUHGHWDLOV7KHPHWKRGVFDQEHWKHEDVLVIRUDFKLHYLQJPRUHFRPSOH[
DFWLYLWLHVVXFKDVWUDFNLQJDQREMHFWLQUHDOWLPH
7KHSDSHULVVWUXFWXUHGDVIROORZV6HFWLRQ,,SURYLGHVDQRYHUYLHZRIWKHVWDWHRI
WKHDUW6HFWLRQ,,,GHVFULEHVWKHV\VWHPDUFKLWHFWXUH6HFWLRQ,9SUHVHQWVWKHPHWKRG
238
Pamela Araceli Rangel Tirado, Luis Pastor Snchez Fernndez, Oleksiy Pogrebnyak
RORJ\WRGHYHORSWKLVV\VWHPZLWKDOOWKHDOJRULWKPVIRULPDJHSURFHVVLQJDQGFRQWURO
RI WKH GRPH 6HFWLRQ 9 SURYLGHV VRPH UHVXOWV LQ LPDJHV 6HFWLRQ 9, FRQFOXGHV WKH
SDSHU
Related wor ks
2QWKHVRFLDOVLGHWKHLQFUHDVHLQFULPHLVRQHRIWKHPDLQIDFWRUVWKDWKDYHLQIOX
HQFHGWKHGHPDQGIRUUHPRWHYLGHRVXUYHLOODQFHV\VWHPV>@DVLWVHHNVWR VWRSSUH
YHQW DQG FRPEDW LOOHJDO 7HFKQRORJLHV VXFK DV YLGHR VXUYHLOODQFH FDQ REVHUYH UH
VSRQGLQWHUYHQHDQGPLWLJDWHULVNVWKDWPD\DULVH>@7KHUHDUHPDQ\ZRUNVLQWKLV
DUHDRIUHVHDUFK%R\GHWDO>@GHVFULEHDYLGHRVXUYHLOODQFHV\VWHPWKDWDVVLPLODWHV
LQIRUPDWLRQIURPPXOWLSOHFDPHUDVLQDVLQJOHVWDJHPRGHO,QDUHDOWLPHDSSOLFDWLRQ
ZLWK VHSDUDWH SURFHVVRUV WR SHUIRUP ORZ OHYHO RSHUDWLRQV PRWLRQ VHJPHQWDWLRQ DQG
UHFRJQLWLRQ RI REMHFWV DQG WKHQ VKDUHG WKURXJK D ORFDO DUHD QHWZRUN LQIRUPDWLRQ
ZLWKRWKHUSDUWVRIWKHPRQLWRULQJV\VWHP
,QVXFKV\VWHPVWKHUHDUHVRPHWKDWZLOOWUDFNREMHFWVRILQWHUHVWHLWKHUZLWKDVLQ
JOH FKDPEHU RU PRUH DGYDQFHG V\VWHPV 5HJDUGLQJ WKH ILUVW FDVH DQG %LORGHDX
9DUFKHLH>@FRQGXFWHGDSURMHFWWKDWVHHNVWRLGHQWLI\DQGUHFRJQL]HREMHFWVDQGGH
WHFWDQGWUDFNWKHPXVLQJDPRYLQJSDQWLOW]RRP37=FDPHUDZLWKFRPPXQLFDWLRQ
YLD,QWHUQHW7KLVPHWKRGLVEDVHGRQWKHFRPSDULVRQRIHOOLSWLFDOVDPSOHVWRWKHRE
MHFWLYHHYDOXDWLQJWKHVLPLODULW\SUREDELOLW\ZKHQHVWLPDWLQJWKHORFDWLRQRIWKHREMHFW
WKURXJK D VWXG\ RI WKH GLIIXVH DUHDV PRYHPHQW ZLWKRXW HPSOR\LQJ WKH RSWLFDO IORZ
DOJRULWKP /XFDV.DQDGH /LNHZLVH SUHGLFWLRQ RI WKH REMHFW SRVLWLRQ LV PDGH WR KHOS
WUDFN7KLVV\VWHPKDVWKHSHFXOLDULW\WKDWWKHVDPSOHPXVWEHWDNHQPDQXDOO\ZKLFK
PDNHVLWXVHIXOIRULGHQWLI\LQJSUHYLRXVO\FKRVHQSHUVRQV
$QRWKHULQQRYDWLYHV\VWHPLVSURSRVHGE\&KX6LQJHWDO>@ZKLFKLQDGGLWLRQWR
WUDFNLQJ DOJRULWKPV HPSOR\HG LQWHUQDOO\ DOVR DGGV JHRJUDSKLFDO ORFDWLRQ RI SHRSOH
$QRWKHU V\VWHP SURSRVHG E\ +VLHQ&KRX DQG :HL<L >@ ZKLFK SURSRVHV D GXDO
FDPHUD V\VWHP ZLWK 37= XVLQJ PRWLRQ VHQVRUV WR UHVHPEOH WKH LGHQWLILFDWLRQ DQG
WUDFNLQJRIDQREMHFWDVHDJOHVGRXVLQJWKH ILUVWFDPHUDVHHWKH ZLGH)29DQGWKH
RWKHUIRUWKHGHWDLOLQWKHVDPHDUHD
System A rchitecture
Computational model for video surveillance, dual detection and processing of relevant events
DOME
ANALOG/DIGITAL
VIDEO
CONVERTER
PROCESSING
COMPUTER
CAMERA Xi
CLIENT
i = 1, 2, , n
n= ?
F ig. 1.0HWKRGRIRSHUDWLRQRIWKHSURSRVHGV\VWHP
Methodology
7KH DSSOLFDWLRQ VWDUWV ZLWK WKH VFDQQLQJ RI IL[HG FDPHUDV WR GHWHUPLQH LI DQ
HYHQWKDSSHQVLQWKHUHJLRQVRILQWHUHVW52,WKDWXVHUSUHYLRXVO\GHWHUPLQHG)LJ
F ixed
Camera 1
67$57
52,
'(),1,7,21
F ixed
Camera 2
No
E nqueue
(YHQW"
Yes
F ixed
Camera n
6&$11,1*
F ig. 2.*HQHUDOEORFNGLDJUDPRIWKHV\VWHPSDUW
:KHQWKHSUHVHQFHRIDQREMHFWKDVEHHQGHWHFWHGWKHLGHQWLILFDWLRQQXPEHURIWKH
FDPHUDWKDWJHQHUDWHGWKHHYHQWDQGWKHLPDJHVFOHDQDQGZLWKWKHREMHFWDUHSODFHG
LQDTXHXHDQGVHQWWRWKHQH[WSDUWRIWKHDSSOLFDWLRQ7KHIHHGEDFNOLQHPHDQVWKDW
HYHQZKHQWKHGDWDLVVHQWLQVSHFWLRQFRQWLQXHVWRFKHFNIRURWKHUHYHQW
239
240
Pamela Araceli Rangel Tirado, Luis Pastor Snchez Fernndez, Oleksiy Pogrebnyak
63(&,),&
352&(66,1*
'20(
&21752/
$/*25,7+0
Dequeue
G reater Detail
Image
HPDLO
86(55(3257
35(326,7,21,1*
(1'
F ig. 3.*HQHUDOEORFNGLDJUDPRIWKHV\VWHPSDUW
)LJVKRZVWKDWZKHQWKHTXHXHKDVHOHPHQWVV\VWHPVWDUWVUXQQLQJWKHSUHSRVL
WLRQLQJ WKDW XVHV SUHFRQILJXUHG URXWLQHV GLUHFWO\ LQ WKH PHPRU\ RI WKH GRPH 7KLV
EORFNLVXVHGWRPRYHWKHGRPHWRDNQRZQDUHDWRUHVHPEOHLWV)29ZLWKWKHIL[HG
FDPHUD WKDWJHQHUDWHGWKHHYHQWWKXVWRILQGWKHREMHFWE\SDWWHUQUHFRJQLWLRQ
0RUHRYHUWKHGRPHFRQWURODOJRULWKPLVH[HFXWHGDVVKRZQLQ)LJLWZLOOEHH[
SODLQHGLQWKHIROORZLQJVXEVHFWLRQV
)LQDOO\ZKHQD IRFXVHGLPDJHLVREWDLQHGWKHXVHUUHSRUWDUHJHQHUDWHGDQGVHQW
WKHPWRDQHPDLODFFRXQW7KHVSHFLILFSURFHVVLQJEORFNUHIHUVWRWKHXWLOLW\WKDWFDQ
EHWKHILQDOLPDJHIRURWKHUDQDO\]HVQRWDWWDFNHGLQWKLVZRUNVXFKDVWKHGHWHUPLQD
WLRQRIOLFHQVHSODWHVRUWUDLWVDVWH[WXUHVFRORUDQGHYHQPRGHO
6859(,//$1&(
$5($6
Q ueue
E lement
,0$*(
352&(66,1*
E xtract Image
Ie(x,y)
Coordinates
{(a ij , bij)}
Dome
Zoom
Dome
Camera
&RPSDUDWRU
0$7&+,1*
3$77(51
C alibrated
Image
,17(5&$0(5$ Ic(x,y)
&$/,%5$7,21
Coordinates
(c,d)
Dome
Movement
Yes
6$9(
,0$*(
3URFHVV
&RPSOHWHG"
No
'20(&21752/
F ig. 4.%ORFNGLDJUDPIRUGRPHFRQWURODOJRULWKP
4.1
Image Processing
7KH IROORZLQJ H[SODLQV WKH LPDJH SURFHVVLQJ FRPSRQHQWV ZKLFK DIWHU WKH REMHFW
GLVFULPLQDWLRQ H[WUDFW WKH REMHFW WKDW WULJJHUHG WKH HYHQW 7KH TXHXH HOH
PHQWFRQVLVWVRIWKHLGHQWLILHURIWKHFDPHUDWKDWJHQHUDWHGWKHHYHQWDFOHDQLPDJHDV
DUHIHUHQFHDQGWKHRWKHUZLWKWKHREMHFWRILQWHUHVW
E dge detection.
7KLVDOJRULWKPLVXVHGWRGHWHUPLQHWKDWDQHYHQWKDVRFFXUUHGWKURXJKWKHGHWHF
WLRQ RI FKDQJHV LQ LOOXPLQDWLRQ DORQJ WKH 52, WKDW WKH XVHU GHWHUPLQHG EHIRUH WKH
LQVSHFWLRQ2QFHGRQHDFOHDQRULJLQDOLPDJHLVVDYHGWKLVZLOOEHWKHEHQFKPDUNIRU
LPDJH SURFHVVLQJ H[SODLQHG LQ WKH IROORZLQJ VXEVHFWLRQ :KHQ FKDQJH OLJKWLQJ LV
GHWHFWHGWKH FRRUGLQDWHVRIWKH SRLQWVDUH VWRUHGLQDQDUUD\7KLVLV YHU\LPSRUWDQW
IRUFRUUHFWSDUWLFOHGLVFULPLQDWLRQ
Computational model for video surveillance, dual detection and processing of relevant events
Image subtraction.
7KLV LV GRQH WDNLQJ WZR LPDJHV WKH UHIHUHQFH LPDJH DIWHU VHOHFWLQJ WKH
52,DQGWKHRWKHULPDJH FRQWDLQLQJWKHREMHFWZKLFKKDVHQWHUHGLQWRWKH
VFHQH$WWKLVVWHSWKHVXEWUDFWLRQRILPDJHVSL[HOE\SL[HO(TLVPDGH>@
7KLVEDVLFPDWKHPDWLFDORSHUDWLRQKDVWKHSXUSRVHRILQGLFDWLQJLQJUD\VFDOHZKLFK
SL[HOVDUHQRWLQWKHFOHDQLPDJHWXUQLQJHYHU\RWKHUWR]HUREODFNKDYLQJDQRXWSXW
LPDJHZLWKKLJKFRQWUDVW7KLVLVWKHUHDVRQWKDWWKHLPDJHLVELQDUL]HGXVLQJRQO\WKH
DYHUDJHYDOXHRILWVKLVWRJUDPDVWKHWKUHVKROGYDOXH
Particle analysis.
)LUVWO\DGLODWLRQ(TLVFDOFXODWHG>@ZLWKDVWUXFWXUHHOHPHQW%RI[VL]H
WRILOOLQWHUQDOYRLGVLQDOOQRQ]HURHOHPHQWV
7KHQHURVLRQVZLWKWKHVDPHVWUXFWXUHHOHPHQW%RIGLODWLRQDFFRUGLQJWR(T
>@DUHSHUIRUPHG
7KLVHQVXUHVWKDWQRLVHGHFUHDVHVLWVVL]H7KHQSDUWLFOHVDUHILOWHUHGSHUDUHD)L
QDOO\ WKH FRRUGLQDWHV RI D FLUFXPVFULEHG UHFWDQJOH RI WKHLU ORFDWLRQ DUH VWRUHG LQ DQ
DUUD\
Particle discrimination.
,GHDOO\RQO\RQHREMHFWVKRXOGEHGHWHFWHGLQWKHLPDJHEXWLWLQSUDFWLFHWKHV\V
WHPREVHUYHVYDULRXVREMHFWV7RSUHYHQWWKHV\VWHP PLJKWEHFRQIXVHG SDUWLFOH DUH
GLVFULPLQDWHG E\ WKHLU SUR[LPLW\ WR WKH FRRUGLQDWHV ZKHUH WKH REMHFW SUHVHQFH ZDV
GHWHFWHG LQ WKH 52, 6XSSRVH WZR FRRUGLQDWHV DQG FRUUHVSRQG WR
SDUWLFOHVREWDLQHGDIWHUDQDO\VLVWKDWHOLPLQDWHGVSXULRXVSDUWLFOHV$OVRFRQVLGHUWKDW
WKHSRLQWZKHUHWKH\VKRWWKHHYHQWLQWKH52,LV EXWLWKDVDPDUJLQRI
SL[HOV WR GHILQH LI WKH SDUWLFOH FRUUHVSRQGV WR WKH REMHFW VHH )LJ 0DWKHPDWLFDO
ORJLFRSHUDWLRQLVDVIROORZV
241
242
Pamela Araceli Rangel Tirado, Luis Pastor Snchez Fernndez, Oleksiy Pogrebnyak
Xa-100
Xa+100
0
Ya-100
(X1,Y1)
(Xa,Ya)
(X2,Y2)
Ya+100
F ig. 5.3DUWLFOHGLVFULPLQDWLRQ
4.2
Inter-camera calibration
7RHTXDOL]HWKHKLVWRJUDPVLWLVQHFHVVDU\WRWDNHWKHIRUP DQGWKHQ
PXVWVDWLVI\WKHFRQGLWLRQRI(T
4.3
Pattern matching
3DWWHUQUHFRJQLWLRQKDVPDQ\XVHV,QWKLVFDVHLWLVXVHGWRILQGWKHREMHFW
WKDWKDVHQWHUHGWKHVFHQHJLYLQJLWVORFDWLRQDQGFDQWKXVFRQWLQXRXVO\SRVLWLRQLQJLQ
WKHGRPH)29XQWLOLWLVFHQWHUHG>@
Computational model for video surveillance, dual detection and processing of relevant events
L earning.
$WWKLVVWDJHLQIRUPDWLRQLVH[WUDFWHGIURPWKHREMHFWVRILQWHUHVWFRQWDLQHGLQWKH
WHPSODWH WKURXJK QRQXQLIRUP VDPSOLQJ VHH )LJ ZKHUH VHFWLRQV ZLWK WKH VDPH
LQWHQVLWLHV RI SL[HO QHLJKERUV DUH WDNHQ WR DVVXUH WKDW WKH GHVFULSWLYH IHDWXUHV KDYH
EHWWHUTXDOLW\DQGWRUHGXFHFRPSXWDWLRQDOFRQVXPSWLRQ,WLVDOVRLPSRUWDQWWRGHILQH
LIWKHSDUWLFOHVDUHURWDWHGVFDOHGDQGRUPRYHG
F ig. 6.1RQXQLIRUPVDPSOLQJ
Search.
'XULQJWKLVSKDVHWKHGHVFULSWRULVXVHGWRILQGWKHREMHFWLQWKHLQVSHFWHGLPDJH
$V LW LV VKRZQ LQ )LJ WKH WHPSODWH LV PRYHG SL[HO E\ SL[HO WR FDOFXODWH D FURVV
FRUUHODWLRQPDWUL[DFFRUGLQJWR(T>@
243
244
Pamela Araceli Rangel Tirado, Luis Pastor Snchez Fernndez, Oleksiy Pogrebnyak
F ig. 7.&URVVFRUUHODWLRQFDOFXODWLRQ
4.4
Surveillance areas
,Q RUGHU WR FRUUHODWH HDFK RI WKH GDWD SRUWLRQV ZLWK FRQWURO DFWLRQV WKH SLFWXUH
EORFNRIGLPHQVLRQDO'YLGHRVSOLWVLQWRVXUYHLOODQFHDUHDV)LJVKRZVWKH
)29 ZKHUH LQ WKH FHQWUDO VTXDUH WKHUH DUH DUHDV RI HDFK FRORU IRU D ILQH PRYHPHQW
DQGDEHWWHUIRFXVRQWKHREMHFW2QFHORFDWHGLQWKH]RQHWKHGRPHPRYHPHQWLV
VWRSSHGWR]RRPLQWKHREMHFW
F ig. 8.'LYLVLRQ)29LQVXUYHLOODQFHDUHDV
4.5
Dome Control
Computational model for video surveillance, dual detection and processing of relevant events
]RRPLQJDEHWWHUTXDOLW\LPDJHLVSURYLGHG7KLVLVDFFRPSOLVKHGWKURXJKFRPPXQL
FDWLRQSURWRFRO3HOFR'DQG56E\VHQGLQJRIDFRPPDQGVWULQJLQKH[DGHFLPDO
FOV
DOMO
A0x
Obj
Iy
A0y
D
Ix
E
F ig. 9./RJLFIRU]RRPLQ
)RU ]RRPLQJ ZKHQ WKH VXUYHLOODQFH DUHD VHOHFWRU SURYLGHV WKH LGHQWLILHU LW
PHDQVWKDWWKH LPDJH LVUHDG\WREHJLQ ]RRPLQJ7KHGLPHQVLRQVRIWKH)29GRPH
VKRZQLQ)LJDDQG IRUWKH ]RRPLQWKH ILUVWVWHSLVWRFDOFXODWHWKH WROHUDQFHV
DFFRUGLQJWR(T
245
246
Pamela Araceli Rangel Tirado, Luis Pastor Snchez Fernndez, Oleksiy Pogrebnyak
5.1
Results
7KHHTXLSPHQWHPSOR\HGIRUWKHWHVWVLVVKRZQLQ7DEOH7KHHYHQWZDVSUHVHQW
HGIRUWKH,3FDPHUD
T able 1.(TXLSPHQWXVHG
C A M E R AS
CONVERTER
'156XSHU
1LJKW9LVLRQ2XW
,3&DPHUD9L
GRRU&DPHUD(S
YRWHN
FRP
&KDQQHO'LJLWDO9LGHR5HFRUGHU'956\VFRP
0LQLWUD['RPH
&DPHUD6\VFRP
)LJVKRZVWKHGHWHFWLRQD[HVRIDQDXWRPRELOHEHFDXVHRIWZRRIWKHIRXU52,
OLQHV5HGGRWVLQGLFDWHZKHUHOLJKWLQJFKDQJHZDVGHWHFWHG
F ig. 10.(GJH'HWHFWLRQ
:KHQ WKH HYHQW KDSSHQ WKH LPDJH SURFHVVLQJ VHH )LJ LV UHVSRQVLEOH IRU
VHDUFKLQJIRUWKHJOREDOFRRUGLQDWHVRIWKH52,ZKLFKLQGLFDWHVZKHUHWKHVXEWUDFWLRQ
LV SHUIRUPHG )LJ LOOXVWUDWHV WKDW DIWHU WKUHVKROGLQJ SDUWLFOH DQDO\VLV DQG
GLVFULPLQDWLRQWKHREMHFWRILQWHUHVWLVGHOLPLWHGVKRZLQJLWVFHQWURLG
Computational model for video surveillance, dual detection and processing of relevant events
F ig. 11.3UHVHQFHRIREMHFWV
7KHQ ZKHQ WKH GRPH KDV D )29 VLPLODU WR KDYLQJ WKH FDPHUD WKDW GHWHFWHG WKH
HYHQW VHH )LJ WKH H[WUDFWHG LPDJH LV FRPSDUHG ZLWK WKH )29 WR FDOLEUDWH LWV
OLJKWLQWHQVLW\WRIRXQGWKHREMHFW
F ig. 12.'RPH)29
)LJ D VKRZV WKH H[WUDFWHG LPDJH DQG )LJ E VKRZV LWV KLVWRJUDP
)XUWKHUPRUH DIWHU WKH PHDVXUHPHQW RI LOOXPLQDWLRQ WKH SDUDPHWHUV EULJKWQHVV DQG
JDPPD DUH PRGLILHG PDLQWDLQLQJ WKH FRQWUDVW LQ WKH QHXWUDO YDOXH VHH )LJ
D
D
E
F ig. 13.,PDJHVHDUFK
247
248
Pamela Araceli Rangel Tirado, Luis Pastor Snchez Fernndez, Oleksiy Pogrebnyak
$V VKRZQ LQ )LJ E WKH LPDJH LV YHU\ GDUN EHFDXVH LW GLG QRW FKDQJH WKH
FRQWUDVW YDOXH +RZHYHU WKLV LV QRW D OLPLWDWLRQ EHFDXVH WKH SDWWHUQ PDWFKLQJ
DOJRULWKP VXFFHHGV LQ ILQGLQJ WKH REMHFW $IWHU WUDQVIRUPDWLRQV WKH KLVWRJUDPP LV
PRGLILHGVHH)LJF
D
E
F
F ig. 14.0RGLILHGLPDJHVHDUFK
3DWWHUQ PDWFKLQJ FRQWLQXDOO\ PRQLWRUV WKH WDUJHW ORFDWLRQ DQG JLYHV WKH LPDJH
FRRUGLQDWHV ZKLFK DUH FRPSDUHG E\ WKH GRPH FRQWURO WR ORFDWH WKH UHOHYDQW
VXUYHLOODQFHDUHD)LJVKRZVKRZSDWWHUQLVIRXQG7KLVLVUHSHDWHGXQWLOWKHWDUJHW
LVLQWKHFHQWHURIWKH)29RIWKHGRPH
F ig. 15.3DWWHUQ0DWFKLQJ
$IWHU SRVLWLRQLQJ LQ WKH FHQWHU DQG WKHQ PDNLQJ ]RRP LQ DV QHFHVVDU\ WKLV VWHSV
ZLOO VWRS ZKHQ VRPH RI WKH OHQJWKV RI WKH SDWWHUQ YHUWLFDO RU KRUL]RQWDO LV JUHDWHU
WKDQRUHTXDOWRWKHVWDWHGWROHUDQFH
)LQDOO\WKHUHVXOWLVVKRZQLQ)LJ7KLVLPDJH DFFRUGLQJWRWKHEORFN
GLDJUDPRI)LJFDQEHXVHGWRSHUIRUPRWKHUDGYDQFHGSURFHVVLQJRUIRUGLVSOD\LW
LQDUHSRUWWKDWLVVHQWWRWRWKHXVHUHPDLODFFRXQW
Computational model for video surveillance, dual detection and processing of relevant events
F ig. 16.5HVXOW
5.2
Discussion
7KHGHVLJQRIWKHV\VWHPFRUUHVSRQGVWRDGXDOV\VWHPWKDWHPSOR\VDSDLUIRUPHG
E\D IL[HGFDPHUD DQGD PRELOHRQHWKDW ZRUNWRJHWKHUDVSURSRVHGLQWKH SDSHURI
+VLHQ&KRX\:HL<L>@
7KH WHVW ZDV FRQGXFWHG LQ D UHVWULFWHG SDUNLQJ WKDW FRPSOLFDWHV WKH DOJRULWKP
KDYLQJXQFRQWUROOHGOLJKWLQJXQOLNH&KX6LQJHWDOZRUN>@ZKLFKLVGRQHRXWVLGH
2QH DGYDQWDJH RI WKH SURSRVHG V\VWHP RYHU RWKHU GHYHORSHG E\ 9DUFKHLH \
%LORGHDX >@ LV WKDW WKH SUHVHQW ZRUN HPSOR\V 5*% FRORU WR JUD\VFDOH
WUDQVIRUPDWLRQVZKLFKFDQEHDEHQHILWIRUWKHORZSHUIRUPDQFHFRPPHUFLDOV\VWHPV
WKDW SURYLGH PRQRFKURPDWLF LPDJHV 7KXV PDWFKLQJ SDWWHUQ LV QRW GHSHQGHQW RQ
FRORUWKHREMHFWFDQEHIRXQGWKURXJKLQWHUFDPHUDFDOLEUDWLRQ
Conclusion
,Q WKLV SDSHU D FRPSXWDWLRQDO PRGHO LV SURSRVHG DQG DSSOLHG IRU WKH VHFXULW\ RI
EXLOGLQJV LQ WKLV FDVH SDUNLQJV LQ UHVWULFWHG DUHDV 7KH SUHVHQFH RI DQ REMHFW LV
GHWHFWHGE\DIL[HGFDPHUDWKHQWKHFRPPDQGLVVHQGWRWKHGRPHFDPHUDWRPRYHLW
WRWKDWSRLQWDQG]RRPLQWRJHWDSLFWXUHZLWKDJUHDWHUGHWDLO7KLVLVDFKLHYHGXVLQJ
DGYDQFHG DOJRULWKPV RI LPDJH SURFHVVLQJ SDWWHUQ PDWFKLQJ DQG 3HOFR'
FRPPXQLFDWLRQSURWRFRO7KHDSSOLFDWLRQZDVSURJUDPPHG LQ/DE9,(:7KH
ILQDO LPDJH FDQ EH XVHG IRU RWKHU SXUSRVHV WKDW FRPSXWHU YLVLRQ DOORZV VXFK DV
IHDWXUH DQDO\VLV DQG RSWLFDO FKDUDFWHU UHFRJQLWLRQ 2&5 ,Q WKLV SDSHU XVHU UHSRUWV
DUHJHQHUDWHGDQGVHQWYLDHPDLO)XWXUHZRUNZLOOEHUHODWHGWRVKDULQJLQIRUPDWLRQLQ
DORFDOQHWZRUNDQGLQWHJUDWLQJRWKHULPDJHSURFHVVLQJ WHFKQLTXHVZLWKWKHSXUSRVH
RIREMHFWWUDFNLQJLQUHDOWLPHIRUDPRUHUREXVWDQGFRPSOHWHV\VWHP
249
250
Pamela Araceli Rangel Tirado, Luis Pastor Snchez Fernndez, Oleksiy Pogrebnyak
References
,PDL < 6XJLXH < +RUL < 0DVXGD 6 $SSOLFDWLRQ RI $ 5HPRWH 6XUYHLOODQFH
6\VWHPZLWK0RELOH3KRQH(QKDQFHG8VHU,QWHUIDFH0RELOH%XVLQHVV,&0%
,QWHUQDWLRQDO&RQIHUHQFHRQYROQRSS-XQH
-HQNLQV : 7RS %HQHILWV RI YLGHR VXUYHLOODQFH $UWLFOHVEDVH )UHH 2QOLQH $UWLFOHV
'LUHFWRU\ KWWSZZZDUWLFOHVEDVHFRPFXVWRPHUVHUYLFHDUWLFOHVWRSEHQHILWVRIYLGHR
VXUYHLOODQFHKWPO
%R\G-(+XQWHU(.HOO\3+/L&KHQJ7DL3KLOOLSV&%-DLQ5&03,9LGHR
LQIUDVWUXFWXUH IRU G\QDPLF HQYLURQPHQWV 0XOWLPHGLD &RPSXWLQJ DQG 6\VWHPV
3URFHHGLQJV,(((,QWHUQDWLRQDO&RQIHUHQFHRQYROQRSS-XQ-XO
9DUFKHLH 3'= %LORGHDX *$ $FWLYH SHRSOH WUDFNLQJ E\ D 37= FDPHUD LQ ,3
VXUYHLOODQFH V\VWHP 5RERWLF DQG 6HQVRUV (QYLURQPHQWV 526( ,(((
,QWHUQDWLRQDO:RUNVKRSRQYROQRSS1RY
&KX6LQJ < 5HQ+DR & &KDR<DQJ / 6KRX-HQ / 37= FDPHUD EDVHG SRVLWLRQ
WUDFNLQJ LQ ,3VXUYHLOODQFH V\VWHP 6HQVLQJ 7HFKQRORJ\ ,&67 UG
,QWHUQDWLRQDO&RQIHUHQFHRQYROQRSS1RY'HF
+VLHQ&KRX/:HL<L&$GXDO37=FDPHUDV\VWHPIRUYLVXDOWUDFNLQJRIDPRYLQJ
WDUJHWLQDQRSHQDUHD$GYDQFHG&RPPXQLFDWLRQ7HFKQRORJ\,&$&7WK
,QWHUQDWLRQDO&RQIHUHQFHRQYROQRSS)HE
5HOI&,PDJH$FTXLVLWLRQDQG3URFHVVLQJZLWK/DE9,(:(GLWRULDO&5&3UHVV(VWDGRV
8QLGRVGH$PpULFD
(VFDODQWH % $SXQWHV GH FXUVR GH 3URFHVDPLHQWR 'LJLWDO GH ,PiJHQHV
KWWSYHURQDILSXQDPP[ERULVWHDFKLQJQRWHV&DSLWXORSGI
1DWLRQDO ,QVWUXPHQWV &RUSRUDWLRQ 1, 9LVLRQ &RQFHSWV +HOS 1DWLRQDWLRQDO ,QVWUXPHQWV
GRFXPHQWDWLRQ$XJXVW